Как внедрять genAI в бизнес так, чтобы видеть результат в P&L

Внедрение генеративного ИИ (GenAI) становится одним из ключевых драйверов цифровой трансформации в бизнесе. Однако, согласно исследованиям, около 95% инициатив в области GenAI не приносят заметного эффекта. Основная причина — отсутствие глубокой интеграции технологий в бизнес‑процессы и недостаточная операционная подготовленность. Успеха достигают компании, которые проходят genAI‑трансформацию с партнером и направляют 70% усилий на развитие людей и процессов. Как эффективно внедрять новые технологии эффективно и видеть результаты в P&L?

Деньги не там, где хайп — деньги там, где измеримая бизнес‑эффективность

Чтобы инвестиции окупались, автоматизация должна концентрироваться на ключевых бизнес‑функциях, приносящих наибольшую отдачу. В 2025 году компании уделяют особое внимание к автоматизации бэкофиса, ведь здесь находятся:

• руководители конкретных юнитов;
• данные и метрики, формирующие основу для оценки KPI;
• процессы, которые напрямую влияют на финансовые результаты.

В любом проекте компании должны быть измеримая цель. «Нам нужно внедрить genAI куда‑нибудь», «Дайте готовое решение или кейс» или «Мы хотим переиспользовать то, что делают наши конкуренты» такая формулировка цели приведет к провалу.

Пример незрелой AI‑цели: «Снизить нагрузку на колл‑центр, повысить точность классификации обращений: подключить LLM к CRM».

Пример зрелой AI‑цели: «Создать цифровую инфраструктуру, в которой 70% процессов клиентского сервиса будут решаться без участия оператора».

Как выстроить систему управления AI

Agile AI‑policy. Здесь мы обращаемся к классической концепции 5W.

Преимущества:

1. Who: Кто отвечает за проект? Кто является заказчиком и исполнителем? Четко определите роли.
2. What: Какого конкретного и измеримого результата мы ожидаем? Каковы критерии успеха пилота?
3. When: Какие установлены сроки, ключевые этапы и дедлайны?
4. Where: В каком бизнес‑процессе или продукте будет реализовано решение? На каких данных оно будет основано?
5. Why: Какую бизнес‑проблему мы решаем? Цель — снижение затрат, увеличение продаж, оптимизация процессов?

Также важно помнить, что успех любого AI‑проекта напрямую зависит от тесного взаимодействия технических команд и представителей бизнеса. Технические специалисты должны глубоко понимать бизнес‑цели, проблемы и контекст, в котором будет применяться решение. В свою очередь, бизнес‑заказчики должны иметь базовое представление о возможностях и ограничениях технологии, чтобы ставить реалистичные задачи и корректно оценивать результаты.

Ключевые роли для управления AI‑инициативами. Традиционный подход, при котором одна команда отвечает одновременно и за ИИ‑проекты, и за другие направления деятельности, перестает быть эффективным. Сегодня требуется создание специализированных AI‑команд, полностью сосредоточенных на задачах genAI:

1. CAIO (Chief AI Officer) — лидер, отвечающий за общую стратегию внедрения AI, определение приоритетов и интеграцию технологий в ключевые бизнес‑процессы.
2. Task Force — оперативная междисциплинарная команда, состоящая из технических специалистов, аналитиков и представителей бизнеса, которая непосредственно реализует пилотные проекты.
3. Совет по рискам — группа экспертов, которая оценивает потенциальные технологические, юридические, этические и репутационные риски, связанные с внедрением AI, и разрабатывает меры по их минимизации.

Двухуровневая модель организации: AI‑офис + продуктовые команды:

1. AI‑офис (центр компетенций) — централизованный орган, который отвечает за разработку общей стратегии, стандартов, закупку технологий, управление талантами и распространение лучших практик по всей компании.
2. Продуктовые команды — децентрализованные группы внутри бизнес‑подразделений, которые фокусируются на решении конкретных прикладных задач и интеграции AI‑решений в свои продукты и процессы, пользуясь поддержкой и экспертизой AI‑офиса.

Такой подход сочетает преимущества централизации (стратегия, стандарты) и децентрализации (гибкость, скорость, близость к бизнес‑проблеме), позволяя эффективно масштабировать применение genAI в масштабах всей организации.

Как выбирать кейсы для реализации

Не стоит забывать о том, что кейсы делятся на вертикальные и горизонтальные.

Горизонтальные кейсы — это универсальные инструменты для повышения личной продуктивности сотрудников. Классический пример — корпоративные Copilot и ассистенты (аналоги ChatGPT), которые помогают писать тексты, обобщать документы и генерировать идеи. Они просты во внедрении, но измерить их вклад в успех компании крайне сложно.

Вертикальные кейсы — это внедрение GenAI в конкретную бизнес‑функцию для автоматизации и улучшения процессов. Например, улучшение чат‑бота в клиентском сервисе. Эффективность здесь легко измеряется через понятные метрики (время ответа, удовлетворенность клиентов), но такие решения трудно масштабировать на всю компанию.

Вертикальные и горизонтальные кейсы должны быть взаимосвязаны между собой, потому что дискоммуникация между ними не даст эффекта, который вы можете получить, когда это все превращается в единую экосистему. В этом контексте нельзя не отметить новое веяние мультиагентные системы, к внедрению которых компании только начинают подходить.

Такая система состоит из множества автономных «агентов» — интеллектуальных программ, каждая из которых имеет свою цель, знания и набор навыков. Эти агенты взаимодействуют, координируют свои действия и сотрудничают друг с другом для достижения общей цели. Важной характеристикой мультиагентных платформ является объединение автоматизации внешних коммуникаций и внутренний бизнес‑процессов в одной среде.

Как измерять результат?

Есть кейсы, эффект которых легко измерить в деньгах: например, сокращение штата операторов колл‑центра на 10% за счет внедрения чат‑бота. Но гораздо чаще AI берет на себя мелкие, рутинные задачи сотрудников: подготовку отчетов, поиск информации, написание стандартных писем. Экономия нескольких минут в день для одного сотрудника кажется незначительной и не попадает в финансовые отчеты. Однако, если умножить эту экономию на сотни сотрудников и рабочие дни в году, совокупный эффект становится колоссальным.

Настоящая ценность AI‑решения раскрывается только при его масштабировании на всю организацию. Прежде чем вкладывать ресурсы в расширение, стоит задать себе вопрос: готово ли решение и компания к масштабу? Это означает не только техническую возможность, но и готовность процессов и людей к изменениям. Решение, которое отлично работает в одной команде, может оказаться бесполезным в масштабах компании без должной подготовки. AI‑трансформация — это в первую очередь изменение привычек, подходов к работе и мышления сотрудников. Поэтому ключевая задача — вовлечь команду в процесс изменений. Отличными инструментами для этого служат внутренние хакатоны и кейс‑чемпионаты. Just AI регулярно проводит обучения по genAI C‑level и линейных сотрудников они позволяют найти новые, неочевидные идеи для применения ИИ от самих участников, повысить цифровую грамотность, а главное сформировать внутреннее сообщество энтузиастов, которые станут проводниками изменений.

4 признака, что AI‑трансформация состоялась

Существует четыре ключевых индикатора.

Стабильность инфраструктуры. Технологическая база, на которой работают AI‑сервисы, надежна, отказоустойчива и способна выдерживать растущие нагрузки. Сбои — это редкое исключение, а не правило.

Связь с P&L. Совокупный эффект от множества малых и больших улучшений наконец‑то становится видимым в финансовых показателях. Это может быть выражено в снижении операционных затрат, увеличении производительности труда или росте выручки за счет новых продуктов и услуг.

Люди. Сотрудники не просто приняли новые инструменты, но и активно используют их в повседневной работе, предлагают идеи по улучшению и видят в технологиях помощника, а не угрозу. Уровень адаптации и вовлеченности персонала — самый верный признак того, что компания изменилась изнутри.

2024 год показал, что простого пилотирования GenAI недостаточно для достижения ощутимых результатов. Чтобы вырваться из «парадокса GenAI» и увидеть реальный эффект в P&L, бизнесу необходимо перейти от разрозненных экспериментов к системному внедрению. Это требует четкой стратегии, фокусировки на конкретных бизнес‑задачах, создания масштабируемой инфраструктуры и, самое главное, вовлечения всех сотрудников в процесс трансформации.