Внедрение ИИ начинают с одной измеримой задачи, а не с выбора нейросети: объём операций в месяц, минуты на каждую, цена ошибки. План из семи шагов: список задач, отбор по ценности и риску, данные и правовые рамки, базовая линия и пороги успеха, пилот в режиме подсказки, решение, масштабирование. Для первого пилота обычно хватает модели по API: по тарифам на октябрь 2026 тысяча токенов стоит от 0,065 ₽ (GigaChat Lite) до 0,8 ₽ (YandexGPT Pro 5.1), асинхронный режим примерно вдвое дешевле. Лишние траты появляются, когда подписки покупают до задачи, а интеграции делают до проверки качества.
Внедрение ИИ в бизнес начинается не с выбора нейросети, а с одной измеримой задачи: сколько операций в месяц, сколько минут уходит на каждую, во что обходится ошибка. Дальше идёт короткий пилот на ваших данных с заранее записанными критериями успеха, и только потом решение, масштабировать или остановиться. Такой порядок защищает от главной лишней траты: подписок и разработки под задачу, которую никто не измерил.
Ниже пошаговый план из семи шагов, способ выбрать первую задачу по ценности и риску, сравнение готовых сервисов, моделей по API и своей модели с официальными тарифами, калькулятор окупаемости пилота и чек-лист готовности компании.
Почему внедрение ИИ часто не окупается
Деньги теряются не на моделях, а на порядке действий. Типичные причины выглядят одинаково в любой отрасли:
- Начали с инструмента. Купили подписку на нейросеть всем сотрудникам и ждут эффекта. Без задачи и замера эффект не виден, даже если он есть.
- Нет базовой линии. Никто не записал, сколько времени операция занимала до ИИ, поэтому через три месяца спор идёт об ощущениях.
- Пилот без конца. Не определили заранее, при каких цифрах пилот считается удачным, и проект месяцами живёт в статусе «тестируем».
- Интеграция раньше качества. Сначала подключили CRM, почту и учёт, а потом выяснили, что модель ошибается слишком часто для этой задачи.
- Данные не готовы. Регламенты устарели, примеров с правильным ответом нет, персональные данные некуда деть.
Это та же ошибка, что и в обычной автоматизации, когда процесс начинается с покупки сервиса, а не с описания задачи. Как её избежать, разобрано в статье что стандартизировать до выбора программы.
План внедрения ИИ из семи шагов
План делится на три фазы: отбор, проверка и масштабирование. Каждый шаг заканчивается конкретным документом или цифрой, без которых следующий шаг не начинают.
- Список задач. Соберите с руководителей отделов 10–20 задач, где люди читают, пишут, ищут или перекладывают информацию. Для каждой: объём в месяц и время на одну операцию.
- Отбор по ценности и риску. Оставьте две-три задачи с большим объёмом и обратимой ошибкой.
- Данные и правовые рамки. Где лежат примеры, кто владелец регламентов, есть ли персональные данные и коммерческая тайна.
- Базовая линия и критерии. Замер «как сейчас» и письменные пороги: какое качество, время и стоимость операции считаем успехом.
- Пилот. Одна задача, ограниченная группа сотрудников, режим подсказки: ИИ предлагает, человек принимает или правит.
- Решение. Сравнение с базовой линией и одно из трёх решений: масштабировать, доработать или остановить.
- Масштабирование и поддержка. Интеграции, права, журнал, ответственный за качество, план пересмотра раз в квартал.
Во вкладках ниже для каждой фазы: что сделать, что получить на выходе и где чаще всего уходят лишние деньги.
- Сделать: собрать 10–20 задач, записать объём и минуты на операцию, оценить цену ошибки.
- Решение: две-три задачи с большим объёмом и обратимой ошибкой.
- Лишняя трата: выбрать задачу по моде («нам нужен чат-бот») вместо задачи с измеримым объёмом.
- Сделать: выгрузить 50–100 прошлых случаев с правильным результатом, решить вопрос с персональными данными, замерить время «как сейчас».
- Решение: письменные пороги: доля принятых без правок, время, стоимость операции, допустимые ошибки.
- Лишняя трата: начать разработку без примеров и потом проверять качество на живых клиентах.
- Сделать: одна задача, небольшая группа сотрудников, режим подсказки, журнал всех результатов и правок.
- Решение: масштабировать, доработать или остановить, сравнив с порогами из подготовки.
- Лишняя трата: подключить все системы сразу и продлевать пилот без даты решения.
- Сделать: интеграции, права доступа, журнал, обучение сотрудников, ответственный за качество базы знаний и примеров.
- Решение: какую задачу брать следующей, по той же оценке из фазы отбора.
- Лишняя трата: забыть о поддержке: регламенты меняются, а база знаний и примеры остаются старыми.
Фазы можно проходить параллельно для разных задач, но внутри одной задачи порядок не меняют: без примеров и порогов пилот не даёт ответа.
Как выбрать первую задачу: ценность и риск
Первая задача должна быть частой, скучной и безопасной. Частой, чтобы эффект был заметен в деньгах. Скучной, чтобы у неё были понятные правильные ответы. Безопасной, чтобы ошибку модели исправлял человек до того, как её увидит клиент.
| Вопрос | Хороший ответ для первого пилота | Тревожный ответ |
|---|---|---|
| Сколько операций в месяц? | Сотни и тысячи | Несколько десятков |
| Что на входе? | Текст: письма, заявки, документы, обращения | Устные договорённости, которых нет в системах |
| Есть ли правильные ответы из прошлого? | Да, их можно выгрузить | Каждый случай решали по-своему |
| Что будет при ошибке? | Сотрудник поправит черновик | Деньги уйдут, клиент получит неверный документ |
| Кто владелец результата? | Конкретный руководитель отдела | «Все заинтересованы» |
Задачи из правого верхнего квадранта тоже можно автоматизировать, но позже и только с подтверждением человека. Как устроить такую проверку для документов, сделок и обращений, разобрано в статьях блога про распределение обращений с контролем человека и квалификацию заявок до менеджера.
Готовый сервис, модель по API или своя модель
Для первого пилота почти всегда хватает готового сервиса или модели по API. Своя модель на своём сервере оправдана, когда данные нельзя передавать наружу или запросов так много, что аренда оборудования дешевле оплаты токенов.
| Вариант | Когда подходит | Как платите | Подвох |
|---|---|---|---|
| Готовый сервис с ИИ внутри (функции CRM, помощник в офисном пакете) | Задача типовая и уже решена в вашей системе | Подписка, часто за пользователя | Подстроиться под свой процесс сложно |
| Модель по API (YandexGPT, GigaChat) | Нужна своя логика, свои данные и интеграция | Токены плюс разработка | Нужны проверочные примеры и журнал |
| Своя модель на своём сервере | Строгие требования к данным или очень большой объём | Оборудование, разработка, сопровождение | Дорогой старт, нужен свой специалист |
Цены моделей по API на октябрь 2026, с НДС, за 1000 токенов по официальным страницам тарифов:
- YandexGPT Lite: 0,2 ₽ в синхронном режиме и 0,1 ₽ в асинхронном.
- YandexGPT Pro 5.1: 0,8 ₽ в синхронном и 0,41 ₽ в асинхронном.
- GigaChat Lite: 0,065 ₽ в синхронном и 0,0325 ₽ в асинхронном; Pro 0,5 ₽ и 0,25 ₽; Max 0,65 ₽ и 0,325 ₽. При оплате по факту действует минимальный платёж 600 ₽ в месяц, если сервисом пользовались.
Асинхронный режим в два раза дешевле. Если результат не нужен в ту же секунду (ночная обработка документов, разбор обращений за день, подготовка сводок), запросы можно отправлять в асинхронном режиме и платить примерно половину.
Как пересчитать эти цены в стоимость одного запроса и одной задачи, подробно показано в статье о стоимости и окупаемости AI-помощника.
Данные и закон до старта
До пилота нужно ответить на три вопроса: какие данные уйдут в модель, где модель работает и на каком основании вы обрабатываете персональные данные. От ответа зависит выбор провайдера и формат договора с подрядчиком. Чаще всего первый пилот удаётся провести на обезличенных данных или вовсе без персональных данных. Порядок подготовки, классы данных и требования 152-ФЗ разобраны в статье как подготовить данные к пилоту ИИ, здесь повторять их не будем.
Сколько стоит внедрение и где лишние траты
Бюджет внедрения складывается из разовой части и ежемесячной. Разовая часть: обследование задач, подготовка данных и проверочных примеров, разработка и интеграции, обучение сотрудников. Ежемесячная часть: токены или подписки, сервер, поддержка базы знаний, время ответственного за качество.
Лишние траты обычно видно заранее:
- подписки всем сотрудникам до того, как найдена задача;
- своя модель там, где хватает API;
- интеграция со всеми системами сразу, до проверки качества на примерах;
- старшая модель на простых шагах, где лёгкая справляется так же;
- синхронный режим для задач, которые могут ждать до утра.
Окупаемость пилота проще всего оценить через сэкономленное время. Подставьте свои цифры: наборы ниже показывают три разных исхода.
Как считается: операции через ИИ = операции в месяц × доля, которую берёт ИИ; без переделки = операции через ИИ × доля результатов без переделки; экономия = операции без переделки × стоимость часа × экономия на операции − ежемесячные расходы. Операции с переделкой считаются без экономии. Выход на полную загрузку учитывает, что в первые месяцы ИИ работает на части потока. Качество обслуживания и скорость ответа клиенту в расчёт не входят.
Как понять, что пилот удался
Пилот удался, если цифры лучше базовой линии по порогам, которые вы записали до старта. Смотрите не на одну метрику, а на набор:
| Метрика | Как считать | Зачем |
|---|---|---|
| Доля принятых без правок | Принятые результаты ÷ все результаты ИИ | Главный показатель качества в режиме подсказки |
| Время на операцию | До и после, на одной и той же выборке | Основа расчёта экономии |
| Стоимость операции | Токены, сервер и поддержка ÷ число операций | Проверка, что экономия не съедена расходами |
| Ошибки с последствиями | Случаи, когда ошибка дошла до клиента или денег | Порог, при котором пилот останавливают |
| Нагрузка на проверяющего | Сколько времени уходит на проверку результатов ИИ | Экономия у одного не должна стать работой другого |
Как измерить точность на своей выборке с полнотой и ложными срабатываниями, показано на примере отбора резюме в статье о стоимости и точности ИИ для отбора резюме.
Если нужна опора для правил управления рисками, есть добровольная рамка NIST AI Risk Management Framework. Её четыре функции (Govern, Map, Measure, Manage) хорошо ложатся на небольшую компанию: кто отвечает за ИИ, где и для чего он используется, какими метриками измеряется и что делаем, когда метрика ушла за порог.
Отметьте, что уже готово в вашей компании.
Если список задач и замеры пока не собраны, начните с ИИ-аудита бизнеса: на выходе список задач с оценкой, данные для пилота и план. Когда пилот выбран и нужно довести его до работы в CRM, почте и документах, посмотрите, как устроено внедрение ИИ в бизнес под ключ.
Кто нужен в команде внедрения
Для первого пилота не нужен отдел искусственного интеллекта. Достаточно четырёх ролей, и в небольшой компании одну роль часто совмещают с другой:
- Владелец процесса. Руководитель отдела, где живёт задача. Утверждает пороги успеха и принимает решение по итогам.
- Носитель знаний. Опытный сотрудник, который знает исключения и может сказать, правильный ли результат. Он размечает примеры и разбирает спорные случаи.
- Исполнитель. Свой разработчик или подрядчик: модель, инструкции, интеграции, журнал.
- Ответственный за данные. Тот, кто отвечает на вопросы о персональных данных, доступах и договорах с провайдерами.
Самая частая ошибка здесь: отдать проект только исполнителю. Без владельца процесса никто не примет решение, а без носителя знаний некому проверить качество.
Что делать после удачного пилота
Удачный пилот ещё не означает, что пора подключать всех. Расширяйте охват по шагам: сначала весь отдел на той же задаче, потом соседние типы случаев, потом интеграции, которые убирают ручной перенос результата. На каждом шаге сохраняйте журнал и раз в месяц сверяйте метрики с базовой линией: качество модели может просесть, когда меняются регламенты, ассортимент или формат входящих писем. Вторую задачу берите из того же списка, по той же оценке ценности и риска, и проходите для неё подготовку заново, не перенося пороги с первой задачи.
Что сделать на этой неделе
- Попросите трёх руководителей отделов назвать по пять задач, где люди читают, пишут или перекладывают информацию.
- Для каждой задачи запишите объём в месяц и минуты на одну операцию.
- Выберите одну задачу с большим объёмом и обратимой ошибкой и соберите по ней 50 прошлых примеров.
- Запишите три порога успеха пилота до того, как появится первый результат.
- Yandex AI Studio: правила тарификации, синхронный и асинхронный режимы (проверено в октябре 2026)
- GigaChat API: тарифы для юрлиц и минимальный платёж (проверено в октябре 2026)
- NIST: AI Risk Management Framework (AI RMF 1.0, функции Govern, Map, Measure, Manage)
- Федеральный закон № 152-ФЗ «О персональных данных», КонсультантПлюс
Частые вопросы
С чего начать внедрение ИИ в небольшой компании?
Со списка задач, где сотрудники читают, пишут или перекладывают информацию, с объёмом в месяц и временем на одну операцию. Из него выберите одну частую задачу с обратимой ошибкой и соберите по ней 50–100 прошлых примеров. Только после этого выбирайте модель и подрядчика.
Сколько длится пилот ИИ?
Срок зависит от задачи, но его фиксируют заранее вместе с датой решения. За время пилота должно пройти достаточно операций, чтобы сравнить результат с базовой линией. Пилот без даты окончания обычно превращается в бесконечное тестирование.
Нужна ли своя нейросеть или хватит готовой?
Для первого пилота почти всегда хватает модели по API или функции ИИ в уже используемой системе. Своя модель оправдана при строгих требованиях к данным или очень большом объёме запросов. Это решение принимают по итогам пилота.
Сколько стоит внедрение ИИ в бизнес?
Бюджет складывается из разовой части (обследование, подготовка данных, разработка, интеграции, обучение) и ежемесячной (токены или подписки, сервер, поддержка). Модель по тарифам на октябрь 2026 стоит от 0,065 ₽ до 0,8 ₽ за 1000 токенов, поэтому основная сумма обычно приходится на разработку и интеграции. Посчитайте окупаемость через сэкономленное время до старта.
Как понять, что ИИ действительно помогает?
Сравните с базовой линией, записанной до пилота: долю результатов, принятых без правок, время на операцию, стоимость операции и число ошибок, дошедших до клиента. Учтите время проверяющего: экономия у одного сотрудника не должна стать лишней работой у другого.
Что делать с персональными данными при внедрении ИИ?
До пилота выясните, какие данные уйдут в модель и где она работает. Первый пилот часто можно провести на обезличенных данных. Требования 152-ФЗ и порядок подготовки разобраны в отдельной статье блога о данных для пилота ИИ.
Кто в компании должен отвечать за ИИ?
У каждой задачи должен быть владелец процесса, который принимает решение по итогам пилота. После запуска нужен ответственный за качество: он следит за базой знаний, примерами и журналом ошибок. В небольшой компании это может быть руководитель отдела.
