AI-first компания: как перестроить процессы вокруг искусственного интеллекта

В 2019 году казахстанская компания по доставке еды решила «внедрить искусственный интеллект». Наняли дата-сайентистов, закупили серверы, обучили модель, которая предсказывала время доставки. Модель работала неплохо — ошибка в пределах 5 минут. Казалось бы, успех?

Но через полгода проект свернули. Причина банальная: предсказания модели никто не использовал. Курьеры продолжали ориентироваться на свой опыт. Диспетчеры вручную корректировали маршруты. Клиенты по-прежнему видели стандартное «30-45 минут». Миллионы тенге потрачены, а бизнес-процессы остались прежними.

Это типичная история компании, которая пыталась «добавить AI» к существующим процессам. Как попытка приклеить реактивный двигатель к телеге — технология есть, но она не интегрирована в систему, которая могла бы её использовать.

Сегодня мы поговорим о другом подходе. Не «добавить AI», а «построить вокруг AI». Это называется AI-first — когда искусственный интеллект не надстройка, а фундамент, на котором выстраиваются все остальные процессы.

AI-first vs AI-enhanced: в чём принципиальная разница?

Давайте разберёмся с терминологией. Сегодня почти каждая компания заявляет, что «использует искусственный интеллект». Но использовать — и строить на его основе — это совершенно разные вещи.

AI-enhanced компания — это когда AI добавляется к существующим процессам. Есть колл-центр с 50 операторами — добавляем чат-бота для простых вопросов. Есть отдел продаж — добавляем скоринг лидов. Есть маркетинг — добавляем персонализацию рассылок. Процессы остаются прежними, AI работает «в дополнение».

AI-first компания — это когда процессы проектируются с нуля, исходя из возможностей AI. Не «добавим бота к колл-центру», а «как бы мы обслуживали клиентов, если бы AI мог вести 90% диалогов, а люди занимались только сложными случаями?». Это принципиально другой вопрос — и он ведёт к принципиально другим решениям.

Приведу пример из реальной жизни. В Алматы есть две компании, занимающиеся подбором персонала. Обе «используют AI». Но совершенно по-разному.

Первая — классическое агентство с 15 рекрутерами. Они добавили AI-скрининг резюме: алгоритм отсеивает явно неподходящих кандидатов, экономя рекрутерам время. Полезно? Да. Но процесс остался прежним: разместить вакансию → собрать отклики → просмотреть резюме → провести интервью → сделать оффер.

Вторая компания — стартап с 3 людьми. Они построили всё иначе. AI-бот проводит первичное интервью с каждым кандидатом в удобное для него время (хоть в 3 ночи). Бот оценивает не только ответы, но и скорость реакции, логику изложения, соответствие корпоративной культуре. К моменту, когда кандидат попадает к живому рекрутеру, про него уже известно всё — от сильных сторон до потенциальных red flags. Рекрутер не «отсеивает», а сразу работает с финалистами.

Результат? Первая компания закрывает 20 вакансий в месяц командой из 15 человек. Вторая — 35 вакансий командой из 3 человек. При этом качество найма у второй выше — меньше отказов на испытательном сроке.

Это и есть разница между AI-enhanced и AI-first.

Принципы AI-first компании: automation by default

Главный принцип AI-first звучит просто, но требует переворота в мышлении: автоматизация по умолчанию (automation by default).

Традиционный подход: «Человек делает работу. Если есть возможность — автоматизируем часть». AI-first подход: «AI делает работу. Если требуется — подключаем человека».

Это не про замену людей машинами. Это про то, чтобы люди занимались тем, что действительно требует человеческого интеллекта, эмпатии, креативности — а рутину отдавали алгоритмам.

Давайте разберём каждый принцип подробнее.

Automation by Default: когда «по умолчанию» значит «без участия человека»

Представьте типичный процесс обработки заявки в сервисной компании. Клиент оставляет заявку → менеджер видит её в CRM → звонит, уточняет детали → передаёт техническому специалисту → тот перезванивает, назначает время → приезжает, делает работу → менеджер выставляет счёт.

В AI-first компании это выглядит иначе. Клиент оставляет заявку → AI-бот мгновенно уточняет детали в чате → проверяет наличие запчастей в системе → находит ближайшего свободного специалиста → предлагает клиенту несколько слотов времени → после подтверждения отправляет специалисту задачу в приложение → после выполнения автоматически формирует акт и отправляет ссылку на оплату.

Менеджер в этой цепочке нужен только если что-то идёт не так: клиент недоволен, случай нестандартный, требуется согласование скидки. Но в 85% случаев — всё происходит автоматически.

Human in the Loop: люди как эксперты, а не операторы

Здесь важно не путать с «человек контролирует AI». В AI-first подходе человек — это не надзиратель, а эксперт высокого уровня.

Вот как это работает на практике. В страховой компании AI обрабатывает 90% заявлений на выплату самостоятельно: проверяет документы, рассчитывает сумму, формирует решение. Эксперт-человек подключается к оставшимся 10% — спорным случаям, крупным суммам, подозрениям на мошенничество.

Но вот ключевой момент: каждое решение эксперта становится обучающим примером для AI. Система учится на сложных случаях и со временем часть из них тоже начинает обрабатывать автоматически. Эксперт не просто «работает» — он обучает систему.

О том, как правильно организовать передачу от AI к человеку, мы писали в статье Human handoff: передача диалога от бота оператору.

Перепроектирование процессов: с чистого листа

Самая сложная часть перехода к AI-first — это не технологии. Это готовность посмотреть на свои процессы свежим взглядом и спросить: «А если бы мы начинали сегодня — как бы мы это сделали?»

У большинства компаний процессы формировались исторически, под конкретных людей и обстоятельства. Почему согласование договора идёт именно через эти три отдела? Потому что 10 лет назад там работали конкретные люди, которые должны были что-то проверять. Тех людей давно нет, а процесс остался.

AI-first подход предлагает «обнулить» такие процессы и спроектировать заново. Вот как это работает на примере.

Обратите внимание: во втором варианте менеджер никуда не делся. Но его роль изменилась. Раньше он тратил 70% времени на рутину (чтение писем, формирование КП, напоминания) и 30% — на продажи. Теперь соотношение обратное: 80% времени он общается с клиентами, которые уже «прогреты» и готовы обсуждать сделку.

И ещё важный момент: в AI-first системе каждое действие менеджера обогащает данные. Какие КП конвертируются лучше? На какие возражения сложнее ответить? Какие клиенты «отваливаются» на этапе согласования? Система учится на этих данных и становится умнее.

О том, как AI помогает генерировать коммерческие предложения, читайте в статье AI-генерация коммерческих предложений в CRM.

Культурная трансформация: AI как коллега

Технологии — это 30% успеха AI-first трансформации. Остальные 70% — это люди и культура. И вот тут начинается самое сложное.

В традиционных компаниях к AI часто относятся настороженно. Сотрудники видят в нём угрозу («заменят роботами»), менеджеры — непонятную «чёрную коробку» («а вдруг ошибётся?»), топ-менеджмент — очередной модный тренд («потратим деньги, а толку не будет»).

В AI-first компании AI воспринимается иначе — как коллега. Не заменитель людей, а помощник. Не угроза, а возможность. Не «чёрная коробка», а инструмент, который можно понять и улучшить.

Расскажу историю из практики. В одном из банков Казахстана внедряли AI-скоринг кредитных заявок. Первая версия работала так: AI выдавал рекомендацию, но финальное решение всегда принимал аналитик. Через полгода статистика показала интересное: в 94% случаев аналитики соглашались с AI. В оставшихся 6%, когда они меняли решение — в 60% случаев оказывались неправы (кредит становился проблемным или, наоборот, отклонённый клиент успешно кредитовался в другом банке).

Казалось бы, вывод очевиден: дать AI полную автономию. Но руководство пошло другим путём. Они сохранили возможность аналитика менять решение — но добавили «обоснование». Если аналитик не согласен с AI, он должен объяснить почему. Эти объяснения используются для дообучения модели.

Результат: аналитики чувствуют себя экспертами (их мнение важно), AI становится лучше (учится на исключениях), а конечное качество решений выросло на 12%.

Подробнее о том, как управлять изменениями при внедрении AI-систем, читайте в статье Управление изменениями: как внедрять CRM и AI так, чтобы команда реально пользовалась.

Роль людей в AI-first компании: не меньше, а иначе

Один из главных страхов, связанных с AI — «роботы заберут работу». В реальности AI-first компании часто нанимают больше людей, чем до трансформации. Но это другие люди и другие роли.

Что уходит:

• Рутинная обработка данных
• Типовые ответы на типовые вопросы
• Ручное перекладывание информации между системами
• Первичный скрининг и фильтрация

Что появляется:

• AI-тренеры — специалисты, которые обучают и улучшают модели
• Exception handlers — эксперты по сложным случаям, которые AI не может решить
• Relationship managers — люди, которые строят глубокие отношения с ключевыми клиентами
• Prompt engineers — специалисты по настройке и оптимизации AI-систем
• Контент-создатели — люди, которые создают базы знаний для AI

Важно понимать: AI-first не значит «без людей». Это значит «люди на правильных местах». Там, где нужна эмпатия, креативность, стратегическое мышление, переговоры — люди незаменимы. AI освобождает их от рутины, чтобы они могли сфокусироваться на том, что действительно важно.

Примеры AI-first компаний: от глобальных до казахстанских

Легко говорить об AI-first в теории. Давайте посмотрим, как это работает на практике — и не только у технологических гигантов.

Глобальные примеры

Klarna — финтех-компания, которая обрабатывает миллионы транзакций. В 2024 году они объявили, что их AI-ассистент обрабатывает 2/3 всех обращений в поддержку. Это эквивалент работы 700 сотрудников. При этом удовлетворённость клиентов не упала, а выросла — потому что ответы мгновенные и точные.

Duolingo — платформа для изучения языков. Они используют AI не только для персонализации обучения, но и для создания контента. Раньше новый курс требовал месяцев работы лингвистов. Сейчас AI генерирует упражнения, а эксперты проверяют и дорабатывают. Скорость запуска новых курсов выросла в 5 раз.

Wix — конструктор сайтов. Их AI-помощник создаёт не просто шаблонные сайты, а полноценные уникальные дизайны на основе описания бизнеса. Пользователь говорит «я открываю кофейню в Астане, стиль — современный минимализм» — и получает готовый сайт за 30 секунд.

Примеры из СНГ и Казахстана

Kaspi.kz — хотя они не называют себя AI-first публично, их подход во многом соответствует принципам. Персонализированные предложения, автоматический скоринг, чат-бот в приложении — всё это элементы AI-first архитектуры. Клиент получает одобрение по кредиту за минуты, а не дни.

Сеть доставки еды в Алматы (не называю имя по NDA) — полностью перестроили процесс обработки заказов. AI предсказывает время приготовления для каждого ресторана, оптимизирует маршруты курьеров в реальном времени, автоматически решает стандартные проблемы (задержка, отсутствие позиции). Человек-диспетчер работает только с эскалациями. Результат: среднее время доставки сократилось на 18%, жалобы — на 40%.

Логистическая компания в Астане — внедрили AI для планирования маршрутов и распределения грузов. Раньше логист тратил 2 часа утром на составление маршрутов. Сейчас AI формирует оптимальные маршруты за 5 минут, логист проверяет и вносит корректировки за 15 минут. Экономия топлива — 15%, увеличение количества доставок в день — 20%.

Как начать переход к AI-first: практические шаги

Переход к AI-first — это не проект на квартал. Это трансформация, которая занимает годы. Но начать можно уже сегодня, и вот как.

Важное замечание: не нужно ждать «идеальных условий». Не нужно сначала «привести в порядок данные», «обновить CRM», «обучить команду». Начинайте с того, что есть. AI-first — это итеративный подход. Каждая итерация улучшает и данные, и процессы, и компетенции команды.

Подробнее о поэтапном внедрении AI-автоматизации читайте в статье AI-автоматизация как конкурентное преимущество: план на 90 дней.

Типичные ошибки на пути к AI-first

За время работы с казахстанскими компаниями мы видели много попыток стать «более AI-ориентированными». Не все заканчивались успехом. Вот ошибки, которые встречаются чаще всего.

О том, почему пилотные проекты AI-автоматизации проваливаются, мы подробно писали в статье Почему пилоты проваливаются: 7 причин, и технология — не главная.

Заключение: AI-first — это не про будущее, это про сейчас

Когда я начинал эту статью, я рассказал историю компании по доставке еды, которая «внедрила AI» — и ничего не изменилось. Миллионы потрачены, а курьеры по-прежнему ориентируются на свой опыт.

Через три года после того провала та же компания попробовала снова. Но теперь иначе. Они не «добавляли AI» — они перестроили процесс целиком. Предсказание времени доставки стало не отдельным модулем, а частью системы: оно влияло на показ клиенту, на назначение курьера, на расчёт бонусов. AI был не надстройкой — он был в центре.

Результат? Среднее время доставки сократилось на 22%. Точность предсказания достигла 95%. Удовлетворённость клиентов выросла на 18 пунктов NPS. А главное — сотрудники стали союзниками, не противниками. Они увидели, что AI делает их работу лучше, а не сложнее.

AI-first — это не про технологии. Это про смелость посмотреть на свой бизнес свежим взглядом и спросить: «А что, если можно иначе?». Компании, которые задают этот вопрос сегодня, будут лидерами завтра. Компании, которые продолжают «добавлять AI к тому, что есть», рискуют остаться позади.

Выбор за вами. Но, как говорится, лучшее время посадить дерево было 20 лет назад. Второе лучшее время — сегодня.

Часто задаваемые вопросы

Читайте также