Кейсы ИИ в бизнесе: что меняется до и после по отраслям

Сразу про то, откуда цифры: это отдельные внедрения под NDA, где мы замерили один процесс до и после - не сотни клиентов для конференции. Никакого нарисованного скрина «успеха». Есть задача, есть часы до, есть часы после.

Поэтому и подача простая: отрасль, что отдали агенту, что было руками и что стало. Названия компаний под NDA, поэтому без логотипов, только суть и цифры с замеров.

Руководитель отдела закупок, назову его Алексей, отдал агенту анализ поставщиков и сборку предложений. Раньше разбор 15 поставщиков занимал 3 часа, предложение по шаблону - 30-40 минут.

Стало: анализ тех же 15 поставщиков за 5 минут, предложение за 5 минут. Скорость задач выросла примерно наполовину, около четверти времени освободилось на стратегию. Его собственные слова: один человек с агентом делает объём пяти-шести сотрудников. Полный разбор - в кейсе автоматизации закупок.

Металлургическая компания в Минске отдала агенту разбор тендеров и анализ брака, две задачи, где люди тонули в однотипной обработке. За первый месяц это вернуло в бизнес около 80 рабочих часов.

80 часов - это две полные рабочие недели одного человека, которые ушли на работу, где нужна голова, вместо разбора таблиц вручную. Задача узкая, зато повторяется постоянно, поэтому эффект накопительный. Подробнее - в кейсе литейного производства.

Строительная компания в Красноярске держала на ручных сметах и отчётах много времени. Посадили на это ИИ, и рутина ужалась примерно на 80% по времени.

Смета и отчёт - как раз тот тип задачи, где ИИ силён: шаблон понятен, правила заданы, результат проверяемый. Менеджер теперь проверяет готовый документ и отправляет, вместо того чтобы собирать его с нуля. Подробнее - в кейсе строительной компании.

Текстильная компания в Минске тратила на разбор продаж для маркетинга до 10 часов. С агентом тот же разбор занимает 20 минут.

Десять часов против двадцати минут меняют сам режим работы: маркетолог смотрит на готовую картину по продажам и принимает решения вместо того чтобы полдня сводить выгрузки. Задача та же, только руками её больше никто не делает. Подробнее - в кейсе оптовой продажи тканей.

Во всех четырёх кейсах общее одно: узкая повторяемая задача с понятным правилом, а не «ИИ вместо целого отдела». Никто не автоматизировал бизнес целиком. Каждый взял один дорогой по времени участок и посадил на него агента. Авторы HBR замечают, что у многих крупных компаний уже сотни пилотов, а главным тормозом редко оказывается качество модели или доступность данных.

И везде работает та же оговорка: агент автоматизирует процесс, а нет процесса - автоматизировать нечего. Сметы, тендеры, разбор поставщиков - это уже выстроенные процессы с понятными шагами, поэтому агент лёг на них за считанные дни. Исследователи Harvard Business School в HBR добавляют, что ИИ-инициативам нужна организационная поддержка: перестроенные процессы принятия решений и согласованные стимулы.

Деньги считаем так же, как время: фикс за запуск, дальше оплата за результат, без абонентки. Есть такой участок - разберём ваш процесс и посчитаем, сходится ли экономика, до старта.