Добавить в корзинуПозвонить
Найти в Дзене

Почему ИИ в компании чаще тормозят люди

Достаточно частый сценарий по всему миру, когда "Нейросети нам как-то не зашли". Собственник покупает доступ к сервисам, поручает команде “начать использовать ИИ”, через две недели получает несколько текстов, пару картинок и делает вывод, что инструмент переоценен. В этот момент проблема обычно не в сервисе. Проблема в том, что внутри компании никто не определил, где именно ИИ должен давать результат и кто за этот результат отвечает. Самый частый сбой происходит в отделе продаж. Руководитель просит менеджеров применять ИИ для переписки с клиентами. Менеджеры открывают сервис, вставляют запрос, получают гладкий, безликий текст и отправляют его в диалог. Клиент читает и не отвечает. После этого появляется привычный вывод: “пробовали — не работает”. Хотя причина понятна: никто не дал примеры удачных сообщений, никто не определил, на каких этапах воронки ИИ нужен, а где он только портит контакт. Сервис подключили. Задачу не поставили. Вторая типичная история — маркетинг. Компании начина

Почему ИИ в компании чаще тормозят люди

Достаточно частый сценарий по всему миру, когда "Нейросети нам как-то не зашли".

Собственник покупает доступ к сервисам, поручает команде “начать использовать ИИ”, через две недели получает несколько текстов, пару картинок и делает вывод, что инструмент переоценен. В этот момент проблема обычно не в сервисе. Проблема в том, что внутри компании никто не определил, где именно ИИ должен давать результат и кто за этот результат отвечает.

Самый частый сбой происходит в отделе продаж. Руководитель просит менеджеров применять ИИ для переписки с клиентами. Менеджеры открывают сервис, вставляют запрос, получают гладкий, безликий текст и отправляют его в диалог. Клиент читает и не отвечает. После этого появляется привычный вывод: “пробовали — не работает”. Хотя причина понятна: никто не дал примеры удачных сообщений, никто не определил, на каких этапах воронки ИИ нужен, а где он только портит контакт. Сервис подключили. Задачу не поставили.

Вторая типичная история — маркетинг. Компании начинают быстро выпускать контент через ИИ, но не задают рамки: какой стиль допустим, какие формулировки запрещены, где нужен редактор, кто отвечает за проверку фактов. Через месяц лента становится одинаковой, тексты — пустыми, объявления — похожими друг на друга. Команда действительно ускоряется. Только ускоряется в производстве посредственного материала. Для бизнеса это не рост, а ускоренное снижение качества.

Третий провал — на уровне управления. В компании нет человека, который ведет внедрение как рабочий проект. Есть собственник с ожиданиями, сотрудники с опасением, что их начнут сравнивать с машиной, и руководители среднего звена, которым лишняя прозрачность просто невыгодна. Как только ИИ показывает, что часть задач можно делать быстрее, сразу становится видно, где затягиваются сроки, копится хаос и слабая работа прикрывается сложными формулировками. По этой причине сопротивление часто идет не снизу, а из середины структуры.

Отдельная проблема — отсутствие нормальных критериев оценки. Многие до сих пор смотрят на ИИ как на интересную функцию. Для бизнеса это бесполезный подход. Нужно считать, сколько времени экономится на одной операции, сокращается ли срок подготовки коммерческого предложения, растет ли скорость обработки заявок, снижается ли нагрузка на конкретного сотрудника. Пока этого нет, обсуждение быстро скатывается в субъективщину: одному кажется, что стало лучше, другому — что раньше было надежнее. На таких основаниях ничего не внедряют.

Есть еще один момент, который часто замалчивают. ИИ требует от сотрудников более высокого уровня мышления. Уже недостаточно просто выполнять действия по привычке. Нужно уметь ставить задачу, проверять результат, замечать слабые места, дорабатывать материал. Для части команды это неудобно. Потому что быстро выясняется: проблема была не в объеме работы, а в качестве мышления над этой работой.

Поэтому нормальное внедрение начинается не с выбора модного сервиса. Оно начинается с жесткого вопроса: где в компании есть дорогая, повторяющаяся, понятная задача, которую можно ускорить без потери качества. Например: первичная квалификация заявок, подготовка коммерческих предложений, анализ звонков, генерация вариантов объявлений, разбор клиентских возражений, создание базы ответов для менеджеров. Вот там есть смысл тестировать ИИ. Все остальное — лишний шум.

Если команда “не включилась”, причина обычно одна из четырех: нет конкретной задачи, нет владельца процесса, нет правил, нет цифр. И почти всегда сверху пытаются внедрить новый инструмент, не меняя старый порядок работы.

Пока одна компания рассуждает, полезен ли ИИ в принципе, другая уже сокращает цикл работы в продажах, быстрее запускает рекламу и разгружает сотрудников от рутины. Вопрос давно не теоретический. Либо бизнес пересобирает конкретные процессы, либо продолжает платить за действия, которые уже можно делать быстрее, точнее и дешевле.

А как вы внедрили ИИ в свою компанию или в свою деятельность? Какие были препятствия? Поделитесь в комментариях.

Если пост был полезен, поставьте свои реакции