Ловушка коровьей тропы: почему внедрение ИИ в малом и среднем бизнесе не дает результатов

Три года назад предприниматели спрашивали: «Стоит ли внедрять искусственный интеллект?». Теперь их чаще интересует иное: «Почему у нас не работает так, как у других?». Путь от любопытства к практике пройден, но большинством — с синяками и ссадинами. Я более десяти лет работаю с малым и средним бизнесом Сибири и наблюдал несколько волн цифровизации. Та. что пришлась на 2023...2025 — самая быстрая и неоднородная по результатам. Причина почти всегда одна.

Главная ошибка: инструмент без процесса

Хороший разработчик перед запуском новой функции в релиз убирает лишнее, исправляет ошибки, шлифует логику. С бизнес-процессами также: прежде чем встраивать ИИ, процесс нужно описать, почистить дублирования, зафиксировать правила. Иначе он наследует хаос, усиливая энтропию.

Подключить языковую модель или чат-бот и назвать это цифровой трансформацией — самообман. ИИ приносит пользу, только будучи встроенным в цепочку действий с ясной задачей, данными и ролью.

Ведущие эксперты подтверждают: 74% компаний в России не получили ожидаемого эффекта от внедрения искусственного интеллекта, и одна из ключевых причин — так называемое «асфальтирование коровьих троп» (иными словами: автоматизация старых неэффективных процессов без их переосмысления через парадигму ИИ).

Выбор, который решает

Есть два пути подключения искусственного интеллекта к бизнесу.

Первый — встраивание в существующий процесс. Быстро, дешево, рост эффективности на 10... 20%. Подходит для зрелых компаний и описанных процессов.

Второй — проектирование нового процесса вокруг возможностей ИИ. Сложнее, дольше, но дает кратный рост.

Большинство компаний начинает с встраивания, и это нормально. Проблема — когда по этому пути идут там, где нужен второй. Пример: компания внедрила ИИ-помощника в CRM для обработки заявок и получила нулевой эффект. Причина: проблема была не в скорости, а в том, что половина обращений шла через канал, не подключенный к системе. Иначе сказать: ИИ идеально автоматизировал неправильный процесс.

Старые процессы создавались под ограничения, которых больше нет. Менеджер обзванивал клиентов по очереди, оператор вручную заполнял карточки, руководитель ждал отчет неделю. ИИ снимает эти ограничения, но только если мы перестраиваем логику, а не добавляем новый слой поверх старого. 

Еще пример. Одна компания перепроектировала весь путь клиента: что делает ИИ, что — человек, как они передают задачи. Результат: замена человеческого труда на 40% рутинных операций. Финансовый сервис создал принципиально новую схему обслуживания, в которой ИИ-агент обрабатывает запросы, эквивалентные работе 700 сотрудников.

Цифры и реальность МСБ

В 2025 уже 71% российских компаний применяют генеративный ИИ хотя бы в одном процессе. Объем рынка — $1,45 млрд в 2025, в 2026 ожидается рост до $2,1 млрд. Однако в сегменте МСБ на начало 2025 (более поздние данные пока не опубликованы) лишь 18% малых и микропредприятий реально использовали ИИ (годом ранее — 7%). Рост двукратный, но это эффект низкой базы. И главное: большинство внедрений — это встраивание ИИ поверх старых процессов. В проектирование пошли единицы, и именно они формируют позитивные кейсы.

Три работающих сценария для МСБ 

1. Прогнозирование спроса и управление остатками. Сеть пекарен изменила планирование производства на основе истории продаж за 2,5 года: точность прогноза оказалась на уровне 90%, списания сократились с 35% до 15%, маржа выросла с 40% до 52%.

2. Персонализация коммуникаций. Городская сеть магазинов перешла от массовых рассылок к персональным предложениям по поведенческим портретам. Доля повторных покупателей выросла на 80%.

3. Анализ голосовых коммуникаций. Оператор ШПД внедрил искусственный интеллект для распознавания речи, определения темы, маршрутизации и оценки эмоционального тона в реальном времени. Итог: новый процесс с четким разделением ролей оператора и ИИ.

Алгоритм действий для руководителя или собственника компании МСБ

1. Найдите процесс с самой высокой ценой ошибки или потерь. Один процесс — один пилот.
2. Задайте вопрос: «Если бы этого процесса не существовало, и мы создавали его с нуля сегодня, зная возможности ИИ, — как бы он выглядел?».
3. Проверьте качество данных. Нет истории и ретроспективы — нет прогноза. Если CRM не заполнена — сначала исправьте это.
4. Сформулируйте цель в числах. «Сократить время обработки клиентской заявки с 4 часов до 30 минут» — похоже на формулировку цели пилота. «Улучшить сервис» — точно нет.
5. Запустите пилот на 30... 60... 90 дней, зафиксировав метрики «до» и «после». Масштабируйте постепенно: наблюдение при точечном трафике, затем уже полный запуск.
6. Обучите команду до старта. Новый процесс без подготовленных людей не заработает.

По существующим оценкам, к 2030 экономический эффект от ИИ в России достигнет уровня 7,9... 12,8 трлн рублей в год. Его наличие в процессах станет не преимуществом, а базовым требованием. Сибирь в целом и Красноярск в частности не исключение.

Искусственный итнтеллект — не продукт, который покупают и ставят на полку. Это уже неотъемлемый компонент процесса. Он начинает приносить деньги только тогда, когда у него есть роль, данные и место в цепочке действий, а сам процесс спроектирован под его возможности.

Читайте по теме:

Евгений Шустов: использование ИИ для кадровых задач в МСБ превратилось в карго-культ

Несистемное внедрение искусственного интеллекта в процесс найма понижает его эффективность и делает результаты хуже.

Евгений Шустов: Автоматизация бизнеса — это брак по расчету. Эмоции недопустимы

Холодный ум, трезвый расчет и точные цифры — без этого не стоит даже начинать автоматизировать или цифровизировать бизнес-процессы, поскольку проку не будет.

Сергей Егошин: как нейросети меняют Красноярск

К 2030 объем мирового рынка систем видеонаблюдения достигнет $147,66 млрд против $73,75 млрд в 2024, прогнозируют аналитики Grand View Research.