Вокруг ИИ-сотрудников много шума: компании внедряют их в процессы, отказываются от найма новых специалистов и заявляют об экономии денег. На этом фоне легко поверить, что чем больше задач передать цифровому ассистенту, тем дешевле станет вести бизнес. Мы не поверили.
- 1. Введение
- 2. Что такое ИИ-сотрудник, его возможности
- 3. Сравнение расходов на человека и цифрового сотрудника
- 4. Опыт других компаний по внедрению ИИ-специалистов
- 5. Почему одни компании получают выгоду от использования ИИ, а другие — нет
- 6. Рекомендации по эффективному внедрению и сопровождению ИИ-сотрудников
- 7. Выводы
Введение
Одни компании заявляют о миллиардной экономии после внедрения искусственного интеллекта (ИИ), другие начинают возвращать сотрудников, которых ранее сократили в расчёте на автоматизацию. Чтобы понять реальную экономику такой замены, разберём несколько российских и зарубежных кейсов: какие задачи передавали ИИ, во что это обходилось компаниям и что происходило с затратами после автоматизации.
В итоге попробуем понять, сколько реально стоит такая замена и всегда ли она приводит к снижению расходов.
Что такое ИИ-сотрудник, его возможности
Точного определения термина «цифровой сотрудник» нет. Так могут называть чат-бота, который отвечает на вопросы клиентов, ИИ-ассистента, помогающего специалисту в работе, или автономного агента, который самостоятельно выполняет последовательность задач. Где-то он лишь предоставляет информацию, а где-то — получает доступ к корпоративным системам и выполняет рабочие операции.
Мы под цифровым сотрудником будем понимать программную систему на базе искусственного интеллекта, которой поручены определённые рабочие задачи. В зависимости от своих функций она может обрабатывать данные, принимать решения в заданных рамках и выполнять действия в доступных ей информационных системах.
Возможности человека и цифрового специалиста
Основа принятия решений. При выполнении рабочих обязанностей человек опирается на знания, опыт, восприятие контекста и способность принимать решения в условиях неопределённости. Искусственный интеллект действует иначе: использует данные, на которых был обучен, и информацию, доступную ему в процессе работы.
Опыт, накопленный за время трудовой деятельности, помогает людям корректировать действия в зависимости от ситуации. Столкнувшись с нестандартной задачей, они могут изменить привычный подход, даже если это не прописано в инструкции, например:
- выполнить больше работы, чем предусмотрено первоначальным алгоритмом;
- изменить последовательность действий или отказаться от части из них;
- выбрать другой способ решения задачи, если посчитают его более подходящим.
Способности ИИ применять такой «творческий» подход пока ограничены.
Скорость обработки информации. Искусственный интеллект за секунды обрабатывает «большие данные» благодаря аппаратным ускорителям, специализированным библиотекам и другим технологиям. Для человека такая работа потребует больше времени.
Усталость. Люди устают от длительной и монотонной работы, поэтому им нужны перерывы, выходные и отпуск для восстановления. Цифровой сотрудник не испытывает физической и эмоциональной усталости и может выполнять однотипные операции 24×7.
Ответственность за результат и риски
Даже при большом опыте человек может по-разному оценить одну и ту же ситуацию, упустить важную деталь или неверно расставить приоритеты. Результат зависит не только от информации, но и от того, как её интерпретируют.
У ИИ другой набор рисков. Например, избыточные привилегии, подмена цели, отравление памяти — и это только несколько примеров из OWASP Top 10 for Agentic Applications. Если угроза не будет обнаружена средствами контроля, цифровой сотрудник продолжит выполнять задачу уже на изменённой основе.
В тестовой системе ошибка в ответе или неверно выполненная команда обычно не приводят к серьёзным последствиям. Однако ситуация меняется, если ИИ используется в поликлинике для работы с медицинскими данными или получает доступ к управлению счетами на миллионы рублей. В таком случае ошибка или незаметная успешная атака уже не заканчивается неправильным ответом в чате: система может повлиять на реальные решения, деньги и здоровье людей.
Люди понимают последствия своих действий и могут осознанно взять на себя ответственность за то, что сделали. Искусственный интеллект не несёт ответственности за принятое решение: он выполняет заданную ему задачу в рамках заложенной логики, а ответственность в любом случае остаётся за человеком или организацией, которая его использует.
Сравнение расходов на человека и цифрового сотрудника
Обычная формула «доходы минус затраты» не подходит для оценки ИИ-сотрудника, так как результат его работы не всегда появляется в виде дополнительной выручки. Часть эффекта возникает за счёт сокращения времени на выполнение задач, снижения нагрузки на людей или уменьшения числа ошибок. Поэтому полученный эффект делят на группы:
- Прямой эффект — изменение затрат или доходов, которое можно непосредственно выразить в деньгах. Например, снизилась стоимость обработки одного обращения, сократились расходы на выполнение конкретной операции или увеличилось число обработанных заказов без дополнительных затрат.
- Косвенный эффект не даёт такой прямой денежной экономии, но влияет на эффективность работы. ИИ может сокращать время ожидания клиента в очереди, уменьшать количество ошибок, повышать доступность сервиса или освобождать сотрудников для более сложных задач. Здесь сначала оценивается изменение показателя, а затем его влияние на бизнес-результат.
- Стратегический эффект связан с возможностями компании в целом. Если после внедрения ИИ бизнес может обслуживать в два раза больше клиентов без пропорционального увеличения штата, меняется сама экономика масштабирования. Компания получает возможность расти без такого же роста операционных затрат.
Точно оценить все виды эффекта от ИИ-работника трудно, но основные показатели можно перевести в деньги и получить ориентировочную оценку. Здесь мы, конечно, не претендуем на математическую точность: прикидываем порядок цифр на основе открытых данных, логики и средних значений, чтобы просто понять масштаб возможного эффекта.
Во время анализа витрин ИИ-ассистентов мы заметили, что перечисленные для них обязанности не всегда соответствуют требованиям работодателей в описаниях вакансий. Например, на одном из сайтов разработчиков указано, что их ИИ-менеджер по продажам решает следующие задачи:
- общение с клиентами на естественном языке;
- ответы на вопросы о продуктах и услугах;
- сбор и обработка заявок;
- передача «тёплых» клиентов менеджерам.
Однако похожие обязанности мы нашли в описании вакансии «Оператор колл-центра». Поэтому в статье будет сравнение не по названию должности, а по схожему набору выполняемых обязанностей.
Рисунок 1. Требования к оператору колл-центра
Стоимость человека — оператора колл-центра
Поиск и наём. Компания «Атлас Проектов» поделилась универсальной формулой, которая позволяет посчитать стоимость найма одного работника:
Стоимость найма одного человека (Cost per Hire) = (прямые расходы + косвенные расходы + расходы на адаптацию) / общее количество найденных сотрудников
Типы расходов:
- Прямые — размещение вакансии, реклама, подписка на базы резюме, зарплата рекрутера, стоимость аутсорсинга персонала.
- Косвенные — время руководителя, затраченное на интервью, потерянная прибыль из-за незакрытой вакансии, ошибки в найме, временное снижение эффективности отдела.
- Расходы на адаптацию — обучение, стажировка, снижение производительности в первые недели.
По подсчётам «Атласа Проектов», стоимость найма одного работника в 2025 году варьировалась от 15 000 до 300 000 рублей, в зависимости от категории (массовый персонал, офисные специалисты, инженеры и так далее). По данным опроса Specter Consulting Group (SCG), результаты которого опубликовало РБК в феврале 2026 г., организации тратят на наём сотрудника в среднем 250 000 рублей и 38 дней.
Стандартный диапазон стажировки нового работника составляет 2 – 6 месяцев, самый распространённый — 3, как пишет CareerLab.
Значит, на этом этапе в среднем мы потратим 250 000 рублей с учётом трёхмесячной стажировки.
Оплата труда. Основная часть затрат: оклад, премии и другие выплаты по системе мотивации. По данным «ГородРабот.ру», средняя зарплата оператора составляет 55 140 рублей.
Рисунок 2. Зарплата оператора колл-центра в России с января по август 2026 г. (источник: «ГородРабот.ру»)
К ним добавляются обязательные страховые взносы и налоги, которые компания уплачивает как работодатель.
Расходы за 3 месяца стажировки уже включены. Поэтому посчитаем заработную плату за оставшиеся 9 и получим почти 500 000 рублей.
Рабочее место и программное обеспечение (ПО). Для офисного сотрудника это компьютер, монитор, периферия, мебель, телефон и другие необходимые устройства. Оборудование требует первоначальной его покупки и последующей замены или ремонта. В эту же группу входят аренда рабочего места, коммунальные расходы и содержание офиса. Сотруднику могут требоваться офисные приложения, корпоративная почта, CRM, ERP, специализированные программы, облачные сервисы и средства информационной безопасности (ИБ). Если ПО оплачивается по подписке, расходы возникают регулярно.
В качестве ориентира можно использовать нормативы госорганизаций. Так, Росаккредитация в 2026 году закладывает до 100 000 рублей на рабочую станцию одного сотрудника: монитор, системный блок, клавиатуру и мышь. Срок эксплуатации такой техники — два-три года. Однако наборы оборудования и допустимые расходы различаются в зависимости от типа рабочего места и потребностей конкретной организации.
Тогда на оборудование рабочего места и поддержание его в надлежащем состоянии пускай при лучшем раскладе уходит 35 000 рублей в год.
Социальный пакет и другие расходы. В зависимости от компании сюда входят добровольное медицинское страхование (ДМС), питание, транспорт, мобильная связь, спорт, обучение и другие компенсации. Отдельно могут учитываться командировки, профессиональное обучение, конференции, корпоративные мероприятия и так далее. Среднее базовое ДМС обходится в 2 000 рублей в месяц.
Итого. Для подсчёта воспользуемся калькулятором стоимости сотрудника для работодателя. Среднемесячную заработную плату округлим до 56 000 рублей на руки.
Рисунок 3. Подсчёт затрат работодателя на оператора колл-центра при помощи «МайКалк»
Получили около 86 000 рублей в месяц. Но т. к. 3 месяца — это стажировка, за 9 месяцев мы заплатим 774 000 рублей.
Таблица 1. Расходы на человека — оператора колл-центра за один год
|
Статья расходов |
Расходы (руб.) |
|
Поиск и наём (с учётом трёхмесячной стажировки) |
250 000 |
|
Рабочее место |
35 000 |
|
Другие статьи расходов (9 месяцев) |
774 000 |
|
Итого |
1 059 000 |
Стоимость цифрового оператора
По предложениям от российских разработчиков видно, что «ИИ-сотрудник» может стоить компании от десятков до сотен тысяч рублей. Причина, как мы писали выше, в том, что под одним названием предлагают варианты разного масштаба.
По данным Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ, самые распространённые способы получения необходимых ИИ-решений — заказные разработки технологий ИИ (56 %).
Рисунок 4. Способы приобретения технологий ИИ организациями по данным ИСИЭЗ НИУ ВШЭ
Разница в способах приобретения отражается на структуре расходов: в одном случае достаточно оплатить готовый сервис, в другом потребуются разработка, интеграция с корпоративными системами и дальнейшая поддержка. Необходимо учитывать цену подготовки данных, контроля качества и обеспечения безопасности. Отдельных ресурсов требуют участие человека в работе системы и устранение возможных ошибок в работе цифрового сотрудника.
Рассмотрим основные статьи расходов.
Разработка
ИИ-сотрудник может собираться из готовых компонентов и выполнять заранее заданный сценарий: получать запрос, обращаться к CRM, обрабатывать информацию и формировать ответ. Если стандартных инструментов недостаточно, разработчик создаёт собственную логику работы, подключает базы данных и настраивает взаимодействие агента с внутренними системами.
При работе с конфиденциальными данными отдельно учитываются требования к безопасности: маскирование, разграничение доступа, размещение решения в собственной инфраструктуре или использование защищённого контура.
Агент не получает знания о компании автоматически. Для его работы нужно подготовить документы, инструкции, регламенты, FAQ и другие материалы, которыми он будет пользоваться при обработке запросов. Если исходные данные не структурированы, их сначала следует привести к формату, пригодному для работы модели.
Разброс цен на разработку ИИ-сотрудника существенный: границы различаются на порядки (например, от 49 000 до 500 000 руб.). Сроки — от 1 недели.
Рисунок 5. Пример цен на разработку ИИ-ассистента у PapAI Soft
Пилотный проект для одного конкретного процесса может занять от 1 до 3 месяцев, по данным KT.Team. Полномасштабное внедрение и интеграция в несколько отделов — от полугода и более.
Содержание
Агенту нужны вычислительные ресурсы, а каждый запрос к модели имеет свою стоимость.
Аренда мощностей может обходиться в 5 000 — 20 000 рублей (и выше) в месяц.
Стоимость токенов зависит от объёма текста: чем больше запросов получает ИИ и чем больше информации обрабатывает, тем выше расходы. Цена также зависит от выбранной модели: более производительные из них стоят дороже.
Различают входные и выходные токены. Входные — это запросы пользователя и весь контент диалога, выходные — ответы модели. Когда пользователь пишет нейросети сообщение вида «напиши письмо», токенов тратится немного: ИИ читает короткий запрос и генерирует короткий ответ.
На сложные задачи, например проанализировать документ или найти ошибку, модель получает помимо запроса весь контекст вокруг него: документы, переписку и так далее. В результате токены потратятся на действия, которые пользователю не видны. Учтутся история диалога, прикреплённые файлы, промежуточные запросы, информация из репозитория, если сервис имеет доступ к нему. Чем больше контекста требуется модели для ответа, тем дороже будет стоить выполнение задачи. Цифровой сотрудник будет выполнять ещё больше действий, чтобы дать ответ пользователю: читать файлы, вызывать инструменты, проверять результат и так далее.
Токены можно оплачивать двумя способами: пакетами с заранее установленным количеством токенов или по модели «pay-as-you-go», когда компания платит только за фактически использованный объём. Во втором случае оплата производится ежемесячно по счёту-оферте или договору.
Рисунок 6. Пример стоимости пакета токенов на платформе Yandex AI Studio
Отдельно оплачивается сопровождение. Меняются продукты, внутренние инструкции и бизнес-процессы. Поэтому базу знаний понадобится обновлять, а сценарии — корректировать. Также требуется контроль качества ответов и разбор ошибок. Цены на сопровождение — от 10 000 рублей в месяц.
Рисунок 7. Пример цен на содержание ИИ-сотрудника на сайте «Эпоха ИИ»
Сравнение расходов на человека-оператора и цифрового сотрудника
Если посмотреть цены на разных сайтах, можно увидеть, что компании указывают разную стоимость услуг и неодинаковый состав работ. Наши приведённые выше примеры вырваны из контекста и дают лишь приблизительное представление о возможных затратах. Чтобы не приводить условные оценки, сравним стоимость работы человека-оператора (1 059 000 рублей) с ценами, указанными в расчётных моделях разработчиков цифровых сотрудников.
ИИ-продавец в чате. Отвечает покупателю на сайте, в Telegram и MAX. Уточняет потребность, отвечает по базе знаний, доводит до заявки или оплаты и передаёт менеджеру готовый лид с резюме диалога. Внедрение — от 150 000 до 400 000 рублей, типовой проект — 250 000 руб. Поддержка — от 15 000 до 40 000 руб. в месяц. Сроки внедрения: 4 — 8 недель. Другие расходы:
- LLM-токены: 0,5 — 2 рублей за ответ, при 900 диалогах — от 2 000 до 6 000 рублей в месяц.
- Мессенджеры MAX и Telegram: программный интерфейс (API) для ботов и CRM-прослойка. Сообщения бесплатны, платный контур — хостинг прослойки, 1 000 — 3 000 рублей в месяц.
- Сервер и векторная БД под базу знаний: 2 000 — 6 000 рублей в месяц.
- Лицензия CRM: по текущему тарифу заказчика, новых лицензий не требуется.
Заявленная окупаемость внедрения — 3 месяца.
Получается, что за цифрового сотрудника придётся заплатить порядка 370 000 — 1 005 000 рублей, месяц оставим на внедрение.
ИИ-продажник. Разработчик собрал продукт под клиента, от начала до запуска прошло 24 рабочих дня. Клиент — корпоративный сегмент со сложной интеграцией и потоком около 50 000 сообщений в месяц (4 000 диалогов — примерно 12 сообщений на каждый). Разработка — 350 000 рублей, ежемесячное ведение — 18 000 руб. Окупаемость подсчитана следующим образом: один отменённый наём в первой линии, что составляет 80 000 — 120 000 рублей фонда оплаты труда в месяц. После внедрения выручка выросла на 18 %. По заявлениям компании, обычный срок окупаемости их проектов — от 1 до 3 месяцев.
Однако здесь не указаны расходы на токены, мессенджеры и т. д. За 3 780 — 4 630 диалогов и всё остальное понадобится около 40 000 рублей в месяц.
Получается, что за цифрового сотрудника потребуется заплатить 988 000 рублей плюс месяц на внедрение.
В обоих случаях затраты на цифрового сотрудника ниже годовых расходов на оператора-человека. Однако наши подсчёты — это очень примерный результат для конкретного сценария. Реальное соотношение затрат, фактические сроки и итоговый экономический эффект могут различаться в зависимости от особенностей компании, задач цифрового специалиста, условий его разработки и эксплуатации, а также от продолжительности использования такого решения.
Опыт других компаний по внедрению ИИ-специалистов
Одна модель расчёта ещё не показывает, как всё выглядит в реальности. Поэтому рассмотрим опыт компаний, которые уже автоматизировали с помощью ИИ отдельные рабочие задачи, и узнаем, какой эффект это дало: удалось ли им сократить расходы и за счёт чего.
При анализе кейсов мы опирались на информацию, которую сами компании или другие источники опубликовали в открытом доступе, и уже на её основе делали выводы.
Примеры внедрения ИИ-сотрудников с достигнутыми или частично достигнутыми целями
ИИ-сотрудник «Илья» в OnlinePBX. Задача внедрения ИИ-сотрудника — ускорить поддержку без расширения команды: обеспечить поддержку 24×7, сократить время ожидания ответа, снизить нагрузку на операторов, избежать роста затрат на персонал. Сначала в компании сформировали базу знаний о сервисе (инструкции, функции, решения проблем), затем загрузили её в платформу Selarti, настроили промпт и подключили ИИ-агента к Telegram. В результате в команде появился самостоятельный ИИ-сотрудник «Илья».
Рисунок 8. Эволюция «Ильи» (источник: vc.ru)
Результаты работы «Ильи» за год:
- ежедневная обработка около 150 обращений, из которых 30 % запросов он обрабатывает самостоятельно, а 70% – первично с последующей передачей оператору;
- в 98 % случаев отвечает на «отлично» (по внутренней оценке);
- в 82 % случаев помогает в решении вопросов (по оценке пользователей).
Внедрение позволило отказаться от круглосуточных дежурств специалистов и сократить фонд оплаты труда на 1,8 млн рублей в год.
ИИ-сотрудник «Афанасий Иванов». Поддержка «Т-Банка» принимает около 19 млн обращений в месяц, часть из которых — сложные случаи, требующие анализа данных определённого клиента, выполнения действий в нескольких системах. Было принято решение ввести в эксплуатацию автономного агента с правом действия «Афанасия Иванова». Цели внедрения:
- автоматизировать обработку типовых и сложных клиентских сценариев;
- дать агенту права самостоятельно выполнять действия во внутренних системах;
- сократить нагрузку на операторов и высвободить их рабочее время;
- поддерживать высокий уровень удовлетворённости клиентов;
- обеспечить быстрое обучение агента новым сценариям.
Теперь «Афанасий» работает в двух режимах: автономном и режиме подсказки. Он обучается на реальных примерах обращений в поддержку. Агент уже закрывает около 30 % клиентских обращений. Удовлетворённость клиентов банка при взаимодействии с агентом составляет 78,7 % при целевом показателе 84,3 %.
ИИ-консультант в онлайн-школе английского. Проблема частной школы английского языка — менеджеры не справлялись с обработкой лидов. Учеников набирали через таргетированную рекламу в социальной сети. Нужен был способ автоматически обрабатывать лиды без ошибок и, по возможности, без участия менеджеров. Это позволило бы масштабировать школу без увеличения нагрузки на сотрудников. Собственник хотел наращивать рекламный трафик, но понимал, что деньги уйдут в никуда: при имеющемся объёме заявок люди уже не справляются с обработкой заявок.
Для создания менеджера выбрали сервис для разработки нейросотрудников. Это позволило запустить решение за 1,5 недели, включая этап тестирования. После внедрения ИИ-консультанта:
- рекламный трафик вырос в 3 раза;
- конверсия на пробный урок осталась на прежнем уровне в 5 — 7 %;
- за первые недели работы записалось 15 учеников;
- удалось сэкономить более 80 000 рублей в месяц;
- отпала потребность в найме второго менеджера для обработки заявок.
Школа смогла масштабироваться без роста затрат.
Когда внедрение ИИ не оказало ожидаемого эффекта
Commonwealth Bank of Australia. Австралийский банк заменил несколько десятков сотрудников отдела обслуживания клиентов одним ИИ-ассистентом. Но тот не справился с работой, что привело к росту жалоб клиентов. Опубликованная причина: при принятии этого решения не были продуманы все возможные нюансы политики в отношении искусственного интеллекта.
Klarna. На платформе Twig опубликован разбор ситуации с Klarna. Компания не публиковала полный график по разработке и внедрению ИИ-сотрудника. Однако из её отчётов и выступлений на конференциях следует, что работа над проектом началась в августе 2023 года, а публичный запуск состоялся в феврале 2024 года. Метрики по работе агента впечатляли: обработка 2,3 млн диалогов в месяц, среднее время решения запроса сократилось с 7 — 11 минут до 2, число повторных обращений уменьшилось на 25 %. Уровень удовлетворённости клиентов — стабильный.
В мае 2025 г. Klarna публично изменила свою политику и начала возвращать в штат людей-операторов после жалоб клиентов на шаблонные ответы и неспособность ИИ решать сложные задачи. Опубликованные причины:
- галлюцинации привели к снижению качества диалогов;
- показатель удовлетворённости клиентов снизился;
- возникли проблемы с соблюдением нормативных требований из-за того, что нейросеть самостоятельно решала вопросы и закрывала аккаунты.
Впрочем, от автоматизации компания не отказалась.
Cursor AI. Его чат-бот поддержки вместо того, чтобы разобраться с проблемой авторизации, сообщил клиенту о несуществующем ограничении на использование аккаунта. Позже компания признала ошибку и разобралась в причине некорректного ответа: галлюцинации.
Uber. Компания стимулировала инженеров активнее пользоваться ИИ-ассистентами: внутренние таблицы лидеров (leaderboards) ранжировали разработчиков по количеству обращений к ним. Идея была понятной: с помощью ИИ ускорить написание кода и быстрее выпускать новые функции. В 2025 году исследовательский (R&D) бюджет Uber вырос на 9 % и достиг 3,4 млрд долларов США, на 2026 год его планировали примерно на том же уровне. Но уже к апрелю 2026 г. выделенные на ИИ средства были практически израсходованы. Причина — токсичное потребление токенов.
Почему одни компании получают выгоду от использования ИИ, а другие — нет
Международное исследование показывает, что максимальный эффект от ИИ получают компании, внедряющие его в рамках системного подхода: при поддержке руководства, наличии качественных данных, адаптации внутренних процессов и чётком понимании задач, результат которых можно измерить.
Наш анализ рассмотренных кейсов также показывает, что сам по себе факт внедрения ИИ-сотрудника не гарантирует экономии. Успешные проекты объединяют следующие факторы.
Выполнение простых задач
ИИ-сотруднику можно передать повторяющуюся работу с понятными правилами. Например, цифровой оператор первой линии может отвечать на типовые вопросы клиентов, классифицировать обращения и передавать сотруднику только те случаи, которые требуют его участия. Этот подход применим к другим специальностям, в которых значительная часть рабочего времени уходит на однотипные операции:
- ассистент по документам;
- чат-менеджер;
- консультант интернет-магазина;
- рекрутер и так далее.
Рисунок 9. Витрина сотрудников на платформе «ассИИстент»
Обучение на данных компании и её бизнес-процессах
Универсальная модель не знает всех внутренних правил, особенностей продукта, терминологии и бизнес-процессов организации. Поэтому для некоторых задач недостаточно подключить готовую модель и сразу передать ей работу.
Необходимо обучение: адаптация системы к собственным данным и процессам компании. В противном случае ИИ может сформировать ответ, который выглядит убедительно, но не соответствует действительности.
Тестирование и регулярный анализ выполненных действий
Если проект не проверяется на реальных сценариях, компания не получает возможности понять, как пользователи будут взаимодействовать с ИИ-сотрудником и какие проблемы возникнут в процессе работы. Необходимо обратить внимание на техническую работоспособность системы и пользовательский опыт. ИИ может правильно выполнять отдельную операцию, но при этом плохо взаимодействовать с клиентом, неправильно обрабатывать нестандартные ситуации или передавать сотруднику слишком много обращений.
Вернёмся к истории с Klarna. Компания не отказалась от ИИ-агента после возникших проблем, а скорректировала подход к его использованию: клиент получил возможность в любой момент обратиться к человеку-оператору. Этот пример показывает, что если использование ИИ не приводит к ожидаемому результату, не обязательно отказываться от него или сокращать область его применения. Важно определить границы самостоятельной работы цифрового сотрудника и предусмотреть участие человека там, где это необходимо.
Контроль над расходами токенов
Расход токенов растёт, когда система передаёт модели больше данных, чем необходимо для конкретной операции, повторно обрабатывает уже известную информацию или использует дорогую модель там, где достаточно более простой. При большом количестве операций такие расходы накапливаются и могут перекрыть экономию от автоматизации.
Рекомендации по эффективному внедрению и сопровождению ИИ-сотрудников
Внедрение цифрового специалиста лучше рассматривать как управляемый эксперимент с измеримым результатом, а не как замену человека. Такой подход позволит отделить реальный экономический эффект от формального сокращения трудозатрат.
Чек-лист по эффективному внедрению ИИ-сотрудника:
- Определить задачи, которые необходимо автоматизировать.
- Оценить экономический эффект. Сравнить текущие затраты с расходами на разработку, интеграцию, модели, инфраструктуру и сопровождение.
- Подготовить и структурировать данные о компании, её бизнес-процессах для обучения нейросети.
- Определить границы работы ИИ-сотрудника и ситуации, в которых требуется участие человека.
- Подключить необходимые корпоративные системы.
- Провести «пилот» на реальных данных.
- Сравнить результаты с показателями до внедрения.
- Если «пилот» показал положительные результаты и ожидаемый эффект подтверждён, можно расширить обязанности ИИ, добавив ему другие задачи.
Необходимо также регулярно контролировать работу цифрового сотрудника после внедрения: проверять качество и точность его решений, частоту ошибок, случаи передачи задач человеку и соответствие результатов установленным показателям. При необходимости корректировать данные, сценарии работы и границы автоматизации.
Выводы
Вместо статьи расходов на человека появляется набор других: токены, вычислительные мощности, инфраструктура, интеграция и сопровождение. Чем больше самостоятельных действий выполняет ИИ-специалист, тем выше может становиться их стоимость. Поэтому успешный кейс одной компании не означает, что такой же результат получится в другой. Одинаковая технология может дать экономию на простых и повторяющихся операциях и оказаться слишком дорогой там, где требуется много самостоятельных действий.
