Практическое руководство · июль 2026

Как внедрить ИИ в бизнес — пошаговое руководство из 6 шагов

Внедрение ИИ в бизнес состоит из шести шагов: (1) определить процесс, который съедает больше всего времени, (2) оценить, есть ли у вас данные для ИИ, (3) выбрать маленький измеримый пилот, (4) выбрать тип решения — агент, компьютерное зрение или интеграция, (5) подключить к системам и протестировать на реальных данных, (6) обучить сотрудников и замерить результат. Реалистичный срок для одного процесса — 20–45 дней, бюджет — 10–35 млн сум. Результат пилота обычно виден уже через 7–10 дней.

Шагов

Срок

20–45 дней

Пилот

7–10 дней

Опубликовано: 7 июля 2026 · Обновлено: 7 июля 2026 · Команда Innosoft

Как внедрить искусственный интеллект в бизнес — руководство из 6 шагов

Руководство по внедрению ИИ

Содержание статьи:

На чём основано это руководство

Шаги ниже — это порядок, по которому команда Innosoft ведёт проекты по ИИ и автоматизации на рынке Узбекистана. Сроки, диапазоны бюджета и разделы «что не работает» взяты из наших реальных проектов: ИИ-агенты приёма заказов в Telegram, интеграция с учётной системой REGOS, цепочка заказ → учёт → курьер для HoReCa и панели управления CRM. Мы намеренно не приводим «среднюю рыночную окупаемость» — только то, что можем измерить сами и показать в работающих системах.

6 шагов: кто что делает и в какие сроки?

Примерно треть работы в проекте внедрения ИИ выполняется на стороне клиента — и именно незнание этого чаще всего срывает сроки. В таблице ниже расписано, что делается на каждом шаге, сколько это занимает и на чьей стороне ответственность. Общий цикл — 20–45 дней.

Этапы внедрения ИИ в бизнес: сроки и распределение ответственности
Шаг	Что делается	Срок	Кто отвечает
1Определить проблему	Составляется список всех процессов, которые делаются вручную; для каждого измеряется, сколько часов в месяц он съедает; выбирается самый тяжёлый	3–5 дней	Клиент (основная роль)Исполнитель задаёт вопросы и даёт форму замера
2Оценить данные	Документируется, где хранятся данные, в каком формате, какая глубина истории, есть ли API или выгрузка	2–4 дня	Исполнитель (аудит)Клиент даёт доступы и тестовую среду
3Выбрать пилот	Берётся один узкий процесс, к нему письменно фиксируется критерий успеха (точность %, время ответа, доля ручной работы)	1–2 дня	СовместноКритерий утверждает клиент — потом не будет споров
4Выбрать тип решения	Решается, что подходит задаче: ИИ-агент, компьютерное зрение, интеграция в работающую систему или модуль прогноза	2–3 дня	ИсполнительКлиент называет границу бюджета
5Интеграция и тестирование	Подключаются API/вебхуки, прописываются сценарии ошибок и исключений, идёт проверка на реальных данных в ограниченном объёме	10–20 дней	Исполнитель + ИТ клиентаДоступы выдаёт ИТ-специалист или админ системы
6Обучение и замер	Команда обучается, выдаётся инструкция, новые цифры сравниваются с теми, что были измерены на шаге 1	2–4 дня + постоянно	СовместноОтветственного сотрудника назначает клиент

Обратите внимание: шаги 1 и 2 вместе занимают всего около недели, но успех проекта решается именно на этой неделе. На практике большинство остановившихся проектов встали не из-за плохой технологии, а потому что был выбран не тот процесс или не хватило данных.

Стоит ли автоматизировать этот процесс?

Вопрос «стоит ли автоматизировать процесс» оценивается по шести критериям: повторяемость, объём, цена ошибки, состояние данных, время людей и сложность решений. Поставьте каждому критерию 0, 1 или 2 балла и сложите — если из 12 возможных набралось 9 и больше, это кандидат первой очереди. Ниже — сама матрица; примените её к своим процессам.

Матрица оценки: стоит ли автоматизировать бизнес-процесс с помощью ИИ
Критерий	0 баллов	1 балл	2 балла
Повторяемость	Каждый раз по-разному, правил нет	В основном одинаково, но есть исключения	Почти всегда одна и та же последовательность
Объём	Менее 50 событий в месяц	50–500 событий в месяц	Более 500 событий в месяц
Цена ошибки	Ошибка исправляется за 5 минут	Ошибка стоит денег или времени клиента	Ошибка стоит заказа, товара или клиента
Состояние данных	Только в голове сотрудника или на бумаге	В Excel/Telegram — разрозненно, но есть	В системе, структурировано, с историей
Время людей	Менее 10 часов в месяц	10–60 часов в месяц	Более 60 часов в месяц (полставки)
Сложность решений	На каждом шаге нужно суждение человека	Большинство случаев укладывается в правила	Правила можно записать, исключений мало

0–4 балла

Пока не нужно

Процесс мелкий или слишком изменчивый. Стоимость автоматизации окажется выше сэкономленного времени. Сказать это прямо — работа консультанта, а не продавца.

5–8 баллов

Пилот оправдан

Польза есть, но её нужно доказать. Начните с небольшого пилота и измерьте три числа: часы, ошибки, время ответа. Если результат подтвердился — расширяйте.

9–12 баллов

Первая очередь

Если этот процесс не автоматизировать, расход повторяется каждый месяц. Обычно сюда попадают приём заказов, первый ответ на обращение и занесение документов.

Формула для ручного расчёта

Кроме матрицы баллов сделайте простой расчёт. Часы в месяц на процесс × стоимость часа сотрудника = месячная цена этого процесса. Прибавьте потери от ошибок (возвращённые заказы, ушедшие клиенты). Разделите бюджет проекта на полученную сумму — получите срок окупаемости в месяцах.

Подставляйте в формулу свои числа, а не наши. Общие цифры вроде «ИИ экономит 40%» не имеют отношения к вашему процессу и не помогут защитить бюджет перед руководством.

Шаг 1: какой процесс съедает больше всего времени?

На первом шаге о технологиях не думают вообще. В течение недели по отделам собирается список повторяющейся ручной работы, и для каждого пункта измеряется, сколько часов в месяц он занимает. Результат — таблица на 5–10 строк, где самый дорогой процесс виден в цифрах. Именно эта таблица становится основой всех дальнейших решений.

Кого спрашивать

Операторов и менеджеров — сколько раз в день вы повторяете одно и то же действие?
Бухгалтерию и склад — какой отчёт собирается вручную?
Руководителя — за какими данными приходится ждать ответа несколько часов?
Сотрудников на связи с клиентами — какой вопрос повторяется каждый день?

4 числа для каждого процесса

Сколько событий в месяц (заказов, обращений, документов)
Среднее число минут на одно событие
Сколько ошибок или переделок случается за месяц
Сколько людей заняты этой работой

Из практики: три самых частых узких места

В компаниях Узбекистана «тяжёлый» процесс почти всегда оказывается одним из этих трёх:

Перенос заказа из Telegram-группы в систему. Сообщение приходит свободным текстом, оператор вручную заносит его в 1С или Excel. Вечером и в выходные заказ просто ждёт.
Ответы на одинаковые вопросы. Цена, наличие, условия доставки — один и тот же текст пишется руками десятки раз в день.
Ручная сборка отчёта. Данные лежат в трёх местах: в CRM, на складе и в Excel. Свести их вместе занимает несколько часов каждую неделю.

Почему это важно: ежегодный глобальный опрос McKinsey «The State of AI» показывает, что большая часть компаний уже так или иначе использует ИИ, но заметного влияния на бизнес добивается меньшинство — и главная разница не в технологии, а в том, в какой процесс и насколько глубоко её внедрили. McKinsey: The State of AI

Самый часто пропускаемый шаг

Шаг 2: есть ли у вас данные для ИИ?

ИИ работает не на том, что «знает сам», а на ваших данных. Поэтому на втором шаге документируется, где данные хранятся, в каком они формате, какая глубина истории и можно ли получить их программно. На практике именно этот шаг чаще всего пропускают — и именно из-за него проекты потом останавливаются.

Уровни готовности данных для внедрения ИИ
Состояние данных	Что возможно с ИИ	Первый шаг
Только в головах сотрудников / на бумаге	Практически ничего. Ни прогноз, ни классификация не заработают.	Сначала не ИИ, а система сбора данных — CRM или админ-панель
Разрозненно в Telegram и Excel	Понимание текста и занесение в систему работают; прогноз ограничен.	Агент, автоматизирующий ввод — данные начинают собираться в одном месте
В системе, но без API	Возможно всё, но слой подключения требует дополнительной работы.	Файловая выгрузка, реплика базы на чтение или промежуточный сервис
В системе, с API и историей	Полный спектр: классификация, прогноз, поиск аномалий, автоотчёты.	Можно сразу переходить к пилоту

Что проверяется с технической стороны

Есть ли в системе API или вебхуки и задокументированы ли они
Возможна ли выгрузка данных (CSV, XML, Excel)
Можно ли выдать подключение к базе на чтение
Есть ли тестовая среда или работа идёт только на боевой базе
Есть ли персональные данные и как они защищены

Что проверяется по качеству

Сколькими разными названиями записан один и тот же товар или клиент
Какая доля полей пустая или заполнена неверно
Сколько месяцев или лет охватывает история
Кто и в каком порядке вносит данные
Как фиксируются исключения — и фиксируются ли вообще

Тот же порядок рекомендует и People + AI Guidebook от Google: при проектировании ИИ-продукта сначала определяются источник данных, их качество и ограничения, и только затем выбирается модель. Google PAIR Guidebook

Шаг 3: как выбрать пилот?

Хороший пилот отвечает трём условиям: он маленький (один процесс, один отдел), измеримый (результат можно назвать числом) и безопасный (ошибка не останавливает бизнес). На практике пилот должен запускаться за 7–10 дней — если он тянется дольше, это уже не пилот, а уменьшенная копия большого проекта.

Хороший пилот

«Агент принимает заказы в одной Telegram-группе и записывает их в систему»
«Бот отвечает только на 10 самых частых вопросов»
«Один тип входящих документов классифицируется автоматически»
«По одному складу приходит уведомление, когда остаток падает ниже порога»

Плохой пилот

«Переведём весь отдел продаж на ИИ»
«Пусть ИИ подскажет нам стратегию»
«Автоматизируем все отчёты»
«Сначала посмотрим, потом решим, что измерять»

Как формулируется критерий пилота

Критерий пишется одним предложением, обязательно с числом, и утверждается клиентом. Форма такая:

«Если в течение двух недель не менее 90% поступивших заказов оформляются корректно без вмешательства оператора, а среднее время ответа не превышает 10 секунд, пилот считается успешным».

Вместе с ним пишется и условие остановки: если точность не достигает заданного уровня, подход меняется или проект прекращается. Это условие защищает обе стороны — и клиента, и исполнителя.

К такому же выводу приходят исследования MIT Sloan Management Review и BCG по искусственному интеллекту: ценность создаёт не сама модель, а способность организации менять вместе с ней собственные процессы — то есть пилот является не техническим, а организационным экспериментом. Исследование MIT SMR & BCG

Шаг 4: какой тип ИИ-решения вам нужен?

Тип решения выбирается по форме задачи: текст и диалог — ИИ-агент; изображения и видео — компьютерное зрение; ручная работа внутри уже работающих систем — интеграция; нужно предсказать будущее по истории — модуль прогноза. Во многих проектах два типа используются вместе.

ИИ-агент / чат-бот

Когда: Есть текстовое или голосовое общение с клиентом либо сотрудником

Пример: Приём заказов в Telegram, ответы на частые вопросы, поиск по внутренней базе знаний

В качестве источника нужны документы и история переписки

Интеграция в работающую систему

Когда: CRM, 1С и склад уже есть, но между ними работает человек

Пример: Передача заказа из Telegram в учётную систему, распознавание документа и заполнение полей, оповещение об остатках

Самое быстрое по отдаче направление — история уже накоплена

Компьютерное зрение

Когда: На входе изображение или видео

Пример: Контроль посещаемости по лицу, извлечение текста из скана, распознавание товара или дефекта

Качество камеры и освещение серьёзно влияют на результат

Модуль прогноза и аналитики

Когда: Есть хотя бы несколько месяцев структурированной истории

Пример: Прогноз продаж, планирование запасов по спросу, поиск аномалий, автоматический текстовый отчёт

Самое требовательное к качеству данных направление

Полный перечень направлений с возможностями, ценами и сроками собран на странице услуг по искусственному интеллекту. Если система у вас уже есть и задача — усилить её, подходит внедрение ИИ; если нужен отдельный помощник, который общается с клиентом, — разработка ИИ-агента; а для задач с изображениями и видео — компьютерное зрение.

Шаг 5: как проходят интеграция и тестирование?

На этапе интеграции слой ИИ подключается к вашим системам через API, вебхуки, базу или обмен файлами — и, что важнее всего, прописываются сценарии ошибок. Этап занимает 10–20 дней, и половина этого времени уходит не на «правильную» работу, а на обработку неправильных ситуаций. Именно эта часть делает систему надёжной.

5.1

Подключение

В тестовой среде настраиваются ключи API, поток данных проверяется в обе стороны, права ограничиваются. Прямая запись в боевую базу включается только после тестов.

5.2

Исключения

Неоднозначный запрос, несовпадающее название товара, молчащий API, дважды отправленный заказ — для каждого случая прописывается конкретное поведение.

5.3

Fallback

При низкой уверенности задача передаётся человеку. Если это правило не прописано, система примет неверное решение сама — а это самый дорогой тип ошибки.

Что измеряется на этапе тестирования

Метрики тестирования ИИ-решения
Показатель	Что означает	Что делается
Точность	Сколько решений ИИ оказались верными	Низкая — дорабатываются промпт, правила или база знаний
Покрытие	Какой процент запросов ИИ закрыл сам	Низкое — пересматриваются типы исключений
Время ответа	Время от запроса до ответа	Долгое — оптимизируются кеш, модель или логика запроса
Доля fallback	Сколько случаев передано человеку	Слишком высокая — возможно, выбрана не та задача

Одно правило из нашего опыта: перед боевым запуском несколько дней поработайте «в тени» — ИИ принимает решение, но в систему оно записывается только после подтверждения оператором. За эти несколько дней вскрывается большая часть реальных исключений, и они закрываются на уровне кода, а не извинений перед клиентом.

Шаг 6: почему обучение и замер решают всё?

Последний шаг состоит из двух частей: перевести команду на новый поток и сравнить результат с числами, записанными на первом шаге. Технически исправная система не приносит пользы, если сотрудники ей не доверяют — они продолжают вести параллельный учёт по-старому. Поэтому обучение занимает 2–4 дня, а замер становится постоянной практикой.

Три вещи, которые проговариваются на обучении

Где ИИ принимает решение сам, а где только предлагает вариант
Когда обязан вмешаться человек — со списком исключений
Кому и в какой форме сообщать об обнаруженной ошибке

На практике короткая видеоинструкция работает лучше документа на несколько страниц: сотрудник возвращается к ней и через месяц.

Что перемеряется через месяц

Часы в месяц на процесс — сравниваются с числом из шага 1
Количество ошибок и переделок за месяц
Среднее время ответа или выполнения
Доля запросов, закрытых ИИ, и доля fallback

Эти четыре числа — самый сильный аргумент, когда вы запрашиваете бюджет на следующий этап.

Правило перехода к следующему процессу

Едем Быстро — цепочка заказ → учёт → курьер

HoReCa (рестораны, кафе, отели) · ИИ-агент + учётная система + доставка

Проблема была классической: кухни пишут заказ в Telegram свободным текстом («завтра 50 кг курицы, 20 кг говядины»), оператор оформляет его вручную, а вечером и в выходные заказ просто ждёт. Сейчас ИИ-агент понимает заказ на естественном языке, подтверждает его, считает сумму и связывает с учётной системой и курьерской доставкой — каждый заказ отслеживается в одной цепочке от приёма до доставки.

Проект Едем Быстро по шагам внедрения ИИ
Шаг	Что сделано в этом проекте
1. Проблема	Выбраны ручной перенос заказа и отсутствие ответа в ночные часы
2. Данные	Источниками стали история Telegram и каталоги товаров учётной системы
3. Пилот	Приём и подтверждение заказа проверялись в одной группе
4. Тип решения	ИИ-агент + интеграция с учётной системой (вместе)
5. Интеграция	Заказ передаётся в учёт и связывается с курьерской доставкой
6. Замер	Время ответа — менее 3 секунд, приём заказов перешёл в режим 24/7

Интеграция с REGOS — ИИ поверх существующего учёта

Доставка продуктов · 1 месяц · Python, Telegram Bot API, REGOS API

Этот проект — хороший пример решения на четвёртом шаге: у клиента уже работала учётная система REGOS, поэтому был выбран не новый продукт, а подключение к существующему. ИИ-агент принимает заказы от поваров через Telegram-группы, подтверждает их и передаёт в центральную учётную систему через REGOS API. При снижении складских остатков поставщики получают уведомление в реальном времени.

Проект интеграции с REGOS по шагам внедрения ИИ
Шаг	Что сделано в этом проекте
1. Проблема	Ручное занесение заказов из Telegram-группы в учётную систему
2. Данные	В REGOS есть товары и остатки, наличие API подтверждено на аудите
3. Пилот	Приём и передача проверялись на ограниченном перечне товаров
4. Тип решения	Выбрана интеграция — работающую учётную систему не меняли
5. Интеграция	Передача заказа через REGOS API + мониторинг остатков
6. Замер	Этап ручного ввода полностью убран из потока

Humo Group CRM — проект, закрывший шаг 2 заранее

Интернет-магазин · 1.5 месяца · товары, заказы, клиенты и отчёты в одной панели

Это не ИИ-проект, но он хорошо показывает главную мысль второго шага. Для Humo Group товары, заказы, клиенты и отчёты были собраны в единой панели управления. В результате данные оказались структурированными и в одном месте — поэтому следующим шагом подключить к ним скоринг заявок, прогноз продаж или автоматический отчёт будет заметно проще. В компании с разрозненными данными та же задача сначала потребует отдельного проекта по их сбору.

Проект Humo Group CRM по шагам внедрения ИИ
Шаг	Что сделано в этом проекте
1. Проблема	Товары, заказы и клиенты велись в разных местах, отчёт собирался вручную
2. Данные	Построена единая база — именно тот шаг, без которого ИИ не запускается
3. Пилот	Сначала запущены товары и заказы, отчёты добавлены следующим блоком
4. Тип решения	На этом этапе — не ИИ, а система сбора и структурирования данных
5. Интеграция	Роли, права доступа и отчётность внутри одной панели
6. Замер	Данные готовы: следующий слой (скоринг, прогноз) подключается дешевле

Вывод: если на шаге 2 выясняется, что данные живут «в головах людей», первым проектом должен стать не ИИ, а система их сбора. Это не отказ от искусственного интеллекта, а самый дешёвый способ сделать так, чтобы он потом заработал.

Social-commerce экосистема — когда автоматизируется вся цепочка

HomeShop & Million Market · E-commerce SaaS · панель с 8 ролями

Здесь показателен масштаб пятого шага. Заказ ведётся по цепочке оператор → склад → курьер автоматически, у каждой из восьми ролей свои права, продавцы работают по уникальным ссылкам, а баланс начисляется после доставки без ручных операций. Такой объём интеграций — прямая иллюстрация того, почему бюджет растёт при подключении нескольких систем сразу: каждое звено требует собственных сценариев ошибок и отдельного тестирования.

Что отсюда забрать: начинать такой проект «целиком» нельзя. Сначала запускается одно звено цепочки, оно стабилизируется, и только потом добавляется следующее — иначе команда несколько месяцев не видит ни одного законченного результата.

Какой нужен бюджет на внедрение ИИ?

На рынке Узбекистана подключение ИИ к работающей системе стоит от 10 млн сум (одна система, один процесс) до 35 млн сум (1С/ERP, склад и CRM вместе). Отдельный ИИ-агент начинается от 5 млн сум, модуль ИИ-аналитики и прогноза — от 15 млн сум. Пилот не является отдельным продуктом: он входит в первый этап и обычно даёт результат за 7–10 дней.

Один процесс

от 10 млн сум

20–25 дней

Подключение к одной системе, автоматизация одного процесса, админ-панель и базовые отчёты. Большинство компаний начинает отсюда.

CRM + база знаний

около 20 млн сум

30–35 дней

Интеграция с CRM, база знаний на документах компании, анализ обращений и расширенная аналитика.

Несколько систем

до 35 млн сум

40–45 дней

1С/ERP, склад и CRM подключаются вместе, со своими API и повышенными требованиями к безопасности. Проект корпоративного масштаба.

Что повышает цену

Факторы, повышающие стоимость внедрения ИИ
Фактор	Влияние	Почему
В системе нет API	+30–50%	Для подключения к старой или закрытой системе приходится строить промежуточный слой, обмен файлами или реплику базы на чтение.
Данные не приведены в порядок	+20–40%	Если один и тот же товар записан пятью разными названиями, сначала делается нормализация и словарь соответствий — это отдельная работа.
Несколько систем сразу	за каждую систему +	CRM + 1С + склад вместе: каждое подключение требует отдельного тестирования и своих сценариев ошибок.
Голос, OCR или изображения	+	Голосовой запрос, распознавание текста со скана или компьютерное зрение требуют дополнительной модели и настройки под условия съёмки.
Повышенные требования к безопасности	+	Ролевой доступ, журнал аудита, хранение данных на локальном сервере — обычное требование в финансах и медицине.
Высокая нагрузка	+	При тысячах запросов в день архитектура, кеширование и мониторинг проектируются отдельно.

Три статьи, которые чаще всего забывают в бюджете

Стоимость модели. Большие языковые модели оплачиваются по объёму запросов. При тысячах обращений в день это превращается в постоянный месячный расход, который нужно посчитать до старта проекта.
Поддержка. Запуск — не финал проекта: промпты, правила и интеграции донастраиваются со временем. Обычно в тариф входит 3, 6 или 12 месяцев поддержки.
Время на стороне клиента. Шаги 1, 3 и 6 из таблицы требуют времени ваших сотрудников. В бюджете это не выглядит как деньги, но напрямую влияет на срок.

Детальные тарифы, состав работ и технические условия по каждому направлению собраны на странице внедрения ИИ в бизнес. Если вас интересует именно стоимость отдельного агента, у нас есть разбор в статье «Сколько стоит ИИ-агент».

Пройдите шаги 1 и 2 вместе с нами — бесплатно

Эта статья — руководство, а практическая работа начинается с аудита. Расскажите про ваши текущие системы и самый затратный по времени процесс — мы скажем, с какой точки начинать, достаточно ли у вас данных и какими будут ориентировочные цена и срок. Если решим, что ИИ вам пока не нужен, скажем и это прямо.

Цены, тарифы и технические детали — на странице услуги внедрения ИИ.

Частые вопросы

С чего начать внедрение ИИ в бизнес?

Начинать нужно не с модели, а с процесса. Первый шаг — измерить, какая работа съедает больше всего ручного времени в компании, и записать это число. Только после этого проверяется, есть ли данные, и выбирается один узкий пилот. Выбор технологии — это четвёртый шаг, а не первый.

Сколько времени занимает внедрение ИИ?

Полный цикл по одному процессу обычно занимает 20–45 дней. Пилотная часть при этом запускается за 7–10 дней — то есть первый результат не приходится ждать месяц. Больше всего на срок влияет не скорость разработки, а то, как быстро с вашей стороны выдаются документация по API и доступ к тестовой среде.

Какие данные нужны компании, чтобы использовать искусственный интеллект?

Нужна хотя бы одна история, которая где-то фиксируется: заказы, обращения, документы или бухгалтерские записи. Формат не обязан быть идеальным — Excel, Telegram-группа или база 1С тоже работают. Если данных нет вообще и всё держится на устных договорённостях, сначала строится система их сбора, иначе ИИ не на чем учиться и не с чем сверяться.

Какой процесс автоматизировать первым?

Тот, который набрал больше всего баллов по трём критериям: высокая повторяемость, большой объём и дорогая ошибка. На практике это чаще всего приём заказов, первый ответ на обращение или занесение документа в систему. Матрица оценки в этой статье позволяет проставить баллы своим процессам за полчаса.

Что такое пилотный проект и зачем он нужен?

Пилот — это проверка одного узкого процесса на реальных данных в ограниченном объёме. Он нужен, чтобы до крупных трат цифрами показать, что ИИ действительно решает конкретно эту задачу. Если пилот не дотягивает до критерия, подход меняется или проект останавливается — это самый дешёвый способ услышать «нет».

Сколько стоит внедрение ИИ в бизнес?

На рынке Узбекистана подключение ИИ к работающей системе стоит от 10 млн сум (одна система, один процесс) до 35 млн сум (1С/ERP, склад и CRM вместе). Отдельный ИИ-агент начинается от 5 млн сум, модуль ИИ-аналитики и прогноза — от 15 млн сум. Сильнее всего цену поднимают отсутствие API и беспорядок в данных.

Придётся ли сокращать сотрудников после внедрения ИИ?

В нашей практике обычный результат другой: сотрудники перестают делать повторяющуюся работу и переходят к исключениям. В агентах приёма заказов оператор больше не переносит каждое сообщение руками — он разбирает только те случаи, где ИИ не уверен. Решение о сокращении штата — управленческое, а не техническое следствие проекта.

Как измерить результат внедрения ИИ?

Измеряйте одни и те же три числа до и после проекта: часы в месяц на процесс, количество ошибок за месяц и среднее время ответа или выполнения. Эти цифры обязаны быть записаны до старта — иначе замер превращается в восстановление истории по памяти, и результату никто не верит.

Определим вместе, с какого процесса начинать ИИ

Аудит процессов бесплатный: разберём ваши системы, оценим состояние данных и дадим конкретное предложение по первому пилоту — с ценой и сроком.