Часть 1. Зачем руководителю разбираться в ИИ

Глава 1. Все уже что-то делают с ИИ, а у нас пока хаос

ИИ нередко появляется в компании через отдельные рабочие задачи. Маркетолог пробует подготовить объявление, менеджер — ответ клиенту, специалист по персоналу — вакансию, руководитель — вопросы к отчёту.

Сотрудники получают разный опыт: кому-то инструмент помогает, кто-то разочаровывается, а кто-то не рассказывает о своих пробах, потому что не понимает правил. Так в компании складывается практика, которую руководители могут видеть лишь частично.

Отдельные полезные результаты ещё не означают системного внедрения. Сначала нужно понять, какие задачи уже решаются, какие данные используются и что происходит с полученными материалами.

Как выглядит ИИ-хаос в компании

Под ИИ-хаосом мы понимаем ситуацию, когда сотрудники пользуются инструментами, но компания не видит общей картины. Руководителю неизвестно, кто и для каких задач обращается к ИИ, какие данные передаёт и кто проверяет результат. Удачные промпты остаются в личных чатах, а полезные эксперименты трудно отличить от бесполезных и связать с целями бизнеса.

У автодилера такая неопределённость затрагивает чувствительные материалы: от клиентских диалогов и условий сделок до финансовой отчётности, кадровых и юридических документов. Быстро подготовленный лендинг может соседствовать с передачей закрытых коммерческих условий во внешний сервис. Полезный разбор скрипта — с загрузкой клиентского разговора без необходимой подготовки данных. То же относится к сведениям о кандидатах и сотрудниках. Даже собственник, получив убедительную структуру стратегического обсуждения, рискует опереться на непроверенные выводы.

Польза и риск здесь возникают одновременно. Поэтому новые тексты, презентации и профессиональные слова ещё не свидетельствуют о том, что компания управляет применением ИИ.

Четыре реакции сотрудников на ИИ

Для обсуждения можно выделить четыре реакции: интерес к экспериментам, скепсис, демонстрацию активности без изменений в работе и непубличное использование инструмента. Это не постоянные типы людей: один сотрудник может проявлять разные реакции в разных задачах.

Энтузиасты помогают находить применения, но их предложения нужно связывать с бизнес-задачей. Скептические замечания полезно разбирать по существу: иногда за ними стоят проверенные ошибки, ограничения данных или неудобство процесса. Не следует заранее объяснять возражения страхом нового.

Когда команда показывает много материалов, но не может назвать изменения в работе, стоит проверить эффект, а не предполагать намерение создать видимость внедрения. С непубличными пользователями важно прояснить правила и собрать полезный опыт без обвинительного тона.

Руководителю нужна общая картина: кто что делает, какую пользу получает и где необходимы ограничения или помощь.

Почему одного запрета недостаточно

Первая реакция некоторых руководителей — запретить использование ИИ до отдельного решения или разрешить работу только через IT.

Запрет может быть необходим для определённых данных или действий. Однако сам по себе он не объясняет сотруднику, какие задачи разрешены и чем заменить рискованный способ работы.

Во-первых, доступ к сервисам и технические ограничения различаются. Поэтому вместе с правилами использования нужно определить разрешённый рабочий инструмент и контролировать доступ к корпоративным данным.

Во-вторых, запрет не снимает потребность. Если человеку нужно быстрее написать письмо, подготовить текст, разобраться в таблице или сформулировать ответ клиенту, он всё равно будет искать способ упростить работу.

В-третьих, запрет без понятного объяснения и рабочей альтернативы может побуждать сотрудников скрывать использование ИИ. Это риск, который стоит учитывать при внедрении правил.

При скрытом использовании труднее контролировать качество и данные, обучать сотрудников и обмениваться опытом. Поэтому ограничения нужно дополнить понятным порядком работы: разрешёнными задачами, инструментами и способом проверки. Так руководство сможет опираться на сведения о реальном применении ИИ, а не на отсутствие официально объявленного проекта.

Почему лозунг «всем срочно пользоваться ChatGPT» тоже не работает

Противоположная ошибка — не запрет, а бездумный энтузиазм.

Собственник или директор вдохновился, пришёл на совещание и сказал:

«Коллеги, теперь все используем ИИ. Надо быть современными. Пусть каждый подумает, как применить в своей работе».

После такого призыва сотрудники, скорее всего, начнут с привычных задач: маркетолог подготовит текст, продавец — скрипт, специалист по персоналу — вакансию. Другие попробуют сделать презентацию или изображение. Сами по себе эти пробы могут быть полезны. Трудность в том, что из них ещё не складывается план работы.

До запуска нужно договориться, какую проблему компания хочет решить и какое изменение будет считать результатом. Где теряется время, что не устраивает клиентов, какие данные понадобятся и допустимо ли использовать их в выбранном инструменте? Ответы помогут выбрать первые задачи и оценить их пользу.

Без такой договорённости первоначальный энтузиазм легко сменяется разочарованием: материалы появляются, но никто не понимает, что они изменили в работе.

Зачем компании общий язык

Сотрудники могут обсуждать ИИ, имея в виду совершенно разные вещи. Для одного это помощь в подготовке текста, для другого — аналитика, для третьего — автоматическое общение с клиентом. При этом названия «нейросеть», «бот» и «агент» нередко употребляются как взаимозаменяемые. Пока участники разговора не уточнят задачу, они рискуют договориться лишь на словах.

Общий язык помогает сформулировать задачи, выбрать инструменты и договориться о проверке результатов. При этом базовые ограничения по данным устанавливают до начала работы, а затем уточняют под конкретные сценарии.

Договорённости должны охватывать ожидаемый результат, разрешённые данные и инструменты, способ проверки и ответственность за решение. Затем можно определить, где хранить полезные практики и как обучать сотрудников. Для первого шага достаточно инвентаризации текущей работы и нескольких понятных правил.

Автодилерский пример: маркетинг уже использует ИИ, но бизнес этого не чувствует

Представим дилерский центр.

Директор по маркетингу активно использует ИИ. Он генерирует идеи рекламных кампаний, пишет тексты объявлений, делает варианты баннерных сообщений, готовит контент-план, просит нейросеть сформулировать преимущества моделей.

Однако качество обращений и конверсия остаются прежними. Продавцы продолжают жаловаться на лиды, предложения похожи на конкурентные, а посадочные страницы не учитывают разные намерения клиентов. CRM и повторная работа с базой тоже не меняются. Отдел быстрее производит материалы, но по-прежнему отчитывается главным образом активностями.

В этом учебном примере ИИ помогает писать тексты, однако не используется для разбора самого предложения и клиентского пути. Разницу видно в постановке задачи. Можно попросить:

«Напиши объявление для Geely Monjaro».

А можно поставить задачу иначе:

«Проанализируй, какие разные намерения могут быть у клиентов, интересующихся Geely Monjaro в регионе. Раздели их на сегменты: рациональная покупка для семьи, статусный автомобиль, замена прежнего автомобиля, сравнение с конкурентами, покупка в кредит, корпоративный интерес. Для каждого сегмента предложи отдельный оффер, ключевые возражения, аргументы, структуру первого экрана посадочной страницы и вопросы, которые должен задать продавец при первом контакте».

Во втором запросе подготовка объявления связана с намерениями клиента, предложением и работой продавца. Это позволяет проверить не только формулировку текста, но и согласованность дальнейшей коммуникации.

Автодилерский пример: РОП просит скрипт, но не меняет процесс

Другой пример.

Руководитель отдела продаж решил использовать ИИ. Он просит:

«Напиши скрипт для звонка клиенту, который оставил заявку на автомобиль».

ИИ пишет приличный скрипт. Вежливый, структурированный, с уточняющими вопросами. РОП отправляет его продавцам. Все кивают. Через неделю ничего особенно не меняется.

Скрипт мог не затронуть причину потерь. Менеджеры могут поздно звонить, неверно фиксировать статусы в CRM или затрудняться с квалификацией клиента. Возможно, реклама и ответ продавца формируют разные ожидания, клиент уже получил цену конкурента или вместо встречи ему предлагают бесконечную переписку. Есть и вопросы к управлению: разбирает ли РОП звонки, даёт ли обратную связь и поддерживает ли мотивация нужное поведение. Наконец, сами лиды тоже могут требовать проверки.

Поэтому сначала нужно определить участок воронки, на котором появились потери, и проверить гипотезы по данным, разговорам с продавцами и записям звонков. По итогам разбора станет понятнее, что изменить в процессе, какой скрипт подготовить и как контролировать результат.

Автодилерский пример: сервис хочет писать клиентам, но не видит базу как актив

Третий пример — сервис.

У дилера есть большая клиентская база. Клиенты покупали автомобили, приезжали на ТО, обращались по гарантии, покупали запчасти, интересовались сервисом, но давно не появлялись.

Руководитель сервиса говорит:

«Давайте с помощью ИИ напишем сообщение клиентам, чтобы они приехали на обслуживание».

Но у клиентов разные отношения с сервисом. У одних закончилась гарантия или автомобиль старше трёх лет; другие давно не приезжали либо обращались только по гарантии. Покупатели запчастей, клиенты с жалобами и те, кто обслуживается у конкурентов, тоже требуют разных поводов для разговора. Отдельно стоит рассмотреть покупателей, которые не стали сервисными клиентами, корпоративных заказчиков и владельцев больших парков, а также тех, кому может быть интересна замена автомобиля.

Для выбранного сегмента нужно определить предложение, канал и порядок повторного контакта. С такой задачей можно обратиться к ИИ:

«Помоги разделить клиентскую базу сервиса на сегменты по вероятным поводам обращения. Для каждого сегмента предложи бизнес-цель, оффер, сообщение, канал коммуникации, риск раздражения клиента и метрику успеха».

Результатом станет основа для проверки сегментов и подготовки разных коммуникаций.

Почему собственник должен разобраться сам

Собственник или генеральный директор вправе поручить техническую работу IT-директору, цифровому специалисту или подрядчику. Но цели применения ИИ, приоритеты и допустимые риски должны оставаться предметом управленческого решения.

Для этого не обязательно лучше всех разбираться в инструментах. Важно понимать, какие данные нужно защищать, какой результат считать полезным, кто его проверит и как он связан с задачами бизнеса. Иначе направление работы будут определять возможности подрядчика или интерес к новому сервису.

У подразделений есть собственные задачи: IT отвечает за инфраструктуру и безопасность, маркетинг — за кампании, продажи — за работу с клиентами, HR — за обучение, финансы — за риски и контроль. Руководству предстоит согласовать эти задачи и выбрать, что компания будет улучшать с помощью ИИ в первую очередь.

От личных экспериментов к системе

Первые пробы помогают найти полезные способы работы. Чтобы использовать этот опыт шире, проведите инвентаризацию: выясните, кто уже обращается к ИИ, какие задачи решает и что получает. Сопоставьте результаты с используемыми инструментами и данными, отметьте пользу и риски. Это даст основание выбрать первые общие сценарии и необходимые правила. Эта инвентаризация не должна быть карательной.

Если начать с тона «кто что нарушил?», сотрудники спрячутся. Нужно начать иначе:

«Коллеги, ИИ уже становится рабочим инструментом. Мы хотим понять, кто как его использует, какие есть полезные практики, где есть риски и что можно внедрить системно. Наша задача — не наказать, а научиться использовать это безопасно и с пользой для бизнеса».

Такой разговор помогает собрать сведения о реальной работе и обсудить ограничения, не подменяя обучение поиском виноватых.

Что считать полезным применением ИИ

Оценивать нужно работу, которую удалось выполнить, а не только полученный текст. Черновик, созданный за минуту, может потребовать двух часов исправлений. Поэтому при оценке экономии времени следует учитывать и подготовку, и проверку результата.

Другая возможная польза — качество разбора. ИИ может предложить альтернативные гипотезы, обратить внимание на риск или помочь сформулировать вопросы к данным. После совещания это должно выражаться в понятном документе: что установлено, что ещё проверяется, какое решение принято, кому поручена работа и как её результат будет оцениваться.

В клиентских задачах важно проверить, стал ли ответ быстрее и понятнее, предложение — точнее, а сопровождение — полезнее. Не каждый сценарий сразу даст выручку, но связь с бизнесом должна быть объяснима: через конверсию, загрузку сервиса, повторные продажи, снижение ошибок или время руководителя. Если такой связи пока нет, результат стоит считать экспериментом, а не доказанным улучшением бизнеса.

Что считать опасным применением ИИ

Опасность — не только в утечке данных.

Есть несколько типов рисков.

1. Риск данных

Сотрудники загружают в ИИ клиентские базы, персональные данные, коммерческие условия, финансовые документы, внутренние договоры и переписки без правил и обезличивания.

2. Риск выдумок

ИИ может уверенно формулировать неверную информацию. Если руководитель не проверяет ответ, ошибка может попасть в коммерческое предложение, презентацию, управленческий документ или решение.

3. Риск красивой воды

ИИ часто умеет писать убедительно. Это создаёт ощущение качества. Но красивый текст может не содержать рабочей логики.

4. Риск снятия ответственности

Фраза «так сказал ИИ» не является аргументом. Ответственность остаётся на человеке.

5. Риск имитации внедрения

Компания начинает гордиться тем, что «использует нейросети», но реальные процессы не меняются.

6. Риск демотивации сотрудников

Если внедрение подаётся как «мы заменим людей», сотрудники начинают сопротивляться, скрывать информацию или саботировать инициативу.

7. Риск зависимости от одного энтузиаста

Если всё держится на одном продвинутом сотруднике, компания не строит систему. Ушёл сотрудник — ушла экспертиза.

Задача руководителя — не бояться этих рисков, а управлять ими.

Первый управленческий шаг: карта текущего ИИ-использования

Прежде чем внедрять новое, нужно понять, что уже происходит.

Сначала определите задачи пилота и разрешённые условия работы. Не расширяйте закупку лицензий и не заказывайте сложную автоматизацию, пока не понятны потребность, ограничения и способ оценки результата.

Сначала составьте карту.

Карта текущего использования ИИ — это простой документ, который показывает, где компания уже соприкоснулась с ИИ.

В ней должны быть такие поля:

1. Подразделение.
2. Сотрудник или роль.
3. Инструмент.
4. Задача.
5. Какие данные используются.
6. Какой результат получается.
7. Польза.
8. Риски.
9. Можно ли масштабировать.
10. Что нужно для безопасного применения. Например:

Таблицу можно прокручивать по горизонтали.

Такой документ сразу переводит разговор из режима «ИИ — это интересно» в режим «что у нас реально происходит».

Открыть крупно ↗

Второй шаг: выбрать первые управляемые сценарии

После инвентаризации важно не пытаться внедрить всё сразу.

Выберите 3–5 первых сценариев, где есть сочетание трёх факторов:

1. Задача регулярно повторяется.
2. В ней есть понятная боль.
3. ИИ может дать быстрый полезный результат. Для автодилера первыми сценариями часто могут быть:

• подготовка управленческих совещаний;
• разбор падения конверсии;
• создание промптов для РОПа;
• анализ клиентских сегментов для сервиса;
• подготовка офферов и структуры посадочных страниц;
• обработка типовых возражений клиентов;
• регламенты обработки лидов;
• план адаптации новых продавцов;
• исследование конкурентов в регионе;
• подготовка карточек решений после встреч. Важно: первые сценарии должны быть достаточно простыми, чтобы быстро дать результат, но достаточно важными, чтобы бизнес почувствовал пользу.

Если начать со слишком сложной автоматизации, компания может увязнуть. Если начать со слишком мелких задач, собственник не увидит смысла.

Третий шаг: договориться о правилах

Даже простые правила лучше, чем полное отсутствие правил.

На первом этапе достаточно ответить на несколько вопросов:

• какие инструменты мы разрешаем использовать;
• какие данные нельзя загружать;
• какие данные можно использовать после обезличивания;
• кто проверяет результат;
• где сохраняем полезные промпты;
• какие задачи считаем приоритетными;
• кто отвечает за развитие практики;
• как делимся удачными примерами. Не нужно сразу писать сложную политику на 40 страниц.

Начните с одной страницы.

Например:

Можно:

• использовать ИИ для черновиков текстов, структур, идей, вопросов, планов, инструкций;

• использовать подготовленные данные, допустимость которых проверена для выбранного инструмента;

• просить ИИ помочь с анализом проблем и гипотез;

• сохранять удачные промпты в общей библиотеке. Нельзя:

• загружать персональные данные клиентов без обезличивания;

• загружать коммерчески чувствительные документы без разрешения;

• отправлять клиенту ответ ИИ без проверки человеком;

• принимать управленческое решение только на основании ответа ИИ;

• выдавать сгенерированный текст за проверенный факт. Обязательно:

• проверять факты;

• указывать контекст;

• фиксировать полезные практики;

• обсуждать риски;

• помнить, что ответственность несёт человек. Такая памятка уже снижает хаос.

Четвёртый шаг: создать библиотеку промптов

Библиотека промптов сохраняет удачные постановки задач, чтобы сотрудники могли повторно использовать и улучшать их. Для навигации можно выделить разделы по подразделениям, а внутри них — задачи: подготовку совещаний, анализ проблем, проверку решений. Так роли пользователей не смешиваются в одном перечне с видами работы. У каждого промпта должны быть:

• название;
• для кого;
• какую задачу решает;
• когда использовать;
• текст промпта;
• какие данные подставить;
• какой результат ожидать;
• как проверить качество. Так ИИ постепенно перестаёт быть личным экспериментом и становится частью операционной памяти компании.

Пятый шаг: назначить ответственного, но не создавать «царя ИИ»

Ответственный за развитие практики координирует сбор сценариев и библиотеку промптов, помогает организовать обучение и обмен опытом. Вместе с руководителями он согласует правила безопасности, сопровождает первые пилоты и сообщает об их результатах.

Эта роль не снимает ответственности с подразделений. Руководители продаж, маркетинга, сервиса, HR и финансов по-прежнему отвечают за применение результатов в своей работе.

Перед началом практикума

Отсутствие официального ИИ-проекта не доказывает, что сотрудники не пользуются инструментами. Начните с фактов о текущей работе, а затем выберите 3–5 задач, для которых понятны польза, ограничения и способ проверки.

Не поручайте одному энтузиасту отвечать за всё внедрение и не переходите к сложной автоматизации только потому, что получились хорошие тексты. Сначала договоритесь о данных, ответственности и критериях результата. Практикум ниже поможет зафиксировать эти договорённости.

Практикум главы

Составьте карту текущего использования ИИ в вашей компании.

Если вы собственник или генеральный директор, не делайте это как проверку с угрозой наказания. Сформулируйте задачу спокойно:

«Мы хотим понять, как уже используем ИИ, какие практики полезны, где есть риски и что можно развивать системно».

Шаг 1. Определите подразделения

Запишите ключевые функции:

• продажи;
• маркетинг;
• сервис;
• запчасти;
• клиентская база / CRM;
• HR;
• финансы;
• операционное управление;
• руководство;
• IT;
• юридический блок, если есть.

Шаг 2. Соберите факты

По каждому подразделению задайте вопросы:

• кто уже использует ИИ;
• какой инструмент;
• для каких задач;
• как часто;
• какие данные загружает;
• какой результат получает;
• что получилось хорошо;
• что получилось плохо;
• где есть риск;
• что хотелось бы попробовать.

Шаг 3. Разделите сценарии на три группы

Полезно и безопасно

То, что уже можно развивать.

Полезно, но рискованно

То, что требует правил, обезличивания или проверки.

Шум и игрушки

То, что может быть интересным, но пока не связано с бизнес-результатом.

Шаг 4. Выберите первые 3–5 сценариев

Например:

• подготовка совещаний;
• анализ участка воронки;
• промпты для обработки возражений;
• сегментация клиентской базы;
• подготовка регламента обработки лидов.

Шаг 5. Назначьте ответственных

По каждому сценарию определите:

• владелец процесса;
• кто готовит промпты;
• кто проверяет результат;
• какой артефакт должен получиться;
• как поймём, что есть польза.

Промпт для карты текущего использования ИИ

Помоги упорядочить инвентаризацию ИИ в компании. Ниже — ответы подразделений без персональных данных, секретов и закрытых документов: [ответы]. Составь таблицу: подразделение, задача, инструмент, тип данных, результат, заявленная польза, риск, что уточнить, следующий шаг. Отделяй подтверждённое от мнений сотрудников. Не придумывай применение, которого нет в ответах, и не оценивай мотивы людей. Предложи до трёх вопросов, которые помогут закрыть самые важные пробелы.

Артефакт главы

Карта текущего использования ИИ в компании

Заполните таблицу.

Таблицу можно прокручивать по горизонтали.

Итог главы

Карта текущего использования ИИ покажет, на какие практики можно опереться и где нужны ограничения. Это отправная точка для совместной работы: теперь руководство обсуждает конкретные задачи и результаты, а не только интерес к технологии.

В следующей главе разберём, почему базовые вопросы об ИИ бывает неловко задавать и как снять этот барьер.