Как приоритизировать задачи для автоматизации с помощью ИИ

«Давайте внедрим ИИ» — частый запрос от бизнеса.

Для аудита процессов этой фразы мало. Пока неясно, какую задачу решаем, сколько она стоит компании и что изменится после внедрения.

Собственнику нужен ответ на четыре вопроса:

• сколько ресурсов занимает задача сейчас;
• можно ли автоматизировать её технически;
• какие риски возникнут;
• какой эффект получит бизнес.

Anthony13d

Аудит бизнес-процессов перед внедрением ИИ

Если бизнес-процесс держится на Excel, пяти чатах и одном человеке, который помнит всё, у компании уже есть автоматизация 😅

Два типа запроса

Компании обычно приходят с одним из двух запросов.

Первый вариант: внедрить ИИ в бизнес, но пока нету понимания, какие процессы выбирать.

В этом случае сначала нужно собрать список задач, оценить их и расставить приоритеты.

Второй вариант: автоматизировать конкретную задачу.

Например, анализировать резюме, вносить данные в CRM или расшифровывать звонки отдела продаж.

Тогда аудит начинается сразу с этой задачи, но критерии оценки остаются теми же.

Пять критериев приоритизации

1. Технологическая готовность

Сначала нужно понять, насколько задача совместима с текущими возможностями ИИ.

Проверяем:

• какой результат должна выдавать система;
• требуется ли точность близкая к 100%;
• можно ли оставить сотрудника на финальной проверке;
• справляются ли доступные модели с нужным типом данных;
• есть ли готовые инструменты или потребуется разработка.

Например, ИИ может предварительно оценивать резюме по требованиям вакансии. Финальное решение о найме при этом остаётся за рекрутером.

2. Инфраструктура

Следующий вопрос связан с тем, где будет работать решение.

Для некоторых задач достаточно онлайн-сервиса через API. В других случаях компании нужен закрытый контур, чтобы данные не покидали внутреннюю инфраструктуру.

Тогда потребуется оценить:

• наличие серверов;
• вычислительные мощности;
• хранение и передачу данных;
• интеграцию с внутренними системами;
• требования информационной безопасности.

Если у компании нет необходимой инфраструктуры, стоимость и сроки внедрения увеличатся.

3. Стоимость внедрения

В расчёт нужно включить не только цену модели или готового сервиса.

Учитываются:

• подготовка данных;
• разработка и интеграция;
• настройка промптов;
• тестирование;
• обучение сотрудников;
• контроль качества;
• поддержка и дальнейшие доработки;
• ежемесячная стоимость API или сервиса.

Для двух задач с одинаковым бизнес-эффектом приоритет получит та, которая требует меньше ресурсов и быстрее запускается.

4. Риски

Ошибки ИИ могут привести к разным последствиям.

Репутационные риски: клиент получит некорректный ответ от чат-бота.

Юридические риски: система обработает персональные данные с нарушением требований или выдаст рекомендацию, которая создаст правовые последствия.

Финансовые риски: ИИ неправильно рассчитает скидку, изменит заказ или передаст клиенту товар по ошибочной цене.

Для каждой задачи нужно заранее определить:

• какие ошибки допустимы;
• кто проверяет результат;
• когда решение передаётся сотруднику;
• как фиксируются действия системы;
• что произойдёт при сбое.

Чем дороже ошибка, тем выше требования к контролю.

5. Бизнес-эффект

Последний критерий показывает, сколько компания может получить от автоматизации.

Собираем четыре показателя:

1. сколько сотрудников выполняют задачу;
2. сколько времени они на неё тратят;
3. сколько времени потребуется после внедрения;
4. сколько стоит час работы.

Базовая формула:

Эффект от времени = (часы до автоматизации − часы после автоматизации) × стоимость часа

Стоимость часа можно рассчитать так:

Стоимость часа = затраты на сотрудника за месяц ÷ рабочие часы за месяц

Для точной финансовой модели лучше учитывать полную стоимость сотрудника для компании, включая налоги и обязательные выплаты.

Высвобождённые часы становятся экономическим эффектом, когда сотрудники направляют их на другие задачи, компания сокращает потребность в найме или увеличивает объём работы без расширения команды.

Anthony12d

Как выявить задачи для автоматизации, если компания хочет внедрить ИИ

Запрос «хотим внедрить ИИ в бизнес» звучит масштабно, но не даёт точки старта.

Как оценить влияние ИИ

Есть два способа.

Экспериментальный способ.

Замерить, сколько времени сотрудник тратит на задачу сейчас, затем дать ту же задачу ИИ и сравнить:

• скорость;
• качество;
• количество ошибок;
• время на проверку результата.

Это самый точный подход.

Экспертная оценка.

Если полноценный эксперимент пока невозможен, можно использовать опыт команды и предварительную оценку. В таком случае нужно зафиксировать допущения и проверить их на пилоте.

Пилот лучше проводить на одной задаче и с небольшим числом сотрудников. После этого исходные расчёты пересматриваются по фактическим данным.

Пример предварительной оценки

Предположим, компания рассматривает три задачи.

Расчёт выглядит так:

• анализ рекламы: 50 сотрудников × 10 часов = 500 часов;
• ввод данных в CRM: 30 сотрудников × 5 часов = 150 часов;
• скрининг резюме: 10 рекрутеров × 20 часов = 200 часов.

Скрининг резюме может получить высокий приоритет, если технология уже готова, качество проверяется рекрутером, а интеграция не требует сложной инфраструктуры.

Одних высвобождённых часов для решения недостаточно. К каждой задаче нужно добавить стоимость внедрения, риски и требования к качеству.

Четыре варианта бизнес-эффекта

1. Экономия времени рекрутеров

Предположим:

• автоматизация экономит одному рекрутеру 3 часа в день;
• в компании 30 рекрутеров;
• 240 рабочих дней в году;
• зарплата рекрутера составляет 100 000 рублей в месяц;
• рабочее время — 160 часов в месяц.

Годовая экономия времени:

3 × 30 × 240 = 21 600 часов

Стоимость часа:

100 000 ÷ 160 = 625 рублей

Расчёт эффекта:

21 600 × 625 = 13 500 000 рублей в год

Это оценка стоимости высвобождённого времени. Фактическая экономия появится, если компания изменит численность команды, увеличит объём работы или направит сотрудников на задачи, которые приносят дополнительный доход.

Стоимость ИИ-решения и его внедрения нужно вычесть отдельно.

2. Рост производительности копирайтеров

Предположим:

• один копирайтер пишет 3 статьи за 8 часов;
• после внедрения ИИ он выпускает 9 статей;
• в команде 10 копирайтеров;
• текущая зарплата — 100 000 рублей;
• после роста производительности зарплата составляет 150 000 рублей.

Десять копирайтеров после автоматизации создают объём, для которого при прежней производительности потребовалось бы 30 человек.

Стоимость команды после внедрения:

10 × 150 000 = 1 500 000 рублей в месяц

Стоимость команды из 30 человек при прежней производительности:

30 × 100 000 = 3 000 000 рублей в месяц

Разница:

3 000 000 − 1 500 000 = 1 500 000 рублей в месяц

Годовой эффект:

1 500 000 × 12 = 18 000 000 рублей

Расчёт работает при сохранении качества, наличии нужного объёма задач и учёте расходов на ИИ, редактуру и контроль.

3. Речевая аналитика в отделе контроля качества

Допустим:

• 20 менеджеров по продажам делают по 20 звонков в день;
• всего получается 400 звонков;
• один специалист контроля качества может прослушать 50 звонков;
• зарплата специалиста — 50 000 рублей;
• речевая аналитика стоит 100 000 рублей в месяц.

Один специалист покрывает:

50 ÷ 400 = 12,5% звонков

Чтобы проверить все звонки вручную, потребуется 8 специалистов:

8 × 50 000 = 400 000 рублей в месяц

Разница со стоимостью речевой аналитики:

400 000 − 100 000 = 300 000 рублей в месяц

Годовой эффект:

300 000 × 12 = 3 600 000 рублей

В расчёт нужно добавить разовую стоимость внедрения, настройку словарей, хранение записей и работу сотрудников с результатами аналитики.

4. Разговорный робот для необработанных звонков

Предположим:

• компания получает 500 звонков в день;
• менеджеры не успевают обработать 10%;
• теряется 50 звонков в день;
• стоимость привлечения одного звонка — 100 рублей;
• средняя конверсия в продажу — 30%;
• средний чек — 10 000 рублей.

Количество необработанных звонков за год:

50 × 360 = 18 000 звонков

Стоимость привлечения этих звонков:

18 000 × 100 = 1 800 000 рублей

Количество потенциальных продаж:

18 000 × 30% = 5 400 продаж

Дополнительная выручка:

5 400 × 10 000 = 54 000 000 рублей

В этом расчёте 54 млн рублей отражают выручку. Для оценки прибыли нужно умножить сумму на маржинальность продукта.

Итоговый эффект складывается из двух разных показателей:

• 54 млн рублей потенциальной выручки;
• 1,8 млн рублей предотвращённых расходов на привлечение потерянных звонков.

Из этой суммы ещё нужно вычесть стоимость робота, интеграции, контроля качества и обработки нестандартных обращений.

Как выбрать первую задачу

Для первого внедрения подходят задачи, у которых:

• есть повторяющийся процесс;
• понятны входные данные и ожидаемый результат;
• можно измерить время и качество;
• ошибки контролируются сотрудником;
• эффект виден в деньгах или высвобождённых ресурсах;
• запуск не требует перестройки всей инфраструктуры.

Приоритет можно распределить так:

• высокий эффект и низкая сложность: запускать первыми;
• высокий эффект и высокая сложность: готовить пилот и отдельный план внедрения;
• низкий эффект и низкая сложность: брать как быстрый эксперимент, если стоимость запуска мала;
• низкий эффект и высокая сложность: оставить за пределами ближайшего плана.

Минимальная таблица для аудита

Для каждой задачи зафиксируйте:

1. название процесса;
2. сотрудников, которые его выполняют;
3. частоту и длительность;
4. используемые инструменты;
5. входные данные и результат;
6. допустимый уровень ошибок;
7. вариант внедрения: API или закрытый контур;
8. разовые и регулярные расходы;
9. бизнес-эффект;
10. риски и способ ручной проверки.

Так появляется список задач, с которым можно принимать решение. ИИ выбирают по конкретному процессу, измеримому эффекту и допустимому риску. Такой подход помогает направить бюджет на задачи, где автоматизация даст заметный результат для бизнеса.