Глава 3. ИИ — это не игрушка, а новый слой управленческой грамотности

Знакомство с ИИ может начаться с поста, слогана, картинки или поздравления. Такие пробы помогают освоиться, но сами по себе ещё не объясняют, как использовать инструмент в управлении.

Разочарование возникает, когда материалы уже появляются, а привычная работа остаётся прежней: совещания затягиваются, поручения неясны, причины потерь клиентов неизвестны. Чтобы увидеть другую пользу, стоит рассмотреть не отдельный ответ ИИ, а весь путь от обнаруженной проблемы до проверки выполненного решения.

Что значит «управленческая грамотность»

Управленческая грамотность — это способность руководителя разобраться в ситуации, сформулировать проблему, принять решение, организовать исполнение и проверить результат. Для этого нужно отличать существенные обстоятельства от второстепенных и проверять предполагаемые причины.

У дилера такая работа начинается с конкретных вопросов. На каком участке снизилась конверсия? Почему недогружен сервис: не хватает спроса или мешает запись? Действительно ли сделки теряются из-за цены? Что даст дополнительный рекламный бюджет? Даже жалоба «людей не хватает» требует проверки: дело может быть в численности, а может — в процессе, компетенциях или приоритетах.

Хорошая постановка задачи ИИ требует той же ясности: цели, контекста, ограничений и критериев результата. Она помогает заметить, где руководитель пока принимает предположение за причину или не определил, как проверит поручение.

От чего зависит полезность ответа

Ясная задача, достаточные данные и критерии проверки повышают шансы получить применимый результат. Но даже подробный запрос не гарантирует точности: инструмент может неверно понять материал, пропустить часть вводных или сделать неподтверждённый вывод.

Поэтому полезно проверять не только постановку задачи, но и сам ответ. Сравните его с источниками, оцените ограничения и выясните, можно ли использовать результат в вашем процессе. Если в исходной ситуации нет ясности, начните с вопросов и гипотез, а не с готового решения.

Пример: один и тот же ИИ, два разных руководителя

Представим двух руководителей отделов продаж.

Оба столкнулись с одной проблемой: снизилась конверсия из входящего обращения во встречу.

Первый руководитель открывает ИИ и пишет:

«Что делать, если упала конверсия в продажах автомобилей?»

ИИ отвечает:

• проанализируйте воронку;
• улучшите скрипты;
• обучите менеджеров;
• проверьте качество лидов;
• внедрите мотивацию;
• улучшите CRM-дисциплину;
• протестируйте новые офферы. Ответ вроде бы правильный.

Но он общий.

Такой список можно было бы дать любому дилеру, в любом городе, с любым брендом, при любой ситуации. В нём нет управленческой конкретики.

Первый руководитель читает и говорит:

«Ну, понятно. Вода».

Второй руководитель формулирует иначе:

«Ты — опытный коммерческий директор автодилера. Помоги разобрать проблему: за последние 6 недель у нас снизилась конверсия из входящего обращения во встречу с 32% до 21%. Основные источники лидов: сайт, классифайды, контекстная реклама, звонки с карт. Больше всего просела конверсия по новым автомобилям китайских брендов. Маркетинг считает, что лиды нормальные. РОП говорит, что клиенты стали чаще спрашивать только цену и не готовы приезжать. Нужно: 1) составить дерево возможных причин; 2) разделить причины на маркетинговые, продажные, продуктовые, ценовые и процессные; 3) указать, какие данные нужно проверить; 4) подготовить вопросы для маркетинга и РОПа; 5) предложить 5 быстрых действий на ближайшую неделю; 6) отдельно указать риски неверной диагностики».

Во втором запросе указаны период, показатели и участок воронки, описаны позиции участников и задан результат разбора. Это даёт основания для предметного ответа, хотя его качество всё равно нужно проверить. Разница заключается в постановке задачи, а не в «секретной» формуле запроса.

ИИ как зеркало управленческого мышления

Ответ ИИ может подсказать, что неясно в самой постановке задачи. Проверьте, описали ли вы цель и контекст, дали ли необходимые данные, ограничения и критерии качества. Понятно ли, в каком виде нужен результат и для какого следующего действия? Если нет, сначала уточните вводные или попросите модель задать вопросы.

Руководитель начинает видеть, что проблема не только в инструменте. Он сам часто ставит задачи сотрудникам примерно так же:

«Подумайте, как увеличить продажи».

«Сделайте нормальную рекламу».

«Разберитесь с сервисом».

«Подготовьте предложения».

«Улучшите работу с клиентами».

«Давайте активнее работать с базой».

Сотруднику тоже трудно выполнить такое поручение без уточнений. Если он не решается переспросить, ему приходится угадывать ожидания руководителя. Работа с ИИ может помочь заметить эту привычку и перенести в поручения людям более ясные цель, контекст и критерии результата.

ИИ не заменяет ответственность

Одна из опасных иллюзий звучит так:

«ИИ подсказал, значит, можно опереться».

Подготовить вариант решения и отвечать за его последствия — разные задачи. Неверное обещание клиенту, выдуманный факт в презентации, рискованный текст или ошибка в финансовом выводе затронут компанию и людей, использующих результат.

ИИ может помочь разобрать материал, предложить альтернативы, найти слабые места и оформить документ. Но фраза «так сказал ИИ» не заменяет проверки. Руководителю нужны исходные факты, понятная логика и оценка того, применим ли вывод в его ситуации.

ИИ как усилитель скорости

ИИ может сократить время на отдельные операции: подготовку структуры документа, вопросов к совещанию, вариантов действий или черновика письма. Он также помогает обобщить материал, составить план исследования, оформить регламент, чек-лист и поручения. Экономию нужно проверять на самой задаче с учётом доработки ответа.

Для дилера такая помощь важна там, где условия предложения и решения клиентов меняются быстрее, чем готовятся материалы. Но ускоренный текст ещё не означает ускоренного решения. Нужно пройти весь цикл: заметить изменение, собрать факты, проверить причины, выбрать действие, поручить его выполнение и оценить результат. Подробно этот цикл разобран ниже.

ИИ как усилитель качества решений

При подготовке решения полезно рассмотреть альтернативы и проверить, какие данные или последствия могли остаться вне обсуждения. Как отреагируют клиенты и сотрудники? Что произойдёт, если исходная гипотеза неверна? Как решение повлияет на работу через месяц или полгода? ИИ можно использовать, чтобы расширить круг таких вопросов.

Например, вы подготовили решение: запустить кампанию по реактивации старой клиентской базы сервиса.

Можно попросить ИИ:

«Проверь это решение с позиции клиента, руководителя сервиса, маркетолога, юриста, финансового директора и скептического собственника. Укажи, какие риски мы не видим, какие данные нужно проверить и как изменить план, чтобы он был безопаснее и полезнее».

Это не заменяет экспертов. Но помогает расширить поле внимания.

ИИ может быть полезным оппонентом.

Он может спросить:

• не раздражаете ли вы клиентов слишком частыми сообщениями;
• есть ли у сервиса мощность принять дополнительный поток;
• совпадает ли предложение с реальной потребностью сегмента;
• не нарушаются ли правила обработки данных;
• кто обработает ответы клиентов;
• как будет измеряться результат;
• что делать с негативной реакцией;
• как отличить успешный сегмент от неуспешного. Такой режим использования ИИ сильно отличается от «напиши SMS клиенту».

Здесь ИИ участвует в подготовке управленческого решения.

ИИ как усилитель формулировок

Неясная формулировка затрудняет исполнение даже разумного решения. Сотрудник угадывает, что от него ждут; клиент не понимает предложение или следующий шаг; регламент не помогает действовать и остаётся непрочитанным.

Поэтому при работе с текстом нужно проверять, какую задачу он выполняет. Для сообщения клиенту важны понятный повод и следующий шаг. Для поручения — действие и способ проверки. Для инструкции — порядок выполнения. Эти требования можно прямо включить в запрос:

«Перепиши это сообщение клиенту так, чтобы оно было коротким, человеческим, без давления, с ясным поводом обращения, одной конкретной выгодой и простым следующим шагом. Сохрани деловой тон автодилера. Не используй рекламные штампы».

Или:

«Сформулируй поручение для руководителя отдела продаж так, чтобы в нём были действие, срок, ответственный, критерий результата и способ проверки».

Или:

«Упрости этот регламент для менеджера по продажам. Убери канцелярит. Раздели на шаги. Добавь чек-лист самопроверки».

Так ИИ помогает улучшать не только тексты, но и управляемость.

ИИ как усилитель памяти компании

Опыт сотрудников не всегда зафиксирован. Продавец умеет отвечать на сложное возражение, мастер знает особенности обращений, маркетолог помнит удачные предложения. Но если это остаётся в личных заметках и разговорах, коллегам приходится заново искать решение. Так же теряются уроки прошлых инициатив и наблюдения РОПа об ошибках менеджеров.

ИИ может помочь оформить этот материал: собрать типовые возражения и причины отказов, превратить записи встреч в протоколы, а опыт руководителя — в чек-лист или инструкцию. Проверенные примеры, промпты и ответы на частые вопросы можно сохранять для повторного использования. Именно такое доступное команде знание мы называем операционной памятью компании.

Подготовка к работе с клиентом

Клиентский опыт складывается из конкретных эпизодов: первого ответа на заявку, разговора о цене, сравнения автомобилей, предложения сервисного обслуживания и общения после покупки. В каждом из них важно понять намерение клиента и согласовать следующий шаг.

ИИ можно использовать до разговора и после него. Он помогает подготовить варианты ответа и follow-up, разобрать потерянную сделку, предложить гипотезы сегментов и поводов для контакта. По этим материалам сотрудник уточняет предложение, выбирает канал и оценивает риск раздражения клиента. Такое применение не требует сразу заменять живое общение автоматическим.

ИИ как управленческий тренажёр

Руководитель может использовать ИИ для подготовки к сложному разговору: обсудить изменение правил с командой, проверить аргументы перед встречей с собственником, разобрать конфликт подразделений или подготовиться к переговорам с дистрибьютором.

Попросите модель сыграть роль собеседника — например, скептического финансового директора, требовательного клиента или продавца, который возражает против нового регламента. Повторяя разговор с разных позиций, можно уточнить формулировки и заметить слабые места решения до реальной встречи.

Чем ИИ отличается от обычного инструмента

ИИ можно использовать для разных видов интеллектуальной работы — от редактирования до анализа и подготовки документов. Но название роли в запросе не определяет качество результата. Для каждой задачи нужно проверить, достаточно ли данных, подходит ли инструмент и можно ли оценить полученный ответ.

Такая проверка помогает выбрать конкретное применение вместо ожидания универсального помощника для всего бизнеса.

Почему нельзя начинать с «давайте автоматизируем всё»

После первых удачных проб может захотеться сразу связать ИИ с CRM, поручить ему ответы клиентам, анализ звонков и подготовку отчётов. Однако автоматизация переносит в новую систему и недостатки процесса: слабый скрипт, неподготовленные данные, отсутствие сегментации и неясную ответственность.

Сначала разберите задачу вручную с помощью ИИ, опишите повторяемые шаги и критерии качества. Проверьте пользу и договоритесь, как должен выполняться сценарий. Затем можно обсуждать автоматизацию.

Например, до создания помощника продавца можно разобрать 20 диалогов, выделить ошибки, подготовить подсказки и проверить их с РОПом и менеджерами. Такая проба даст материал для описания будущего решения.

ИИ и управленческий цикл

Чтобы перестать видеть в ИИ игрушку, полезно привязать его к управленческому циклу.

Любая управленческая работа проходит через несколько этапов.

1. Увидеть симптом

Например:

• упала конверсия;
• выросла стоимость лида;
• снизилась загрузка сервиса;
• увеличился срок обработки обращения;
• клиенты чаще отказываются после цены;
• сотрудники не выполняют регламент;
• повторные продажи не растут. ИИ может помочь описать симптом точнее и задать вопросы к фактам.

2. Разобрать причины

Симптом почти никогда не равен причине.

ИИ может помочь построить дерево возможных причин и разделить их по зонам ответственности.

Например, падение продаж может быть связано с маркетингом, продуктом, ценой, конкурентами, работой продавцов, складом, кредитными условиями, сезонностью, качеством лидов или управленческим контролем.

3. Сформулировать гипотезы

ИИ может помочь не остановиться на первой версии.

Он может предложить несколько объяснений, указать, какие данные нужны для проверки, и предупредить о риске ложной диагностики.

4. Подготовить варианты действий

Предложенные действия нужно сравнить по срокам, затратам и риску. Отдельно определите, какие из них проверяют гипотезу и какие подразделения должны участвовать.

5. Проверить решение

ИИ может сыграть роль критика:

• что мы упускаем;
• где слабое место;
• как отреагируют сотрудники;
• что может пойти не так;
• какие данные нужны;
• какой риск для клиента;
• какой финансовый риск.

6. Оформить поручения

ИИ может помочь перевести решение в понятный план:

• действие;
• ответственный;
• срок;
• результат;
• метрика;
• способ контроля.

7. Подготовить коммуникацию

ИИ может помочь объяснить решение команде, клиентам, партнёрам или собственникам.

8. Проверить результат

ИИ может помочь проанализировать итоги, сформулировать выводы и подготовить следующий цикл.

Так ИИ становится не отдельной игрушкой, а помощником на каждом этапе управленческого цикла.

Открыть крупно ↗

Автодилерский кейс: «У нас плохие лиды»

Вернёмся к спору о качестве лидов из первой главы. Продажи ссылаются на слабые обращения, маркетинг — на количество заявок. Чтобы сравнить эти позиции, нужен общий порядок проверки, а не решение ИИ о том, кто прав. Запрос можно сформулировать так:

«Помоги разобрать конфликт между маркетингом и продажами в автодилере. Продажи утверждают, что лиды плохие. Маркетинг утверждает, что лиды целевые. Нужно составить структуру диагностики: какие метрики сравнить, какие этапы воронки проверить, какие вопросы задать продажам, какие вопросы задать маркетингу, какие данные выгрузить из CRM, какие типовые ошибки могут быть с обеих сторон и как прийти к управленческому выводу без взаимных обвинений».

Такой запрос не решает проблему автоматически.

Но он переводит разговор из эмоционального спора в управленческую диагностику.

В результате можно проверить:

• источники лидов;
• скорость первого контакта;
• долю недозвонов;
• качество квалификации;
• соответствие оффера ожиданиям клиента;
• долю обращений «только цена»;
• долю назначенных встреч;
• причины отказов;
• записи звонков;
• сообщения в чатах;
• работу с повторным контактом;
• статусы в CRM. Эти сведения помогут обсуждать конкретный участок процесса вместо общей оценки «плохие лиды» или «плохие продавцы».

Автодилерский кейс: «Нужно оживить базу»

Ещё одна типичная фраза:

«Нужно оживить клиентскую базу».

За этой фразой могут стоять разные задачи: вернуть клиента в сервис, предложить выкуп, пригласить на тест-драйв или выяснить интерес к замене автомобиля. Сначала нужно выбрать цель и подходящую группу клиентов. ИИ может помочь подготовить такой разбор:

«Ты — консультант по клиентской базе автодилера. Помоги разложить задачу “оживить клиентскую базу” на управляемые сегменты. Укажи возможные сегменты, бизнес-цель для каждого, повод обращения, пример предложения, канал коммуникации, риск раздражения клиента, метрику успеха и какие данные нужны для отбора сегмента».

На выходе компания может получить не одно массовое сообщение, а карту работы с клиентским активом:

• клиенты после гарантии;
• клиенты, давно не приезжавшие на сервис;
• клиенты с автомобилями старше трёх лет;
• клиенты, которые интересовались покупкой, но не купили;
• клиенты, покупавшие запчасти;
• корпоративные клиенты;
• владельцы конкретных моделей;
• клиенты, которым потенциально интересен trade-in;
• клиенты с негативным опытом, которых нужно аккуратно вернуть. Так ИИ помогает руководителю перейти от лозунга к структуре.

Автодилерский кейс: «Нужно обучить продавцов»

Фраза «нужно обучить продавцов» ещё не определяет тему обучения. Возможно, менеджерам не хватает знаний о продукте, кредите или trade-in. А возможно, трудность возникает при выявлении потребности, обсуждении цены, назначении встречи или повторном контакте в мессенджере.

Прежде чем заказывать тренинг, нужно понять, связано ли поведение с навыками, контролем или устройством процесса. Начать можно с такого запроса:

«Помоги определить, чему именно нужно обучать продавцов автодилера, если проблема выглядит так: много входящих лидов, но мало назначенных встреч. Составь список возможных дефицитов компетенций, поведенческих ошибок и процессных проблем. Раздели их на то, что лечится обучением, то, что лечится контролем, то, что лечится изменением процесса, и то, что требует управленческого решения».

По итогам разбора станет понятнее, чему учить менеджеров, а что требует изменения мотивации, контроля, работы с CRM или самого предложения. Тренинг нужен для конкретного дефицита навыка; другие причины потерь придётся устранять иначе.

Как оценить готовность к регулярной работе

У повторяемого применения есть понятная задача, пользователь и ответственный руководитель. Команда знает правила работы с данными и критерии проверки, сохраняет удачные промпты и использует результат в своём процессе. Пользу оценивают по изменениям в работе — времени, качеству, ошибкам или клиентской коммуникации.

Руководителю важно уметь описать контекст и ожидаемый результат, проверить ответ и решить, что делать с ним дальше. Эти навыки не заменяются покупкой инструмента. Их можно развивать на одной задаче и затем передавать команде.

В практикуме ниже выберите такую задачу и свяжите её с этапами управленческого цикла. Не переходите сразу к агенту: сначала определите, где нужна помощь, на каких данных она основана и кто проверит результат.

Практикум главы

Выберите одну реальную управленческую проблему в вашей компании и опишите, как обычно она решается без ИИ.

Не пытайтесь сразу её исправить. Сначала увидьте текущий управленческий цикл.

Шаг 1. Опишите симптом

Например:

• упала конверсия;
• мало встреч;
• сервис недогружен;
• клиенты не возвращаются;
• продавцы плохо работают с базой;
• маркетинг и продажи спорят о качестве лидов;
• отчёты готовятся долго;
• совещания заканчиваются без решений;
• поручения не выполняются.

Шаг 2. Опишите, как сейчас проходит разбор

Ответьте:

• кто участвует;
• какие данные смотрите;
• какие мнения звучат;
• где начинается спор;
• какие решения обычно принимаются;
• что остаётся непонятным;
• что повторяется из раза в раз.

Шаг 3. Найдите этапы, где ИИ мог бы помочь

Отметьте, где ИИ может усилить процесс:

• сформулировать проблему;
• построить дерево причин;
• подготовить вопросы к данным;
• собрать гипотезы;
• предложить варианты действий;
• проверить риски;
• оформить поручения;
• подготовить коммуникацию;
• создать чек-лист контроля.

Шаг 4. Сформулируйте первый управленческий запрос к ИИ

Используйте структуру:

Ты — [роль]. Помоги разобрать [проблема]. Контекст: [описание ситуации]. Нужно получить: [формат результата]. Учитывай ограничения: [ограничения]. Отдельно укажи: [риски, вопросы, данные, следующие шаги].

Шаг 5. Определите артефакт

Что должно получиться после работы с ИИ?

• карточка решения;
• список гипотез;
• вопросы к команде;
• план действий;
• промпт для повторного использования;
• чек-лист;
• регламент;
• сценарий коммуникации.

Артефакт главы

Карта управленческой задачи для применения ИИ

Заполните таблицу.

Таблицу можно прокручивать по горизонтали.

Дополнительная формулировка:

«Я рассматриваю ИИ не как игрушку и не как замену руководителя, а как инструмент усиления управленческого цикла: от симптома к причине, от причины к гипотезе, от гипотезы к решению, от решения к действию».

Итог главы

Карта управленческой задачи связывает работу с ИИ с конкретным решением: какие сведения нужны, что предстоит проверить и кому передать результат. По ней можно увидеть, где инструмент помогает, а где требуются данные, договорённости или действия руководителя.

В следующей главе подробнее рассмотрим возможности и ограничения ИИ в разных функциях автодилера.