ИИ в бизнесе: с чего начать автоматизацию

На дворе 2026 год. Искусственный интеллект перестал быть диковинкой, о которой пишут в новостях. Он стал рабочим инструментом — таким же привычным, как Excel, CRM или корпоративный мессенджер. Но есть одно «но»: если с Excel всё понятно (открыл, заполнил, получил), то с ИИ у многих предпринимателей возникает ступор. Где применять? С чего начать? Сколько это стоит? И главное — как не потратить миллионы на то, что не окупится?

На эти вопросы отвечает Константин Башкатов — IT-предприниматель, основатель компании «О2.интегратор нового поколения», которая занимается внедрением технологических решений в бизнесе: от классической автоматизации до искусственного интеллекта. За плечами Константина — 8 лет практики в цифровой трансформации, десятки проектов для бизнеса любого масштаба (от 5 до 25 000 человек) и четкое понимание того, что реально работает.

В этой статье мы разберем его подход. Не теорию «как работает нейросеть», а конкретную стратегию: как выбрать процесс для автоматизации, как сделать первый прототип без программистов и как извлечь из ИИ реальную экономическую выгоду. Материал основан на мастермайнде в сообществе «На вершину», но переработан в формат полноценного авторского разбора с углубленными выводами и практическими рекомендациями.

Четвертый способ масштабирования: как ИИ меняет правила игры

Константин начинает с простой, но важной мысли. Раньше у предпринимателя было всего три способа масштабировать свою экспертизу. Первый — нанять больше людей. Но обучение новых сотрудников занимает время, и экспертиза размывается. Второй — работать дольше, увеличивая количество часов. Но здесь есть естественный предел: сутки — это 24 часа. Третий — поднять цены. Но и здесь потолок ограничен рынком.

И вдруг, буквально в последние несколько лет, появляется четвертый способ. То, что позволяет расшить бутылочное горлышко, в которое упирается любая экспертиза. Это искусственный интеллект.

«ИИ — это не про замену человека. Это про то, чтобы освободить его от рутины. Дать ему возможность делать то, за что платят клиенты: принимать решения, креативить, выстраивать стратегии».

Чтобы проиллюстрировать эту мысль, Константин приводит простой пример. Представьте, что вы получили важное письмо. Первые несколько секунд — и вы уже понимаете, что ответить. Ваш опыт, ваша интуиция, ваше знание контекста сработали мгновенно. Но чтобы оформить этот ответ, подобрать правильные слова, сохранить нужный тон, расставить знаки препинания, — уходят минуты, а иногда и часы. Содержание готово, а артефакт — нет.

То же самое происходит с презентациями, коммерческими предложениями, отчетами, регламентами. В голове эксперта все уже сложилось. Но перенос этого на бумагу (или в цифру) занимает непропорционально много времени. И именно здесь, на этапе трансляции экспертизы в артефакт, ИИ становится самым мощным усилителем.

Ядро и периферия: правило, которое экономит миллионы

Если вы хотите автоматизировать процесс, но не знаете, с чего начать, Константин предлагает простой, но гениальный подход. Разделите любой процесс на две части: ядро и периферию.

Ядро — это суть процесса. В продажах это переговоры, выявление потребностей, закрытие возражений. В HR — собеседования, оценка кандидатов, принятие решения о найме. В производстве — контроль качества, настройка оборудования, принятие решений об изменениях. Это то, за что платят клиенты. Это то, что требует глубокого понимания контекста, многолетнего опыта и, как правило, человеческого суждения.

Периферия — это всё, что вокруг. Сбор и подготовка данных, проверка качества, синтез и обобщение информации, оформление конечных артефактов, координация действий между системами. Это не требует высокой экспертизы, но отнимает колоссальное количество времени. По оценкам Константина, периферия съедает до 80% рабочего времени сотрудников.

«Самая частая ошибка, которую мы видим, — попытка автоматизировать ядро. Все хотят запрыгнуть в самую сложную часть процесса. А как правило, это — самый трудоемкий, дорогой и рискованный путь. Вместо этого найдите периферию. И получите супербыструю победу».

Константин приводит пример. В продажах ядро — переговоры. Сложно реализовать замену продажника на ИИ, и стоит это огромных денег. А если просто на каждого менеджера снизить нагрузку за счет автоматизации сбора данных по клиенту, проверки коммерческого предложения и формирования итоговой презентации? Это уже реально, дешево, и приносит результат в первые же дни.

В HR ядро — собеседования. Пока что ИИ не может их провести так же качественно, как человек (хотя попытки есть). Зато скоринг резюме, формирование вакансий, назначение встреч, напоминания — всё это прекрасно автоматизируется.

В любом процессе есть ядро и периферия. Задача предпринимателя — не автоматизировать всё подряд, а найти периферию в своих ключевых процессах и начать с нее. Это дает быстрый, измеримый и почти безболезненный результат.

Четыре критерия выбора процесса для автоматизации

Итак, вы поняли концепцию. Но как выбрать конкретный процесс? На что обратить внимание? Константин предлагает четыре простых критерия.

1. Частота повторения. Если процесс выполняется раз в год — автоматизация, скорее всего, не окупится. Если раз в день, а тем более несколько раз в день — это ваш кандидат.

2. Затраты времени. Сколько человеко-часов в месяц съедает эта задача? Чем больше — тем выше потенциальная экономия. Константин приводит пример: в его компании на генерацию одного кейса уходило 10–12 часов. При трех кейсах в неделю — это фактически full-time занятость одного человека. Очевидно, что автоматизация здесь окупится моментально.

3. Формализуемость данных. Насколько единообразны данные на входе и выходе? Если каждый раз всё по-разному — ИИ будет ошибаться. Если есть четкая структура — он будет работать предсказуемо. Идеальный источник данных — расшифровка встречи. Она всегда выглядит примерно одинаково: текст, вопросы-ответы, диалог. Это очень удобно для автоматизации.

4. Готовность к 90% точности. Это, пожалуй, самый важный критерий. ИИ не дает 100% гарантии. Если вы 10 раз подадите на вход одни и те же данные, он выдаст 10 разных результатов. Иногда они будут идеальными, иногда — содержать ошибки, так называемые «галлюцинации».

«Средняя температура по больнице — 90% точности. Если вы готовы потратить 10% времени на проверку и правку — ИИ вам подходит. Если вам нужна стопроцентная точность — используйте классическую автоматизацию».

Это важное ограничение, которое многие не учитывают. Классическая автоматизация — это алгоритм: 10 раз на входе, 10 раз один и тот же результат на выходе. ИИ — это генеративная модель: 10 раз на входе, 10 разных результатов. Это дает потрясающие возможности для креатива, но требует контроля.

И еще один нюанс. ИИ не понимает тонкого бизнес-контекста. Он не знает, что вы решили в коридоре за полчаса до встречи или в кальянной через час после. Он не улавливает невысказанных договоренностей, эмоционального фона, политических нюансов внутри компании. Поэтому итоговое решение — всегда за человеком.

Горизонтальное и вертикальное внедрение: две стратегии

Константин разделяет подходы к внедрению ИИ на две большие группы.

Горизонтальное внедрение — это когда вы даете доступ к ИИ всей компании. Выдаете корпоративный, безопасный доступ, обучаете базовым навыкам промптинга и рассчитываете, что сотрудники начнут работать эффективнее.

На первый взгляд это звучит утопично. «Они же не будут использовать», — думают многие. Но на практике это работает. Константин утверждает, что всегда находится 25–30% «энтузиастов», которые начинают использовать ИИ в своей работе, а потом «заражают» остальных. Эффект от такого внедрения сложно измерить в деньгах, но он есть — и он заметен.

Вертикальное внедрение — это когда вы выбираете один конкретный сценарий и «копаете вглубь». Не просто даете доступ, а строите полноценную автоматизацию: подбираете данные, настраиваете промты, интегрируете с другими системами. Цель — получить измеримую экономическую выгоду: сократить время, снизить затраты, повысить качество или конверсию.

Именно на таких вертикальных проектах строится основная ценность для бизнеса. Именно о них Константин рассказывает в своих кейсах. И именно они, как правило, окупаются быстрее всего.

Кейс №1: генерация контента — от 10 часов к 1 часу

Первый пример из практики Константина — создание экспертных статей. В его компании довольно сложный продукт: автоматизация бизнес-процессов, которая находится на стыке бизнеса и информационных технологий. И лучший способ продвижения в этой сфере — кейсы. Реальные истории внедрения, с цифрами, проблемами и решениями.

Раньше процесс выглядел так. Раз в неделю команда встречалась и обсуждала кейсы. Это было полезно для обмена опытом и поддержания экспертизы. Но дальше начиналась рутина. Контент-маркетолог интервьюировал внедренцев, задавал уточняющие вопросы, писал текст. Дизайнеры делали иллюстрации. SEO-специалист оптимизировал статью. Совокупные трудозатраты на одну статью — 10–12 часов. И это при условии, что всё шло гладко.

Сегодня процесс выглядит иначе. У компании есть агент — набор промтов и инструментов, который забирает расшифровку встречи и выдает готовую статью. Цепочка состоит из восьми последовательных промтов. Каждый из них делает свою часть работы: генерирует тему, пишет текст, подбирает визуализации, проводит SEO-оптимизацию и даже создает задачу в бэк-логе.

Что делает человек? Команда обсуждает кейсы так же, как и раньше — это не изменилось. Затем кто-то делает факт-чек. Самая частая ошибка — неправильно распознанное название клиента, иногда цифры. Это занимает пару минут. И финальная публикация в Tilda — еще 10–15 минут.

«Мы не заменили эксперта. Он по-прежнему ведет консультацию, формулирует вопросы, предлагает решения. Мы просто сняли с него физическое создание артефакта. И теперь он может делать три статьи в неделю вместо одной, тратя на это один час вместо десяти».

Результат: вместо 10–12 часов — около 1 часа человеческого времени на статью. При этом качество не страдает: текст содержит нужные ключи, правильную структуру, визуализации и основан на реальном опыте. А главное — компания получила возможность публиковать в три раза больше экспертного контента, что напрямую влияет на узнаваемость и лидогенерацию.

Важно отметить, что все сгенерированные материалы проходят финальную проверку на соответствие авторскому праву на логотип и другим объектам интеллектуальной собственности. Вопросы правовой чистоты контента, сгенерированного нейросетями, остаются актуальными, и в компании к этому относятся ответственно. При использовании ИИ всегда нужно проверять, не нарушает ли сгенерированный текст или изображение права третьих лиц, и при необходимости адаптировать контент вручную.

Кейс №2: коммерческие предложения — от двух дней к одному часу

Второй кейс еще более универсален и, вероятно, ближе большинству предпринимателей. Речь идет о генерации коммерческих предложений (КП).

Компания Константина занимается заказной разработкой и автоматизацией. Каждый проект — индивидуальный: нужно понять потребности клиента, предложить решение, рассчитать стоимость, спланировать сроки. Раньше этим занимались самые дорогие сотрудники — опытные проектные менеджеры и аналитики. На подготовку одной сметы уходило два рабочих дня. И это было больно.

«Была ситуация, когда мы чуть ли не срам получили из-за того, что КП готовилось слишком долго, а клиенту нужно было решение вчера», — вспоминает Константин. В 2025 году они поняли, что так дальше продолжаться не может.

Сегодня процесс выглядит иначе. Расшифровка встречи с клиентом подается в агента. Тот, опираясь на каталог из 300+ ранее созданных вручную смет, выделяет ключевые потребности клиента, подбирает подходящие решения, адаптирует описания и формирует диаграмму Ганта с календарным планом. На выходе — почти готовое коммерческое предложение: преамбула, описание решения, график работ, стоимость.

«Сейчас мы практически гарантируем отдачу день в день. Как правило, КП готово через полчаса после встречи, а финальная версия — через час. Эксперт тратит 15–20 минут на проверку и корректировку».

Конверсия выросла почти в два раза. Не только потому, что КП стало качественнее (хотя и это важно). А потому что скорость реакции подкупает клиентов. Они видят, что компания работает быстро, оперативно, индивидуально. И готовы платить за это.

Интересно, что при разработке этого решения встал вопрос ребрендинга логотипа и визуального оформления КП. Поскольку сметы теперь генерируются автоматически, важно было унифицировать их дизайн в соответствии с обновленным брендбуком компании. Это потребовало доработки шаблонов и согласования правовых аспектов ребрендинга, чтобы все материалы — и старые, и новые — выглядели как единый продуктовый ряд. Юридическая проверка заняла несколько дней, но в итоге все было урегулировано, и процесс пошел.

No-code и DIY: почему прототип можно сделать самому

Возможно, самый важный тезис Константина, который он повторяет несколько раз: прототипы обоих решений были созданы им лично за несколько вечеров.

Он не программист. Он IT-предприниматель, который когда-то написал «несколько сотен строк кода», но это было давно. В основе его решений — no-code инструменты, правильные промты и базовая логика.

«Я хочу снять у вас барьер, — говорит он. — Вам не нужно нанимать команду разработчиков на старте. Многое можно сделать на уровне того, что вы сели и описали конечный результат. Если вы умеете делегировать и ставить задачи — вы уже на полпути».

Константин рекомендует начать с сервисов вроде Lavable. Это платформа, где вы просто словами описываете, что хотите получить, и она генерирует нужный процесс. «Промптинг — это практически то же самое, что постановка задачи сотруднику. Только быстрее», — шутит он.

Конечно, на следующих этапах, когда речь идет о высокой нагрузке, корпоративной безопасности или сложных интеграциях, понадобится профессиональный подход. Но для первого прототипа, для проверки гипотезы, для того, чтобы «почувствовать» — вам достаточно того, что есть у вас прямо сейчас.

«Первый шаг, несколько первых шагов — вы абсолютно точно в состоянии пройти сами. Мы только рады, когда вы приходите с прототипом и говорите: вот тут не получилось, помогите. Докрутить до идеала — уже наша задача».

Это важная мысль, которая ломает стереотип о том, что автоматизация — это что-то сложное, дорогое и доступное только крупным корпорациям. Нет. Сегодня любой предприниматель, даже без технического образования, может сделать свои первые шаги в автоматизации и получить результат в первые же дни.

Ограничения, о которых важно знать

Константин честно говорит и о подводных камнях. ИИ — это не волшебная палочка. У него есть ограничения.

Первое — точность. Как уже говорилось, 90% — это норма. Если вам нужна стопроцентная точность (например, в расчетах, где ошибка стоит миллионы), ИИ не подходит. Используйте классическую автоматизацию.

Второе — контекст. ИИ не понимает тонких нюансов. Он не знает, что вы вчера обсуждали в курилке. Он не чувствует настроения клиента за пять минут до встречи. Он работает с данными, но не с их подтекстом.

Третье — галлюцинации. Нейросеть может выдать информацию, которой нет в исходных данных. Например, придумать несуществующее название клиента или добавить в КП услугу, которую вы не оказываете. Это случается редко, но случается. Поэтому проверка — обязательна.

«Оставьте пару-тройку умных экспертов, которые будут всё проверять. И не пытайтесь добиться полной автономии. Это снимает сопротивление сотрудников и дает быстрый результат».

И еще один важный нюанс. Автоматизация периферии, как правило, встречает гораздо меньше сопротивления, чем попытка автоматизировать ядро. Сотрудники любят, когда их освобождают от рутины. И ненавидят, когда пытаются заменить их самих. Поэтому начинайте с периферии — это не только эффективно, но и психологически безопасно.

Где взять данные: про расшифровки и базу знаний

Один из ключевых вопросов при автоматизации — источники данных. Константин рекомендует использовать то, что у вас уже есть.

В его кейсах идеальным источником стала расшифровка встречи. Встречи в Zoom, Google Meet, любых других платформах — они уже записываются и расшифровываются. Даже офлайн-встречи можно записывать на диктофон (с согласия участников). Это дает единообразный, структурированный входной поток.

Второй источник — база знаний. В случае с кейсами это были уже написанные статьи. В случае с КП — 300+ смет, созданных вручную за предыдущие годы. Если у вас нет такого объема, не страшно. Можно начать с 10–20 примеров. Искусственный интеллект способен обобщать и на меньшем объеме данных.

«В крайнем случае, соберите хотя бы те примеры, которые вам нравятся, которые вас устраивают, — советует Константин. — И загрузите их в качестве эталонов. Это уже даст результат».

Отдельно он рекомендует подумать: «Что еще можно извлечь из расшифровок встреч?» Может быть, протоколы, резюме для клиентов, списки задач, напоминания о важных договоренностях? Потенциально это огромный ресурс для автоматизации, который многие просто не замечают.

Ответы на вопросы: про B2B, фрилансеров и обучение

В ходе эфира прозвучало несколько интересных вопросов, которые мы тоже включили в этот материал.

Вопрос про позиционирование. На сайте компании Константина было написано, что фрилансеры — «люди, которые не погружаются в специфику бизнеса и работают по шаблону». Один из участников эфира, фрилансер, спросил, на чем основаны такие выводы. Константин признал, что формулировка была жесткой, но объяснил ее маркетинговой задачей: «Нам нужно было отстроиться от конкурентов. Мы подсвечиваем слабые места рынка. Я лично ничего не имею против фрилансеров — среди них много классных специалистов». Участники с юмором предложили нанять того самого фрилансера в качестве маркетолога, чтобы формулировки стали мягче.

Вопрос про стоимость. Сколько стоит создание подобного решения? Константин оценивает разработку автоматизации для КП в диапазоне от 200 до 500 тысяч рублей — в зависимости от масштаба и сложности. Но подчеркивает, что прототип можно сделать самому, и это будет стоить только вашего времени.

Вопрос про обучение. «С чего начать обучение сотрудников работе с ИИ?» Константин рекомендует начинать с промптинга в Chat GPT, потом переходить к no-code инструментам, а затем, если есть интерес, — к более продвинутым вещам. «Не выдумывайте велосипед. Сначала освойте базовый инструмент. Потом углубитесь. И не забывайте про менеджмент — без выстроенных процессов автоматизация невозможна».

Компания Константина проводит корпоративное обучение — от базового уровня до работы с API и продуктами. «Начинаем с горизонтального внедрения — подтягиваем всех до базового уровня. Потом самых заинтересованных обучаем вглубь. Пишите, обращайтесь».

Краткий алгоритм: как начать автоматизацию в вашем бизнесе

На основе всего сказанного мы собрали пошаговый план для предпринимателя, который хочет начать, но не знает с чего.

Шаг 1. Найдите боль. Где в ваших процессах самое большое трение? Где сотрудники тратят время на то, что уже поняли, но не могут оформить? Какая задача вызывает больше всего «ой, только не это»? Это будет ваш первый кандидат.

Шаг 2. Оцените периферию. Выделите в этом процессе ядро и периферию. Ядро — то, что делает эксперт, и что требует его опыта. Периферия — всё остальное. Скорее всего, периферия составляет 80% времени.

Шаг 3. Соберите базу знаний. Найдите 10–20 примеров «правильного» результата. Это могут быть готовые КП, статьи, отчеты, регламенты. Соберите их в одном месте.

Шаг 4. Настройте источник данных. Идеальный вариант — расшифровка встреч. Записывайте все важные совещания. Если встреча офлайн — используйте диктофон.

Шаг 5. Соберите прототип. Используйте no-code инструменты (например, Lavable). Опишите словами, что вы хотите получить. Не бойтесь ошибок — первые версии будут сырыми, но уже через несколько итераций вы увидите результат.

Шаг 6. Оставьте человека в контуре. ИИ не заменяет эксперта. Он освобождает его время. Финальная проверка, правка, принятие решений — за человеком.

Шаг 7. Масштабируйте. Когда один процесс заработает, переходите к следующему. Автоматизация — это путь, а не финишная прямая.

Резюме: быстрые победы вместо сложных стратегий

Главный вывод, который можно сделать из этого материала: начинать автоматизацию нужно не с ядра, а с периферии. Ищите задачи, которые не требуют высокой экспертизы, но отнимают много времени. Автоматизируйте их — и получите быструю, измеримую выгоду.

Не бойтесь делать прототипы сами. No-code инструменты и современные AI-сервисы позволяют любому предпринимателю, даже без технического образования, создать рабочий прототип за несколько вечеров. И это не просто экономия времени — это способ понять логику автоматизации, увидеть ее возможности и подготовить почву для более сложных решений.

И помните: ИИ — это не замена человека. Это усилитель. Он делает рутину быстрее, а эксперта — свободнее. И в этом его главная ценность.

Финальный тезис от Константина Башкатова: «Искусственный интеллект в 2026 году — это не про технологии. Это про мышление. Про умение увидеть периферию, перестать бояться и начать делать. И это доступно каждому».