Автоматизация бизнеса с помощью ИИ: когда она приносит деньги

Автоматизация бизнеса с помощью ИИ приносит деньги тогда, когда у сэкономленного часа заранее есть адрес, то есть работа, на которую сотрудник его переведёт. Нейросеть берёт на себя разбор писем, звонков и сканов, где на входе человеческая речь, а результат можно сверить с документом.

Без адреса выигрыш растворяется. В опросе McKinsey летом 2026 года 80 % участников сказали, что ИИ поднял их личную продуктивность, а вклад в операционную прибыль компании увидели только 37 %.

Отдельно покажу, как превратить автоматизацию в деньги. По выгрузке входящих обращений за месяц можно задать себе три вопроса, сколько в потоке ручной работы, что из неё можно проверить и куда уйдут освобождённые часы, ответить на них и дальше отвечать быстрее, отдав подсчёт нейросети.

ИИ-автоматизация бизнес-процессов и обычная: где граница

Обычная автоматизация работает по правилу, а нейросеть читает. Правило учётной системы закрывает счёт, когда пришла оплата на ту же сумму с тем же номером. Нейросеть нужна там, где вход составлен как попало (заказ в третьем абзаце письма, голосовое сообщение прораба, фото накладной под углом), и превращает его в запись, с которой правило уже справится.

Цены с НДС на октябрь 2026 года, тарифы распознавания речи, документов и генерации текста.

Что видно по ценам

Сама работа нейросети стоит копейки, тысяча минут звонков обходится примерно в 650 рублей. Генерацию считают в токенах, кусочках слов прочитанного письма и ответа. Дорого другое, подключение к почте и учёту и часы человека, который первые недели сверяет каждый результат. Поэтому я начинаю с правой колонки таблицы, и если результат нечем проверить, автоматизировать такую работу рано при любой цене.

Места, где сотрудник перепечатывает одно в другое, находит анализ бизнес-процессов по пути заказа. Туда и ставят нейросеть, а правила оставляют учётной системе.

Почему сэкономленный час не доходит до прибыли

Сэкономленное время расходится по дню сотрудника, если для него никто не придумал работу. Собственник хочет экономии, не трогая процесс, и экономия так и остаётся в ощущениях. В опросе McKinsey, где ответили 1 719 человек из 97 стран, к лидерам отнесли тех, кто видит вклад ИИ не меньше 5 % операционной прибыли и называет его ценность значительной, и таких всего 6 % опрошенных. Почти три четверти из них перестроили рабочие процессы под ИИ, среди остальных так поступила четверть (McKinsey).

По данным NBER о 5 179 сотрудниках поддержки клиентов, помощник на генеративном ИИ прибавил в среднем 14 % решённых обращений в час, у новичков прибавка дошла до 34 %, у опытных почти ничего не изменилось (NBER). Выигрыш, выходит, сидит там, где много новичков и повторяющихся обращений.

Учебный расчёт на почтовых заявках

Представим оптового дистрибьютора, которому приходит 40 заявок в день письмами. Менеджер переносит каждую в учётную систему за 6 минут, это 4 часа в день. Нейросеть собирает из письма черновик заказа, менеджер проверяет его за полторы минуты, и на заявки уходит час.

Освобождается 3 часа в день, за 22 рабочих дня набегает 66 часов. Работа нейросети при 2 000 токенов на письмо стоит около 1 400 рублей в месяц. Деньгами 66 часов станут, если менеджер потратит их на обзвон клиентов, которые перестали заказывать, или если компания примет вдвое больше заявок без второго менеджера.

Противоречие снимается без большой перестройки, адрес освобождённого часа назначают до запуска.

Где нейросеть ошибается увереннее человека

Опаснее всего нейросеть там, где её ответ звучит убедительно, а проверить его нечем. В эксперименте Гарвардской школы бизнеса с Boston Consulting Group участвовали 758 консультантов. На 18 задачах в пределах возможностей ИИ участники с GPT-4 сделали на 12,2 % больше задач и на 25,1 % быстрее, а на сложной управленческой задаче за этой границей верное решение у них встречалось на 19 % реже, чем у коллег без ИИ (Harvard Business School).

Авторы назвали это зазубренной границей, задачи похожей сложности внутри одного процесса оказываются по разные её стороны. Заранее сказать, где лежит ваша задача, нельзя, это узнают проверкой. Поэтому сначала автоматизируют то, что сверяется с документом, суммой или записью разговора, а суждение (кому дать отсрочку) оставляют человеку.

Автоматизацию проверяют на письмах, которых никто не видел

Демонстрация у подрядчика почти всегда идёт на тех письмах, на которых разбор настраивали. По моему опыту, такой показ отвечает на один вопрос, умеет ли подрядчик красиво показать письма, которые уже разобрал. Работает ли разбор, видно на другом материале, на случайных письмах из архива прошлого месяца, которые заранее никто не открывал.

Я прошу выгрузить сотню таких писем и отдать черновики заказов двум сотрудникам. Каждый сверяет свою копию отдельно, расхождения потом сводят в один список. Один проверяющий ловит ошибки одного рода, двое замечают разные.

После слепой сотни разбор выпускают в работу с подтверждением менеджера, а описание операции для сверки держат стандартной операционной процедурой.

Сто случайных писем скажут о будущей работе больше, чем десять отобранных.

Что я отдаю нейросети в автоматизации, а что оставляю себе

Нейросети я отдаю превращение сырого входа в запись, письма в черновик заказа, звонка в текст со списком договорённостей, скана в строки таблицы. Ошибку здесь ловит сверка, и стоит она минуты.

Опасна нейросеть в решениях, которые уходят наружу без человека, будь то скидка в ответе клиенту, новая цена в прайсе или отказ поставщику. Там она готовит вариант, а кнопку нажимает сотрудник.

Сам я решаю три вещи, какую работу автоматизировать первой, куда пойдут освобождённые часы и по какому числу через месяц судить о результате. Машине отдаю подсчёт и первые недели сверяю её выборочно руками.

Промпт: сколько ручной работы в потоке заявок и куда деть освобождённые часы

На вход идёт выгрузка входящих обращений за последний месяц из почты или CRM-системы с датой, каналом и текстом. К ней два числа, которые вы знаете без подготовки, сколько минут сотрудник тратит на одно обращение и сколько стоит его час. Имена, телефоны и названия клиентов замените метками вида «клиент 1», персональные данные и коммерческую тайну в публичный чат не вставляйте. Подойдёт любая крупная модель, DeepSeek работает бесплатно и без VPN, ChatGPT и Claude мощнее, но с ограничениями доступа из России.

Роль. Ты аналитик операционной работы и разбираешь только приложенную выгрузку входящих обращений компании за месяц.

Результат. Таблица типов обращений: тип, сколько раз встретился, доля от всех обращений, чем это автоматизировать (правило учётной системы, нейросеть с проверкой сотрудника, только человек), можно ли проверить результат сверкой с документом или суммой, сколько часов в месяц уходит на тип сейчас, сколько останется на проверку после автоматизации и сколько рублей стоит разница. Под таблицей итог по трём способам: доля обращений, часы, рубли. Рядом моя оценка доли рутины и посчитанная доля.

Зачем. Хочу понять, сколько часов в месяц освободит автоматизация потока обращений и на какую работу их перевести, чтобы выигрыш дошёл до денег.

Подзадачи строго по порядку, к следующей не переходи, пока не закрыта предыдущая.
1. Перечисли столбцы выгрузки и спроси, сколько минут сотрудник тратит на одно обращение сейчас, сколько минут, по моей оценке, займёт проверка готового черновика и сколько стоит его час в рублях. Без ответа дальше не иди.
2. Спроси, какую долю обращений я считаю рутиной, где ответ известен заранее. Запиши число и дальше его не меняй.
3. Сгруппируй обращения в типы и покажи список с тремя примерами каждого. Спроси, верно ли сгруппировано.
4. Заполни таблицу. Тип, результат которого нечем проверить, относи к способу «только человек».
5. Посчитай итог по способам и сравни посчитанную долю рутины с моей оценкой из подзадачи 2, расхождение в процентных пунктах.
6. Спроси, на какую работу я переведу освобождённые часы. Если ответа нет, напиши это первой строкой итога.
7. Под каждым способом дай одну фразу, которую я завтра скажу сотруднику, с числом часов и без угроз сокращением.

Нюансы. Если обращения одного типа записаны по-разному, спроси, прежде чем объединять. Если данные противоречат друг другу, покажи строки и спроси.

Рамки. Не выдумывай минуты, ставку и цены сервисов, бери только мои числа. Не обещай рост выручки. Оценивай обращения, а не людей. Мотивационные речи и рассуждения о важности опусти полностью.

Коротко: главное из статьи

• Автоматизацию бизнеса нейросетью начинают с операций, где сотрудник вручную переносит письма, звонки и сканы в учётную систему, а результат можно сверить.
• Правила учётной системы закрывают работу с готовыми данными, нейросеть нужна на входе, где текст пишет человек.
• Работа нейросети стоит копейки, дороже обходятся подключение к почте и учёту и проверка первых недель.
• По опросу McKinsey 2026 года рост личной продуктивности от ИИ отмечают 80 % участников, вклад в прибыль 37 %.
• Автоматизация окупается, когда освобождённым часам до запуска назначили работу и их денежный эффект больше расходов на подключение и проверку.
• Автоматизацию проверяют на случайной выборке из архива двумя проверяющими независимо.

Частые вопросы