Нейросети для бизнеса: что окупается

На вопрос «какие нейросети нужны бизнесу» интернет отвечает подборками: топ-5, топ-12, обзор инструментов по задачам.

Проблема подборок в том, что они отвечают на вопрос «что существует», а не на вопрос, который стоит у предпринимателя: что делать в понедельник. Инструмент можно выбрать за вечер, а вот процесс, к которому его прикладывать, выбирается неправильно чаще всего — и именно поэтому большая часть внедрений заканчивается ничем.

Пойдём в обратном порядке: сначала какие процессы окупаются, потом чем их закрывать, потом сколько это стоит в месяц и как посчитать окупаемость на своих числах до того, как что-то заказывать.

Почему начинать с выбора нейросети — ошибка

Типичный сценарий: прочитали подборку, завели аккаунт, попробовали, впечатлились, показали сотрудникам. Через месяц никто не пользуется.

Причина не в инструменте. Нейросеть — это способность обрабатывать текст, а не решение задачи. Пока не названо, какую конкретно работу она снимает, пользоваться ею будут «когда вспомнят», то есть никогда.

Рабочий порядок обратный:

Порядок, при котором внедрение доживает до результата

1. 1
   ПроцессЧто повторяется каждый день и отнимает время
2. 2
   ЦифрыСколько раз в месяц, сколько минут на раз
3. 3
   ПроверкаКак поймём, что стало лучше
4. 4
   ИнструментТолько теперь — чем это закрыть

Практический признак правильно выбранного процесса: вы можете назвать, сколько раз в месяц он происходит и сколько минут занимает. Если этих чисел нет, их надо получить до внедрения — иначе потом не с чем будет сравнивать.

Три процесса, которые окупаются почти всегда

Не «где можно применить ИИ», а где он окупается предсказуемо.

Однотипные обращения клиентов

Самый частый и самый понятный случай. В любом бизнесе с клиентами есть набор вопросов, которые задают постоянно: режим работы, наличие, сроки, условия, статус заказа.

Почему окупается: объём предсказуем, ответы известны, результат проверяется мгновенно. Часть обращений закрывается без человека, остальные приходят к сотруднику уже с контекстом.

Как считать: сколько обращений в месяц, какая доля типовых, сколько стоит час того, кто на них отвечает. Разбор с формулой — в статье нужен ли бизнесу чат-бот.

Чего ждать не стоит: что закроется сто процентов. Разумная цель — большая часть типовых, а не всё подряд.

Приём заявок вне рабочего времени

Менее очевидный, но часто более прибыльный случай. Заявка, пришедшая в девять вечера и обработанная в десять утра, — это заявка, которая за ночь ушла к конкуренту.

Почему окупается: здесь считается не экономия времени, а несостоявшиеся потери. Даже небольшой поток окупается, если каждое обращение стоит дорого.

Как считать: сколько обращений приходит вне рабочих часов и какая доля из них не доходит до сделки. Это единственная цифра, которая нужна.

Важная деталь: для этого сценария не всегда нужна нейросеть. Часто достаточно бота на кнопках, который принимает контакт и отвечает на базовые вопросы. Дешевле и надёжнее.

Разбор входящих документов

Счета, накладные, договоры, заявки в свободной форме. Работа, где человек выступает переносчиком данных из документа в систему.

Почему окупается: объём растёт вместе с бизнесом, а ошибки от усталости дороже, чем кажется.

Как считать: сколько документов в месяц, сколько минут на один, какова цена ошибки при переносе.

Где граница: модель хорошо достаёт данные из текста и плохо принимает решения по ним. Достать сумму и реквизиты — да. Решить, оплачивать ли счёт, — нет.

Где нейросети не помогают

Список, который экономит больше денег, чем предыдущий.

Там, где мало повторений. Задача, которая случается раз в месяц, не окупит ни настройку, ни привыкание. Считайте порог примерно так: если суммарное время на процесс меньше нескольких часов в месяц, автоматизировать нечего.

Там, где нужен факт, а не текст. Модель предсказывает правдоподобное продолжение, а не ищет в базе. Всё, что требует точных данных — цифры, ссылки, нормы, — либо берётся из ваших систем, либо проверяется человеком.

Там, где цена ошибки высока, а проверка дорогая. Если проверить ответ сложнее, чем сделать работу самому, автоматизация даёт минус.

Там, где проблема организационная. Заявки теряются не потому, что их некому обработать, а потому что не назначен ответственный. Нейросеть в этом случае добавит ещё один канал, в котором будут теряться заявки.

Проверка на здравый смысл: если процесс сейчас работает плохо из-за отсутствия правил, сначала нужны правила. Автоматизация беспорядка даёт быстрый беспорядок. Признак, по которому это видно заранее: если на вопрос «а как сейчас правильно» разные сотрудники отвечают по-разному, автоматизировать пока нечего — сначала надо договориться, что считается правильным.

Ещё четыре процесса: окупаются реже, но окупаются

Первые три подходят почти всем. Эти четыре — при определённых условиях, и условия названы.

Разбор переписки и звонков. Расшифровка встреч, выжимка договорённостей, сбор задач из обсуждения. Окупается там, где встреч действительно много и по их итогам регулярно теряются договорённости. Если созвонов пара в неделю, проще записать самому. Отдельно этот сценарий разобран в статье про ИИ-аналитику: что она считает такого, чего не считали раньше.

Первичная квалификация обращений. Модель разбирает входящее, понимает, что человеку нужно, задаёт уточняющие вопросы и передаёт менеджеру уже с заполненной карточкой. Окупается при потоке от нескольких десятков обращений в день и при условии, что нецелевых среди них много.

Подготовка типовых текстов. Описания товаров, ответы на отзывы, письма клиентам по шаблону. Выигрыш не в качестве текста, а в том, что правка готового идёт быстрее написания с нуля. Условие окупаемости — объём: сто описаний товаров это работа, десять — нет. Для продавцов на маркетплейсах это разобрано подробно — ИИ для маркетплейсов.

Внутренний помощник по документам. Отвечает сотрудникам по регламентам, инструкциям, условиям работы. Окупается в компаниях, где документов много, они меняются и сотрудники регулярно переспрашивают друг друга. В маленькой команде, где все всё знают, смысла нет.

Что объединяет все четыре: порог по объёму. Каждый из них становится выгодным начиная с определённого количества повторений, и до этого порога автоматизация — трата.

Отраслевые разборы того же принципа: ИИ для юристов, ИИ для HR, ИИ для ресторанов.

Как выбрать процесс: четыре признака

Практический фильтр, через который стоит пропустить список кандидатов.

Повторяемость. Процесс должен происходить регулярно и одинаково. Разовые задачи автоматизации не поддаются, сколько бы времени они ни занимали.

Измеримость. Вы можете назвать, сколько раз в месяц и сколько минут. Без этих чисел не получится ни посчитать окупаемость, ни понять потом, стало ли лучше.

Проверяемость результата. Ошибку модели должно быть видно быстро. Если для проверки нужно столько же времени, сколько на саму работу, выгода исчезает.

Терпимость к ошибке. Первые недели ошибки будут. Хорошо, если они стоят потерянных минут, а не потерянного клиента или испорченного документа.

Как этим пользоваться. Выпишите пять процессов, которые кажутся кандидатами, и проставьте каждому четыре галочки. Тот, у кого их четыре, — и есть первый. Обычно это оказывается не тот процесс, с которого хотелось начать.

Чем закрывать: четыре типа решений

Готовые сервисыБыстро и дёшево, но по чужим правилам

• Работают из коробки, платите подписку
• Не знают ваших данных и процессов
• Настройка ограничена тем, что задумал разработчик
• Хороши для личной работы и типовых задач

Своё решениеДороже на старте, работает по вашим правилам

• Отвечает по вашим документам и данным
• Интегрируется с системами, где лежит реальная информация
• Разграничение доступа между сотрудниками
• Данные остаются в контуре, который вы контролируете

Между этими полюсами лежат ещё два варианта, и оба часто оказываются достаточными.

Чат-бот на сценарии — без всякой нейросети. Меню, ответы на частые вопросы, форма заявки. Дешевле всего, ошибиться не может в принципе, закрывает большую часть типовых обращений. Начинать разумно отсюда: сколько это стоит и где у него потолок — в отдельном разборе.

Бот с моделью на входе — сценарий плюс понимание свободного текста. Человек пишет как хочет, бот определяет, что ему нужно, и ведёт по нужной ветке. Такой середины хватает большинству небольших компаний.

Сколько это стоит на самом деле

Расходы делятся на две части, и вторую обычно не считают.

Разовые. Настройка сервиса или разработка. Зависит от задачи и от того, нужны ли интеграции с вашими системами.

Ежемесячные. Оплата модели — она считается по токенам и растёт вместе с использованием. Вот проверяемые цифры по тарифам GigaChat (с НДС, август 2026):

Что из этого следует. Для малого бизнеса расходы на саму модель обычно не главная статья — тысяча диалогов в месяц на младшей модели стоит меньше, чем один час работы специалиста. Дороже обходятся разработка и, что реже считают, время сотрудников на настройку и разбор первых недель.

На старте можно не платить вовсе: физлицам GigaChat даёт 365 миллионов токенов на 12 месяцев. Для проверки гипотезы этого хватает с большим запасом.

Российские и зарубежные модели: что выбрать

Вопрос, который в подборках обычно обходят, а он практический.

Доступность. Часть зарубежных сервисов не работает из России напрямую. Обходные пути для личных экспериментов терпимы, для рабочего процесса — нет: канал, который может отвалиться в любой момент, нельзя класть в основу бизнес-процесса.

Оплата. У российских провайдеров понятная оплата с документами для бухгалтерии. У зарубежных это отдельная задача, которая решается не всегда и не всеми.

Данные клиентов. Если в модель уходят персональные данные, вопрос юрисдикции перестаёт быть теоретическим. Российские сервисы дают на него понятный ответ.

Качество на русском. Разрыв, который был заметен пару лет назад, для типовых бизнес-задач в основном закрылся. Разбор обращения, выжимка из переписки, ответ по базе знаний — с этим справляются и российские модели.

Как выбирать: для задач, где в модель уходят данные клиентов, выбор из российских решений. Для внутренних экспериментов с обезличенным текстом можно пользоваться любыми.

Как встроить в существующие системы

Отдельная тема, которую упускают при выборе инструмента, хотя она определяет половину пользы.

Нейросеть сама по себе не знает ничего о вашем бизнесе. Чтобы она отвечала про статус конкретного заказа, ей нужен доступ к системе, где этот статус лежит. Отсюда три уровня связанности, и они сильно отличаются по стоимости.

Никакой связи. Модель работает только с тем, что ей написали в диалоге. Дёшево, быстро, закрывает вопросы вида «как у вас с доставкой».

Односторонняя связь. Модель читает из ваших систем: расписание, остатки, статус. Уже требует разработки, но риски низкие — она только смотрит.

Двусторонняя связь. Модель создаёт записи, меняет статусы, оформляет заявки. Самый полезный и самый ответственный уровень: здесь нужны ограничения на действия и подтверждения человеком.

Как выбрать уровень. По вопросу, на который система должна отвечать. Если вопросы клиентов начинаются со слов «а где мой», нужен как минимум второй уровень — иначе бот будет вежливо отвечать «уточните у менеджера», и смысл теряется.

Как посчитать, окупится ли

Формула простая, и считать её надо до внедрения, а не после.

Шаг первый. Сколько раз в месяц происходит процесс. Не «много», а число.

Шаг второй. Сколько минут занимает один раз. Замерить, а не вспомнить.

Шаг третий. Умножить и перевести в деньги по стоимости часа того, кто это делает.

Шаг четвёртый. Прикинуть, какую долю модель реально снимет. Разумная оценка — половина или чуть больше, а не всё.

Шаг пятый. Вычесть ежемесячные расходы на модель. Это тот шаг, который пропускают чаще всего.

Если после вычета остаётся сумма, за которую не жалко заплатить разработку с окупаемостью в несколько месяцев, — задача годится. Если остаток близок к нулю, автоматизация не нужна, и это нормальный результат расчёта, сэкономивший вам бюджет.

Отдельный случай — потери, а не экономия. Если задача не в том, чтобы сэкономить часы, а в том, чтобы перестать терять обращения, считать надо не время, а недошедших клиентов. Обычно эта цифра больше.

Сколько занимает по времени

Сроки зависят не от сложности модели, а от того, насколько готовы ваши данные и решения.

Что почти всегда становится узким местом — не разработка. Ожидание доступов к внутренним системам, согласование текстов внутри компании и сбор актуальных ответов. Эти три вещи стоит начать до того, как выбран подрядчик: они не требуют технических знаний и обычно занимают больше времени, чем сама работа.

С чего начать на этой неделе

Четыре действия, которые ничего не стоят и дают больше, чем чтение обзоров.

Выписать процессы. Пять-семь работ, которые повторяются и раздражают. Просто список, без оценки.

Замерить два числа по каждой. Сколько раз в месяц и сколько минут занимает. Замерить, а не прикинуть по памяти: реальные числа обычно отличаются от ощущений в обе стороны.

Выбрать одну по четырём признакам из раздела выше: повторяемость, измеримость, проверяемость, терпимость к ошибке.

Собрать ответы. Для выбранного процесса — обычный документ с типовыми вопросами и правильными ответами на них. Это и есть основа будущей системы, и делается она внутри компании быстрее и точнее, чем любым подрядчиком.

После этих четырёх шагов разговор с любым исполнителем становится предметным: вы приходите не с «хотим ИИ», а с процессом, числами и материалом. Разница в том, что во втором случае вам называют срок и цену, а не задают встречные вопросы, на которые вы ещё не знаете ответа.

Куда идти дальше по своей задаче

Дальнейший разбор зависит от того, какой процесс вы выбрали первым. Ниже — куда смотреть по каждому направлению.

Порядок в клиентских данных. Если заявки теряются, а сделки зависают, начинать надо не с моделей: автоматизация CRM разбирает, что автоматизируется обычными правилами и почему это первый шаг.

Обращения и поддержка. Когда узкое место — переписка с клиентами, смотрите разбор бота поддержки: что он закрывает сам, где обязателен человек и почему база знаний важнее технологии.

Оценка эффекта. Прежде чем считать экономию, стоит понять, что вообще мерить, — об этом статья про эффективность чат-бота и о том, какие метрики бесполезны.

Несколько связанных шагов. Если процесс распадается на разнородные этапы, возникает вопрос про систему из нескольких ИИ-агентов — и там же о том, почему первый агент почти всегда должен быть один.

Новый продукт, а не автоматизация существующего. Когда идея ещё не проверена, полезнее разговор про создание MVP: что делать первым и что не делать вообще.

Сайт и присутствие в интернете. Отдельная история со своими границами — где сайт на нейросети справляется, а где начинается обычная разработка.

Разработка как таковая. Если вы заказываете продукт, полезно понимать, как инструменты меняют сроки и приёмку: ИИ-агенты для программирования — разбор со стороны заказчика.

Порядок внедрения по шагам

Первое — выбрать один процесс. Не «внедряем ИИ в компанию», а конкретная работа с конкретными числами.

Второе — собрать данные, на которых это будет работать. Ответы на частые вопросы, регламенты, прайс. Обычно выясняется, что единого источника нет, и это отдельная работа, которую лучше сделать своими силами — те, кто знает предмет, справятся точнее подрядчика.

Третье — запустить в узком контуре. На части клиентов, на одном канале, на одном отделе. Месяц, не больше.

Четвёртое — посмотреть на цифры. Сколько обращений закрылось без человека, где модель ошибалась, сколько потратили.

Пятое — решить по цифрам. Расширять, переделывать или закрыть. Все три исхода нормальные, и третий тоже результат: он стоил месяца и бесплатных лимитов, а не бюджета на разработку того, чем не стали бы пользоваться.

Шестое — назначить ответственного. Без человека, который читает диалоги первые недели, система остаётся в том качестве, в каком её запустили. Это не должность и не проект — это конкретное имя и конкретное время в календаре, иначе разбора не будет.

Что спросить у подрядчика до оплаты

Пять вопросов, ответы на которые определяют, получите вы работающую систему или дорогую демонстрацию.

Какой процесс закрываем и как поймём, что получилось. Ответ должен содержать число: доля закрытых обращений, сокращённое время, количество обработанных документов. «Автоматизируем общение с клиентами» — не ответ.

Сколько это будет стоить в месяц при моём объёме. У любого решения с моделью есть ежемесячные расходы. Если их не назвали даже приблизительно, значит не считали.

Что происходит, когда модель ошибётся. Правильный ответ описывает механику: передача человеку, уведомление, ограничение действий. Ответ «она не ошибается» означает, что с этим не работали.

Кому остаются код, доступы и данные. Особенно данные: база знаний, которую вы собирали, — ваш актив.

Что нужно от нас и сколько нашего времени займёт. Хорошее внедрение требует участия: собрать ответы, проверить актуальность, разобрать первые диалоги. Подрядчик, который говорит «от вас ничего не нужно», либо не понимает задачу, либо сделает систему, отвечающую общими словами.

Что меняется в компании после внедрения

Три эффекта, которые видно на практике, и они не совпадают с ожиданиями.

Меняется структура работы, а не численность. Механическая часть уходит модели, у сотрудников остаётся то, где нужны контекст и решения. Тот же состав начинает справляться с большим потоком — это и есть основной эффект, но выглядит он не как экономия на зарплате.

Вылезает беспорядок в данных. Как только систему просят отвечать по вашим материалам, выясняется, что актуальная версия прайса лежит в трёх местах и различается. Наведение порядка часто даёт больше пользы, чем сама автоматизация.

Появляется зависимость от поддержки. Система, которую никто не обновляет, за полгода начинает отвечать по устаревшим правилам. Это не аргумент против внедрения, а статья расходов, которую надо заложить: несколько часов в месяц на актуализацию.

Три ошибки, из-за которых внедрения не доживают

Начали со всего сразу. «Автоматизируем всё общение с клиентами» — задача без границ, у неё нет момента, когда можно сказать «получилось». Одна задача, у которой есть измеримый результат, полезнее пяти открытых направлений.

Не назначили ответственного. Первые недели требуют ежедневного разбора: где модель ошиблась, чего не хватило в базе знаний. Если это «в дополнение к основной работе» у занятого человека, разбора не будет.

Не предупредили сотрудников. Инструмент, появившийся без объяснений, воспринимается как проверка или подготовка к сокращению. Люди упираются не потому, что боятся технологии, а потому, что не понимают, зачем её принесли.

Более полный разбор того, что идёт не так и как это предусмотреть заранее, — в статье про риски внедрения ИИ.

Первый месяц: чего ожидать реально

Ожидания — то, что чаще всего ломает внедрение. Вот как выглядит нормальный первый месяц, чтобы не принять норму за провал.

Первая неделя — много ошибок. Модель отвечает не то, пропускает вопросы, путается в формулировках, которых вы не предусмотрели. Это не признак того, что не работает: это сбор данных о том, как ваши клиенты пишут на самом деле. Здесь нужен человек, который каждый день читает диалоги.

Вторая неделя — резкое улучшение. После первых правок база знаний и формулировки подтягиваются, доля правильных ответов заметно растёт. Обычно это самый вдохновляющий момент, и здесь возникает соблазн сразу расширяться.

Третья неделя — плато. Простые случаи закрыты, остаются сложные. Каждый следующий процент даётся дороже предыдущего. Именно здесь стоит остановиться и решить, где провести границу: разумная цель — большая часть типовых обращений, а не все.

Четвёртая неделя — цифры. Появляется первая честная статистика: сколько закрылось без человека, сколько ушло на модель, что осталось людям. Только теперь можно принимать решение о расширении.

Главное правило месяца: не расширять до того, как появились цифры. Расширенная на второй неделе система обычно ломается на третьей — потому что расширяли по впечатлению, а не по данным. Впечатление на второй неделе всегда лучше реальности: вы видите, как модель справилась с простыми случаями, и не видите тех, до которых очередь ещё не дошла.

Три вопроса, которые стоит задать себе до старта

Кто внутри компании будет этим заниматься? Не «кто отвечает за проект», а кто конкретно каждый день первые недели читает диалоги и правит базу знаний. Если такого человека нет, внедрение не переживёт первый месяц независимо от качества разработки.

Что мы будем делать, когда модель ошибётся перед клиентом? Не «если», а «когда». Должен быть понятный сценарий: как клиент попадёт к человеку, как мы об этом узнаем, кто исправит.

Готовы ли мы навести порядок в данных? Почти всегда выясняется, что актуальных ответов нет в одном месте. Это работа внутри компании, и её никто не сделает за вас — подрядчик может лишь показать, чего не хватает.

Честный ответ «нет» хотя бы на один из трёх — повод отложить внедрение, а не повод искать другого подрядчика.

Что делаю я

Начинаю не с технологии, а с процессов: смотрим, где повторяется работа, где теряются обращения и что из этого считается в деньгах. Часто на этом этапе выясняется, что часть задачи закрывается настройкой уведомлений, а автоматизировать надо меньше, чем казалось.

Дальше — внедрение ИИ под конкретную задачу: чат-боты, ИИ-агенты или боты в мессенджерах, в зависимости от того, где ваши клиенты и что должно происходить после обращения. Код и доступы остаются у вас.

Первый разбор бесплатный, и если по вашим цифрам увижу, что внедрение не окупится, — скажу об этом прямо. Отказаться от проекта дешевле, чем сделать то, чем не будут пользоваться.