ИИ не приживается в компании, когда его покупают как очередную программу, хотя вводить в работу его нужно как толкового стажёра (быстрого и начитанного, но не знающего ваших клиентов и ни за что не отвечающего). Стажёру дают одну понятную задачу, наставника из числа сотрудников, правила о том, что можно показывать, и испытательный срок, после которого решают, оставлять его или нет. Компании, которые вместо этого покупают подписки всем и объявляют «давайте внедрим ИИ», рискуют через месяц вернуться к старому.
Оговоримся сразу. Сравнение со стажёром говорит о том, как вводить ИИ в работу, но ничего не говорит о потолке его возможностей. ИИ умеет гораздо больше, чем отвечать в окне чата: ИИ-агенты (программы, которые сами выполняют цепочку действий в ваших системах) разбирают входящие заявки, заполняют CRM и учётную систему, сверяют документы и готовят ответы клиентам. Там, где работа повторяется изо дня в день, такая автоматизация может забрать участок почти целиком (человеку остаются исключения и проверка). В небольшой компании за таким участком обычно стоят один-два сотрудника. Какие ещё задачи ИИ берёт на себя, мы разобрали в статье про семь типов задач. Эта статья о другом: почему даже сильный инструмент не приживается, пока к нему не готовы люди.
ИИ внедряют не в компьютеры, а в привычки людей.
Типичная история, которая заканчивается ничем
Эта история собирательная, но многим руководителям она покажется знакомой. Директор прочитал пару статей или вернулся с конференции под впечатлением и написал в рабочий чат: «Коллеги, давайте внедрять искусственный интеллект». Купили несколько подписок, кто-то посмотрел обучающее видео, и первую неделю все с азартом просили нейросеть сочинить поздравление клиентам или придумать название для акции.
Ко второй неделе выяснилось, что ответы для настоящей работы приходится долго перепроверять, что договоры и базу клиентов загружать в сервис нельзя, хотя без них от него мало пользы, и что никто толком не понимает, кто за всё это отвечает. К концу месяца каждый вернулся к привычному способу работы, а на планёрке прозвучал приговор: «Нам это не подходит».
Нейросеть в этой истории ни при чём. Не было задачи, ради которой всё затевалось, не было человека, который отвечал бы за результат, и никто не договорился, как понять, получилось или нет. Если бы так же «внедряли» нового сотрудника (взяли, ничего не поручили и через месяц удивились, что толку нет), винить его самого никому бы и в голову не пришло.
Стажёр, которого вы уже взяли, сами того не зная
Прежде чем что-то внедрять, полезно знать одну неудобную вещь: в вашей компании ИИ, скорее всего, уже работает, просто без вашего ведома. Исследователи MIT, изучавшие внедрение ИИ в бизнесе в 2025 году, обнаружили показательный разрыв. Официальную подписку на языковую модель купили меньше половины компаний, а сотрудники почти всех компаний регулярно пользуются для работы личными ИИ-сервисами (The GenAI Divide). Большой международный опрос Microsoft и LinkedIn показал то же самое с другой стороны. Большинство тех, кто пользуется ИИ на работе, приносят туда собственные инструменты, а больше половины предпочитают не признаваться, что применяют их в самых важных задачах (Work Trend Index 2024).
В Беларуси ИИ тоже давно не экзотика: по опросу МАСМИ в феврале и марте 2026 года его для рабочих задач использует почти половина опрошенных компаний (Onliner).
Для руководителя это одновременно хорошая и плохая новость. Хорошая в том, что у вас уже есть люди, которые разобрались в инструментах и нашли им применение. Плохая в том, что рабочие документы, переписка с клиентами и их персональные данные могут уходить в зарубежные сервисы через личные аккаунты. Передача персональных данных на территорию другого государства по закону считается трансграничной (НЦЗПД), а Национальный центр защиты персональных данных отдельно разъяснял, когда при работе с ИИ-сервисами она недопустима (разъяснение НЦЗПД). Так что это уже вопрос соблюдения закона, и подробно мы разбирали его в статье про ИИ в малом бизнесе.
Запрещать при этом бесполезно. В исследовании BCG большинство сотрудников сказали, что без одобренных компанией инструментов найдут альтернативу и всё равно будут ей пользоваться (AI at Work 2025). Запрет просто загонит ИИ в тень, где его ещё труднее контролировать.
Шаг 1. Узнать, кто уже работает с ИИ
Начните с короткого анонимного опроса (анонимность здесь важна, иначе честных ответов не будет): кто пользуется ИИ, в каких сервисах и для каких задач. Найдутся и люди, которые давно экономят себе время, и задачи, о которых руководитель даже не подозревал.
В конце анкеты предложите оставить имя тем, кто готов рассказать подробнее, и позовите этих людей на разговор (отчитывать их незачем). Они расскажут, где ИИ действительно помогает в вашей специфике, а где только кажется полезным, и потом помогут освоиться остальным.
Шаг 2. Правила для стажёра: что ему можно показывать
Новому сотруднику в первый же день объясняют, к каким документам у него есть доступ. С ИИ нужна такая же ясность, причём в виде памятки на одну страницу (длинный регламент никто не прочитает). Примерно такой:
Можно загружать обезличенные тексты: описания товаров, черновики писем без имён, инструкции, тексты для сайта, код без паролей и ключей.
Нельзя загружать персональные данные клиентов и сотрудников, договоры с коммерческой тайной, пароли, выгрузки из учётных систем.
Работаем только в разрешённых сервисах из списка, личные аккаунты для рабочих задач не используем.
Отвечает за любой результат человек: всё, что уходит клиенту, сначала проверяет сотрудник.
Сомневаетесь, можно ли что-то загрузить? Спросите ответственного (имя и контакт).
Такая памятка снимает главный страх сотрудников («а мне за это ничего не будет?») и главный риск компании, а заодно выводит из тени то, что люди и так уже делают.
Шаг 3. Первая задача и наставник
Стажёру не поручают в первый же день переговоры с ключевым клиентом. ИИ тоже стоит начинать с задачи, которая повторяется часто, понятна без долгих объяснений и быстро проверяется. Как это определить на практике, мы разбирали в статье про правило проверки. Хорошие кандидаты на роль первой задачи: описания товаров, тексты для сайта, черновики типовых ответов без имён и контактов, поиск по внутренним инструкциям. Разбор входящих заявок и протоколы совещаний тоже напрашиваются, но в них почти всегда есть имена и телефоны. Их лучше отложить до момента, когда станет ясно, где именно будут обрабатываться данные (об этом в пятом шаге).
Плохие кандидаты, как ни странно, те, что приходят в голову первыми. Чат-бот для клиентов на сайте заметен и эффектен, но его ошибку сразу видит клиент, а выгода от него часто скромнее, чем от незаметной работы во внутренних процессах. В отчёте MIT отмечено, что внедрения в бэк-офисе часто окупались быстрее тех, что на виду. Решения о людях (отбор резюме, оценка сотрудников) тоже лучше отложить: здесь выше и цена ошибки, и юридические риски.
У задачи обязательно должен быть наставник. Лучше всего на эту роль подходит руководитель того участка, где задача решается (тот, кому она больше всех мешает жить), в паре с одним из энтузиастов, найденных на первом шаге. Наставник решает, что считать хорошим результатом, и следит, чтобы эксперимент не затих сам собой.
Шаг 4. Испытательный срок
Пилот без даты окончания почти всегда превращается в вечный эксперимент, который никто не решается ни закрыть, ни расширить. Поэтому срок определяют заранее (как правило, хватает двух-четырёх недель) и до старта договариваются, по каким признакам будут судить о результате. Признаки могут быть совсем простыми: люди сами открывают инструмент без напоминаний, на типовую задачу уходит заметно меньше времени, ошибок не стало больше, клиенты не жалуются.
Во время испытательного срока полезно вести журнал неудобств (где ИИ ошибся, что пришлось переделывать, чего не хватило) и раз в неделю собираться всем участникам на четверть часа. Из этих встреч и складывается инструкция по работе с ИИ именно в вашей компании, написанная на опыте ваших же сотрудников.
По итогам срока возможны три честных решения: оставить и расширить, переделать (сменить задачу, сервис или порядок проверки) или закрыть. Закрытие тоже нормальный результат, ведь месяц эксперимента обходится дешевле, чем годы подписок, которыми никто не пользуется. А если захотите оценить результат в деньгах, формула есть в материале про окупаемость автоматизации.
Шаг 5. Из стажёров в штат
Стажёр становится полноценным сотрудником, когда работает внутри команды, а не в соседней комнате. С ИИ происходит то же самое: пока им пользуются в отдельной вкладке браузера (скопировал, вставил, получил ответ, скопировал обратно), он остаётся игрушкой для энтузиастов. Привычкой он становится, когда встроен туда, где люди и так работают (в почту, CRM, учётную систему или мессенджер), и сам предлагает черновик ответа, раскладывает заявки по ответственным или находит нужный пункт в документах. На следующей ступени появляются ИИ-агенты: получив письмо с заказом, агент сам создаёт документ в учётной системе и готовит ответ клиенту, а человеку остаётся проверить ответ и разобрать спорные случаи.
Этот шаг самый технический, ведь здесь нужны интеграции, настройка доступов, а иногда и своё оборудование, если данные нельзя выпускать за пределы офиса. На нём же решается, где будут обрабатываться персональные данные (и тогда можно вернуться к заявкам и протоколам, отложенным на третьем шаге). Поэтому именно на этом шаге обычно имеет смысл звать подрядчика, а первые четыре компания вполне способна пройти сама.
Обучение на этом этапе нужно скорее про проверку результата, чем про «искусство составления запросов»: что ИИ делает хорошо, где он уверенно ошибается и как быстро это заметить. По данным BCG, регулярно пользуются ИИ гораздо чаще те, кто прошёл не меньше пяти часов обучения и мог заниматься очно, с тренером.
Люди: страх, скепсис и энтузиасты
Самое сложное во внедрении ИИ связано вовсе не с техникой. В том же опросе Microsoft каждый второй пользователь ИИ признался, что боится выглядеть заменимым, если будет применять его в важных задачах. Пока этот страх не проговорён вслух, люди будут пользоваться ИИ тайком, а то и открыто саботировать его.
Поэтому о целях лучше сказать прямо. Если ИИ должен снять с людей рутину и сокращать никого не собираются, так и скажите. Если же какой-то участок он заберёт почти целиком, честнее объявить об этом заранее и объяснить, чем займутся те, кто на нём работал. Есть и исследование, на которое удобно опереться в таком разговоре. В эксперименте с сотрудниками службы поддержки больше всего выиграли новички, потому что ИИ фактически передавал им приёмы лучших коллег, а опытным сотрудникам почти ничего не добавил (NBER). Для команды это хороший аргумент: ИИ помогает новичкам быстрее войти в работу, а учит он их на опыте сильных сотрудников.
Скептики тоже полезны, если дать им правильную роль. Пусть они проверяют результаты ИИ и ищут ошибки, у них это обычно получается лучше всех. Энтузиастов, наоборот, важно не перегрузить: если внедрение держится на одном человеке, который занимается им в свободное время, оно закончится вместе с его энтузиазмом.
И последнее: пример руководителя работает сильнее любых приказов. По данным BCG, при заметной поддержке руководства доля сотрудников, которые хорошо относятся к ИИ, вырастает больше чем втрое. Если директор сам пользуется ИИ и рассказывает команде, что у него получилось (и что не получилось), остальным начинать гораздо проще.
Где внедрение обычно ломается
Ошибка | Как это выглядит | Что делать вместо |
|---|---|---|
Начали с инструмента | «Купили подписку, теперь придумываем, зачем» | Начинать с задачи, которая мешает жить |
Всем и сразу | Подписки на весь офис, через месяц ими никто не пользуется | Один отдел, одна задача, один наставник |
Чат-бот первым делом | Клиент видит ошибку раньше вас | Начинать с внутренних процессов |
Запретили | ИИ уходит в личные аккаунты вместе с данными | Памятка и список разрешённых сервисов |
Пилот без финиша | Эксперимент идёт полгода, решения нет | Срок и признаки успеха заранее |
Когда начинать рано
Иногда разумнее сначала заняться другим.
Процесс не описан. Если каждый делает по-своему, ИИ просто ускорит хаос.
Данных в электронном виде нет. Заявки живут в блокноте, а остатки в голове у кладовщика.
Команда в аврале. Учиться новому некогда, и пилот провалится, даже если инструмент хороший.
Руководитель не готов пробовать сам. Без его примера внедрение превращается в обязаловку.
Некому быть наставником. Если у руководителя участка нет даже часа в неделю на пилот, эксперимент затихнет сам собой.
Что дальше
Расскажите, какую задачу вы бы отдали ИИ в первую очередь и кто сейчас её выполняет. Подскажем, подходит ли она для пилота, какие правила понадобятся вашей команде и с чего начать, чтобы через месяц был понятный результат. Бесплатно, обычно отвечаем в течение рабочего дня.
Встраивание ИИ в рабочие процессы и системы берёт на себя направление автоматизации, а выбрать задачу и составить план внедрения можно в рамках консалтинга.