TL;DR: Большинство компаний используют AI как дорогой блокнот. Не потому что владельцы тупые — а потому что никто не объяснил разницу между «попросить ChatGPT написать письмо» и «встроить AI в ДНК компании». Разбираем восемь уровней зрелости, честно говорим где у большинства реально дыра, и объясняем, почему устойчивое преимущество — это не про инструменты.
Недавно один предприниматель на подкасте признался: он платит $200 в месяц за подписку ChatGPT и использует только папки.
Это примерно как купить Ferrari и ездить на первой передаче. Причём считать, что ты уже «в теме».
Таких историй — большинство. И это не про лень. Это про отсутствие карты. Вот карта.
Уровень 0: Сопротивление
«AI — это хайп. Нейросеть делает картинки с котиками. Нам это не нужно».
Компании на этом уровне иногда даже запрещают сотрудникам использовать ChatGPT. Логика понятна: «не засовывайте наши секретные документы куда попало».
Проблема в том, что сотрудники всё равно засовывают. Договора, переписки, стратегии — всё уже давно в публичных чатах. Запрет без альтернативы — это иллюзия контроля.
Риски уровня 0: конкуренты уходят вперёд, лучшие кандидаты не хотят работать в компании без AI-культуры, а вы тратите время на то, что скоро будет автоматизировано само.
Уровень 1: Хаос
Кто хочет — тот пользуется. Маша из маркетинга купила подписку сама. Вася из продаж — нет. Петя из разработки использует что-то бесплатное.
Это называется хаосом, потому что:
- Нет централизованного контекста компании. Каждый разговор с AI начинается с нуля
- Сотрудник уходит — и уносит с собой накопленный «мозг» своих промптов и ассистентов
- Данные утекают в публичные модели (подробнее об этом ниже)
- Нет эффекта масштаба: один сотрудник прокачался, остальные не знают
Спойлер: примерно 85–90% компаний СНГ сейчас на уровнях 1–2.
Уровень 2: Точечные инструменты
Купили Midjourney для дизайнеров, Notion AI для менеджеров, что-то для презентаций. Все разные, никак не связаны, дорого в сумме.
Это уже лучше нуля. Но проблема та же — разрозненность. Нет единой экосистемы, нет общего контекста, высокая стоимость владения при пересчёте на результат.
Уровень 3: Обучение команды
Вот здесь начинается реальная работа.
Компания вводит корпоративный тариф (ChatGPT Teams, Gemini Enterprise, Anthropic для бизнеса). При онбординге сотрудник получает доступ так же, как получает корпоративную почту.
Важный момент, который часто пропускают: правильная работа с ChatGPT — это не «написать промпт». Это создание кастомных ассистентов под конкретные задачи отдела. HR создаёт ассистента для первичного скрининга. Маркетолог — для брифов. Менеджер по продажам — для подготовки КП.
Покажите мне чужой ChatGPT — скажу вам реальный уровень пользователя. У новичка: пустой экран, история из пяти случайных запросов. У продвинутого: десяток настроенных проектов, кастомные ассистенты, библиотека промптов.
Результат уровня 3: рост продуктивности команды на 20–30%. Некоторые сотрудники — в 2–3 раза. Но это всё ещё ручная работа. Автоматизации нет.
Уровень 4: Процессная автоматизация
AI теперь не помощник — он автоматизатор. Разница принципиальная.
Как выглядит в жизни:
- Бот поддержки закрывает 60–70% обращений без человека
- После каждого звонка автоматически создаётся summary и отправляется в CRM
- Лиды квалифицируются AI до того, как попадут к менеджеру
- Еженедельный дайджест по проекту генерируется ночью, к утру уже готов
Самый крутой пример уровня 4 — Gemini Enterprise в Google Workspace. Все встречи транскрибируются автоматически. Все решения фиксируются. Вы можете спросить: «Что у нас было решено по проекту X за последний месяц?» — и получить сводку по всем митам, письмам и задачам. Не потому что кто-то написал отчёт. Потому что AI всё время был в контексте.
Результат уровня 4: экономия времени 30–50%, масштабирование без найма, консистентное качество процессов.
Осторожно: требует технической экспертизы для настройки. На этом уровне в компании должен появиться человек, который «хранит» AI-экспертизу.
Уровень 5: AI-агенты
Агент — это LLM плюс инструменты плюс цикл рассуждений. Он не просто отвечает на вопрос — он выполняет задачу: заходит на сайт, читает данные, пишет письмо, обновляет таблицу, сообщает о результате.
Пример из реальной практики: предприниматель каждое утро получает от агента дайджест бизнес-идей. Агент мониторит 12 источников, и если находит подтверждение идеи минимум в трёх — отправляет отчёт. Нет подтверждения — молчит. Параллельно другой агент может эту идею передать агенту-разработчику, который соберёт прототип.
Это не фантастика. Это Open Interpreter, Claude Computer Use, AutoGen — production-ready инструменты уже сейчас.
Но важно понимать ограничения, о которых обычно не говорят:
- Длинные цепочки агентов накапливают ошибки. Чем больше шагов — тем выше вероятность, что где-то что-то пойдёт не так
- Стоимость: часы работы агента на GPT-4o-уровне — это не копейки
- Нужен мониторинг. «Работает 24/7» не означает «работает правильно 24/7»
Результат уровня 5: снижение нагрузки на людей, фокус людей на стратегию, а не операционку.
Уровень 6: Мультиагентные системы
Несколько агентов работают вместе. Есть оркестратор, который следит за процессом, и суб-агенты под конкретные задачи. По сути — AI-отдел.
В разработке это выглядит так: бизнес-требования подаются на вход, оркестратор разбивает задачу, отдаёт суб-агентам, проверяет качество каждого этапа. Человек не пишет код — он формулирует задачу и ревьюит результат.
Экономия ФОТ до 60%. Масштабирование без ограничений по найму.
Это реальность для технологических компаний уже сейчас. Для большинства SMB — горизонт 1–2 года.
Уровень 7: AI-first компания
AI встроен в ДНК. Не «мы добавили AI в процессы» — а «все новые процессы изначально проектируются с AI». При каждом новом найме: «а почему эту задачу не сделает AI?»
Это легко строить с нуля. Сложно переделывать из существующего. Именно поэтому стартапы-одиночки с AI сейчас строят компании оценкой $10M+ с командой из 2–3 человек.
Уровень 8: Адаптивный AI
AI сам замечает, что конверсия упала — и меняет воронку. Сам видит, что UX стал хуже — и оптимизирует. Вы узнаёте об этом постфактум.
Это горизонт 3–5 лет для большинства компаний. Сейчас это уровень frontier-лабораторий и самых продвинутых tech-компаний.
Три вещи, которые вам не сказали
1. «Модель учится на ваших данных» — это неправда (в большинстве случаев)
Когда вы загружаете документы в ChatGPT — модель их не запоминает. Это называется контекстным окном: AI читает файлы в момент запроса, как сотрудник читает папку перед митингом. После сессии — забывает.
Настоящее обучение модели на ваших данных — это fine-tuning. Меняет веса модели. Стоит дорого, требует тысячи качественных примеров, нужно обновлять при изменении данных. Для 99% SMB-задач не нужен.
То, что реально работает и доступно уже сейчас — это RAG (Retrieval-Augmented Generation). Ваши данные хранятся в векторном хранилище, при запросе AI ищет релевантные куски и включает их в контекст. Это и есть «корпоративный мозг» — не магия, а инженерия.
Следствие: накапливайте данные методично уже сейчас. Записи встреч, решения, процессы — всё это станет вашим конкурентным активом. Инструменты дешевеют, данные — нет.
2. Безопасность — это не паранойя
OpenAI и Anthropic не тренируют модели на данных Enterprise-аккаунтов. Но бесплатный ChatGPT — другая история: данные могут использоваться, если это не отключено в настройках.
Для серьёзного корпоративного внедрения:
- Azure OpenAI / AWS Bedrock / Google Vertex AI — данные не покидают облако клиента, есть SLA и audit logs
- Ollama / vLLM с открытыми моделями (Llama 3.1, Mistral) — данные вообще не уходят наружу. Актуально для банков, юристов, медицины
GPT-порталы и агрегаторы удобны для старта. Но для корпоративного внедрения на уровне 4+ — нужны enterprise-решения с data residency.
3. Без корневой компетенции AI — машина для производства красивого мусора
Это самый честный тезис, который прозвучал в подкасте.
Попросите AI написать сценарий прогрева аудитории — он напишет. Хороший ли? Если вы не маркетолог — не знаете. Попросите AI провести юридический анализ договора — он проведёт. Верный ли? Если не юрист — не знаете.
LLM — это генеративная машина, не оракул. Она производит правдоподобный текст, а не истину. Разница критична.
Правильное решение: нанимайте советников с экспертизой в предметной области + используйте AI для ускорения их работы. Не заменяйте экспертизу AI — используйте AI внутри экспертизы.
Есть и технический способ — LLM-as-judge: пусть другая модель (например, GPT-4o) оценивает выход первой по заданным критериям. Reproducible, быстро, дёшево. Это стандартная практика в ML-командах.
С чего реально начать: дорожная карта без воды
Шаг 1. Купите корпоративный тариф. ChatGPT Teams, Gemini for Google Workspace или Anthropic для бизнеса. Не бесплатные аккаунты. Это стоит $20–30 на сотрудника в месяц — меньше одного часа их работы.
Шаг 2. Выберите один процесс с высоким ROI. Не «всю компанию» — один процесс. Поддержка, найм, подготовка КП, аналитика встреч. Доведите его до L4 — докажите бизнес-кейс.
Шаг 3. Назначьте ответственного. Не «поручите команде» — назначьте конкретного человека, который отвечает за AI-зрелость компании. Операционный директор, HR-партнёр, технический директор. Без персональной ответственности — ничего не внедрится.
Шаг 4. Собственник должен пройти это сам. Хотя бы на уровне 3. Не потому что должен кодить — а потому что без личного понимания он перестанет выделять бюджет при первом же сопротивлении команды.
Шаг 5. Начните накапливать данные. Транскрибируйте встречи, записывайте решения, фиксируйте процессы в структурированном виде. Это ваш будущий датасет. Инструменты — commodity. Данные — нет.
Почему «пойти разберусь сам» — почти всегда ошибка
Дофаминовая петля от AI реальна. Вы ставите себе Claude Code или Open Interpreter, проводите ночь в восторге, а через неделю — бизнес стоит, команда не двигается, а вы объясняете, почему «оно не совсем то».
Устойчивое внедрение — это не спринт одного предпринимателя. Это системная работа с командой, с процессами, с измерением результата.
И главное: инструменты дешевеют быстро. То, что сегодня стоит $200/мес, через год будет стоить $20. Конкурентное преимущество не в том, что у вас есть доступ к GPT-4o. Оно в данных, которые вы накопили, и в культуре, которую вы выстроили. Вот это конкуренты не скопируют за полгода.
Окно сейчас — не потому что инструменты уйдут. А потому что данные и привычки накапливаются долго.
Информацию по предметной области предоставил Игорь Рябушкин.
P.S. Если хотите попробовать разные модели без VPN и геморроя с иностранными картами — GPTunnel собрал ChatGPT, Claude и остальных в одном месте с оплатой в рублях. Удобно для первого погружения, пока не выстроили корпоративную инфраструктуру.