Знаете, многие думают: «Оптимизация — это долго, сложно, и вообще не для моего бизнеса». Но всё меняется, когда руководитель решает подойти к этому системно — и при этом использовать то, что сегодня действительно работает: бережливое производство и нейросети. Делюсь опытом наших участников — как получилось на практике, без приукрашиваний. Один из примеров, можно посмотреть на видео: рассказ операционного директора Ресто-бар Студио о внедрении Бережливого производства и ИИ.
Шаг 1. Сначала ищем потери — те, которых «не видно»
Обычно мы начинаем с простого: посмотреть, где в компании утекают деньги и время. Не на бумаге, а в реальности. Пример: на одном из заводов оказалось, что почти 15% времени оборудование просто стоит. Никто это не замечал — все считали, что это нормально, типа «так и должно быть». Подключили аналитику на базе ИИ — и выяснилось, что половина простоев вообще не нужна. Просто неэффективно организован процесс.
После нескольких небольших изменений — без глобальных перестроек — производительность выросла на 25%, а простои сократились. И всё это — за счёт точечной работы, без «революций».
Шаг 2. Наводим порядок
Мы поняли важную вещь: внедрять ИИ в бизнес-процессы, где нет порядка — это ускорять беспорядок. Поэтому сделали «разбор полётов» — расписали, кто за что отвечает, как вообще у нас всё работает, какие действия повторяются, а какие — это рутинные задачи, которые можно сократить.
И вот только после этого начали автоматизировать. Внедрили чек-листы, простые стандарты — чтобы у всех был один «язык» работы. Без этого толку от ИИ будет мало.
Шаг 3. Подключаем нейросети — но не ради хайпа
Честно скажу: я сначала была скептично настроена насчёт ChatGPT, GigaChat и всей этой моды на нейросети. Но оказалось, они реально снимают кучу рутины. Вот примеры из нашего опыта:
- Автоматическая сортировка заявок клиентов — экономит 30–40% времени отдела;
- Прогнозирование закупок — помогло уменьшить запасы на складе и не закупать лишнего;
- Автоматическая генерация отчётов — больше не нужно сидеть ночами и сводить таблицы вручную.
Главное — не бояться пробовать. Мы начинали с одного процесса — и просто «нащупывали», что даёт эффект.
Шаг 4. PDCA по-новому — быстро и без бюрократии
Раньше у нас цикл улучшений «планируй-делай-проверяй-действуй» длился неделями. Сейчас — всё видно на дашборде за пару минут. AI сам предлагает гипотезы, подсказывает, где проблемы, и даже считает эффект.
Это не фантастика — это нормальный рабочий инструмент. Главное, чтобы данные были в порядке (да, пришлось навести порядок и в этом).
Шаг 5. Считаем деньги — а не просто радуемся «оптимизации»
Самое важное — перевести улучшения в деньги. Мы ввели простую юнит-экономику: считаем, сколько стоит каждый процесс, сколько он приносит, и сколько можно сэкономить или заработать после изменений.
Например, оптимизация маршрутов доставки сэкономила нам 25% на логистике. А лучшее планирование закупок — ещё 12% на товарных остатках. Когда видишь реальные цифры — появляется азарт, хочется делать больше.
Что я поняла за это время
- ИИ — это супер инструмент. Но без порядка в процессах он не поможет.
- Начинать нужно с малого — с одного узкого места.
- Главное — действовать, а не ждать, когда «всё созреет».
Если вы сейчас на перепутье и не знаете, с чего начать — просто возьмите один процесс и попробуйте применить к нему подход Lean + ИИ. Результат не заставит себя ждать.
