Крупные бренды, ориентированные на автоматизацию, повышение эффективности и персонализацию взаимодействия с клиентами, стремятся к ИИ-оцифровке. Нейропомощники, системы на базе нейросетей и машинного обучения способны анализировать огромные потоки данных, прогнозировать сценарии и обрабатывать запросы в режиме реального времени. Внедрение таких решений, использование мощностей для поддержания работы системы во внутреннем контуре и обучение модели обходится недешево, но бизнес в перспективе все равно возвращает инвестиции. Представители российских компаний рассказали о том, как они относятся к нейропомощникам, какие функции готовы им делегировать, и поделились кейсами из своей практики.
Алексей Бутаков, инженер, менеджер по продукту КИПиА в компании «ОВЛ-Энерго»:
– Будучи инженером по образованию и работая менеджером по продукту КИПиА (контрольно-измерительные приборы и автоматика. – Прим. ред.), выработал простое профессиональное кредо: если задача повторяется больше двух раз, ее надо максимально автоматизировать. Именно с этим подходом и начал внедрять нейросети в нашей компании. Мне повезло, что руководство с энтузиазмом использует новые инструменты и модели из различных отраслей, поэтому стартовать было проще, чем в компаниях с высшим менеджментом старой школы.
Сначала я прошел общий курс по работе с искусственным интеллектом (ИИ): изучал базовую теорию, учился писать промты и разбирался в сценариях применения нейросетей. Это обучение дало мне системное понимание возможностей и ограничений ИИ, а главное – уверенность, что это не фантастика, а реальный рабочий инструмент.
Затем я организовал внутренний мастер-класс для команды. Мы на практике попробовали ChatGPT, Perplexity, Qwen и сервисы вроде ChatPDF. Цель была понятна: убрать страх и показать, что нейросети – это просто и доступно. Нам это удалось.
Расскажу о конкретных кейсах.
Первый кейс – Excel + нейросети. До внедрения ИИ отчеты в Excel занимали по 6–8 часов рабочего времени сотрудников каждый месяц. Обычная рутина: копирование, фильтрация, сводные таблицы. С помощью нейросетей (прежде всего, ChatGPT) мы автоматизировали этот процесс: используем Power Query для обработки и объединения данных, создаем макросы на VBA через подсказки нейросети. Теперь формирование стандартного отчета занимает всего 30–40 минут. Один сотрудник легко справляется с задачей, которая раньше требовала усилий целого отдела.
Второй кейс – поддержка в тендерах. Кто работал с тендерной документацией, знает, как много там типовых вопросов и повторяющихся формулировок. Нейропомощники существенно ускорили нашу работу в этом направлении за счет быстрой адаптации шаблонов коммерческих предложений и генерации качественных черновиков ответов на технические и коммерческие вопросы. Также нейросеть помогает анализировать документацию заказчиков и выделяет ключевые пункты, на которые нам следует в первую очередь обратить внимание. Благодаря этой оптимизации мы стали экономить от двух до четырех дней на подготовке каждого тендера, и это не только временной ресурс: важнее то, что сотрудники перестали выгорать, занимаясь рутиной.
Третий кейс – презентации и визуальный контент. ИИ-помощники не просто так привлекают новых пользователей именно благодаря созданию визуального контента. Мы стараемся на максимум использовать эти возможности. Когда производители не предоставляют качественные фотографии или рендеры оборудования, создаем их сами с помощью нейросетей: для изображений используем Midjourney и Leonardo AI, а для видеоконтента сейчас тестируем и внедряем Kling AI (генерация видео по текстовым сценариям).
В результате наши презентации выглядят профессионально и привлекательно, а главное – создаются оперативно и без дополнительных затрат на дизайн.
Нейросети, как и любой другой новый инструмент, несмотря на очевидные плюсы, несет и риски. Так, часто возникающие ошибки нейросетей заставляют перепроверять результаты работы ИИ, особенно в технических вопросах. Есть и юридические риски – пока нет ясности в вопросах авторского права относительно нейросгенерированного контента. Кроме того, не все удобные нейросервисы работают с русским языком.
К числу сложностей, никак не зависящих от самих нейропомощников, следует отнести сопротивление команды. Сотрудники не сразу приняли ИИ-инструменты, многие опасались потерять контроль над процессами.
К числу сложностей, никак не зависящих от самих нейропомощников, следует отнести сопротивление команды. Сотрудники не сразу приняли ИИ-инструменты, многие опасались потерять контроль над процессами.
Снизить риски нам позволяет решение не использовать нейросети для обработки конфиденциальной информации и обязательное проведение ручной проверки результатов. Кроме того, мы заранее протестировали доступные в России нейросети (Qwen, DeepSeek, Hunyuan), чтобы избежать зависимости от сервисов, которые могут внезапно стать недоступными.
Еще одно важное направление – обучение сотрудников. Регулярные мини-сессии и простые инструкции помогли команде освоиться и начать эффективно применять нейросети.
Мы сделали следующий вывод: ИИ не заменяет человека, но серьезно усиливает возможности команды. Задачи, на которые раньше уходили дни, теперь решаются за часы.
Самое ценное, что дал нам этот опыт, – возможность думать и принимать решения, а не тонуть в рутине. Нейропомощники высвободили время и ресурсы, а также подняли мотивацию команды.
Если вы хотите повторить наш опыт:
• Начните с базового курса.
• Проведите мастер-класс внутри компании.
• Автоматизируйте одну повторяющуюся задачу.
Нейросети – уже не будущее. Это инструмент, который работает здесь и сейчас.
Грачья Алексанян, директор AVALAB (структурное подразделение холдинга AVA Group):
– Мы не считаем целесообразным интегрировать нейропомощников в наши текущие бизнес-процессы. Данных не так много, системы BI-аналитики достаточно, чтобы принимать стратегически верные решения. С рутиной помогают генеративные ИИ-модели, а на успех заключения сделок и новых партнерств существенно влияет эмпатия, чем сейчас ИИ похвастаться не может.
Тем не менее следим за инфополем и держим руку на пульсе (ведем telegram-канал, в котором делимся новостями из мира ИИ, блокчейна и стартапов). Зачем? К нам приходят молодые продукты на стадии pre-seed (фаза на уровне зарождения идеи) и seed (посевная стадия – фаза, когда бизнес-план уже расписан, есть продукт и даже первые клиенты) за обратной связью и инвестициями. И, если их core-ценность заключается в искусственном интеллекте, нам нужно понимать, что вообще сейчас может предложить мировой рынок.
Хотя мы не внедряли нейропомощников в свои процессы, поддерживаем связь с экспертами рынка – периодически поднимаем вопросы, связанные с ИИ, на наших конференциях. Из очевидного, что на поверхности и чаще всего упоминается, – это внутреннее сопротивление. В крупных организациях некоторые сотрудники воспринимают нейропомощников как угрозу рабочим местам. В таких случаях обычно либо используют программы переобучения, либо прощаются с ними. Зачем бизнесу платить за пять инженеров, если их функцию может выполнять всего один специалист-оператор?
Другой барьер, который все еще отталкивает бизнес от внедрения ИИ, – качество данных и их безопасность. Неправильно обучили модели, «накормили» ее мусорными данными? HR-нейропомощник будет игнорировать резюме кандидатов с прекрасным описанием soft skills. Реальный пример именитой компании: в резюме кандидатов зачастую встречалось слово «кризис», и, хотя оно использовалось в контексте антикризисного менеджмента, нейронке было все равно, для нее это фраза прямиком из стоп-листа.
Безопасность. Персональные данные, финансовая информация стали мишенью хакерских атак. Чтобы избежать утечки чувствительных данных и не интегрировать в свой периметр внешнюю модель с потенциально уязвимым кодом (что особенно критично для финтеха), компании предпочитают обучать собственные модели внутри защищенного контура. Это требует значительных инвестиций – десятков миллионов рублей на инфраструктуру, специалистов и аудит. Не каждый даже крупный бренд готов пойти на такие расходы и риски.
Внедрение нейропомощников также сопровождается технологическими, репутационными и юридическими рисками. Представьте, что может произойти сбой в алгоритмах или будет использоваться новый сет низкокачественных данных для обучения, и чат-бот, отвечающий на вопросы о тарифах, случайно опубликует тестовые данные с заниженными ставками. В таком случае бизнес понесет потери.
Не обучать модели не получится – нейросети требуют постоянного обновления. Если заморозить развитие помощника, система быстро потеряет актуальность. Эффективность от такого ИИ-инструмента кратно снизится.
Неправильно обучили модели, «накормили» ее мусорными данными? HR-нейропомощник будет игнорировать резюме кандидатов с прекрасным описанием soft skills. Реальный пример именитой компании: в резюме кандидатов зачастую встречалось слово «кризис», и, хотя оно использовалось в контексте антикризисного менеджмента, нейронке было все равно, для нее это фраза прямиком из стоп-листа.
В плане репутационных рисков тоже интересная история. ИИ-рынок быстро растет: полгода назад модели начали нормально улавливать контекст, про эмоции и речи не шло. Сейчас тренд стремительно меняет направление в сторону эмпатии и свободы слова, тот же ИИ Grok3 от Илона Маска не имеет ограничений, связанных с политикой или этичностью. Плюс ли это? С какой стороны посмотреть. Если не дискриминировать алгоритмы, обучать систему на предвзятых данных, вам нечего бояться. В противном случае через месяц ваш нейропомощник спровоцирует десятки судебных разбирательств за оскорбление чувств. К тому же не во всех странах есть четкие законы об использовании нейросетей.
Что можем порекомендовать коллегам, использующим нейропомощников. Первое – уделить внимание техническому аспекту. Регулярно проводить аудит моделей на предвзятость и ошибки. Не увольнять сотрудников, которых заменил ИИ-помощник, – все критические процессы должны быть продублированы классическими методами, например живыми операторами в колл-центре. А еще нужно инвестировать в кибербезопасность – шифрование данных, двухфакторную аутентификацию, песочницы для тестирования и цифровые двойники.
Второй фокус внимания – человеческий капитал. Необходимо сформировать стратегию по работе с сотрудниками. Не прощаться с ними, а переобучать и поддерживать – нейропомощник высвобождает ресурсы, чтобы их реинвестировать. Если раньше персонал был закопан в рутине, в run-проектах, то сейчас может сфокусироваться на изменениях в компании.
Третье – этика и эмпатия. При внедрении ИИ вовне важно сохранить лицо бренда, его тон. Уберегите себя от разбирательств и рекламаций, установив запрет в алгоритме модели на обсуждение расы, религии, политики. Не исключайте людей, человечность из процессов. Все‑таки намного приятнее, когда тебе пожелал хорошего дня человек, а не машина.
Мы пока сторонний, но активный наблюдатель. Участвуем в диалоге, в мероприятиях отрасли, используем генеративные модели, чтобы вдохновляться и иногда смеяться. К изменениям душой готовы, но главное – это подружить просто желание с реальной целесообразностью.
Павел Карпов, генеральный директор ООО «Имплекс Проекты»:
– Все чаще нам поступают запросы по роботизации действий пользователей, составлению шаблонов документов и так далее. Стараемся идти в ногу с тенденциями рынка и разрабатываем удобные расширения для пользователей с применением ИИ.
Пример: наш постоянный клиент ведет бизнес по реализации товаров через маркетплейсы. У него большое количество номенклатуры, много трудозатрат уходило на описание карточек товара. Компания клиента сделала запрос с просьбой помочь в роботизации действий с помощью нейросети. Поскольку они работали в 1С, форсирования описаний требовались именно в системе. Мы изучили возможности нейросетей с точки зрения интеграции и непосредственно внедрили ИИ. В нашем случае это был DeepSeek.
В ходе реализации проекта пришли к пониманию, что такая потребность может быть и у других компаний, поэтому сделали отдельный модуль, который можно использовать для программ 1С для создания описания карточек номенклатуры.
В интеграции ИИ трудностей не возникает, но риски присутствуют. Основной – утечка из рабочей базы клиента в общий доступ. Нами предусмотрена отправка данных не из всей базы, а исключительно только для формирования описания: формируется промт, который не содержит конфиденциальной информации.
Для клиентов, имеющих свою службу безопасности и всерьез обеспокоенных вопросом утечки данных, предлагаем развертывание локальных нейросетей на своих мощностях.
Анна Волкова, CEO школы русского языка и сторителлинга «Нарроторика», методолог и продюсер образовательных проектов:
– Сейчас мы работаем с детьми и взрослыми по всему миру. В последние два года активно внедряем нейропомощников, чтобы улучшать опыт учеников, ускорять рост команды и масштабироваться без потери качества.
ИИ мы интегрировали не как хайп или игрушку, а как бизнес-инструмент с четкими KPI: снижение CAC (Customer Acquisition Cost – стоимость привлечения клиента. – Прим. ред), рост LTV (Lifetime Value – пожизненная ценность клиента, совокупный доход, который компания получает от одного клиента за весь период его взаимодействия с брендом. – Прим. ред.), ускорение онбординга преподавателей и автоматизация кастомизации занятий под запросы учеников.
Встроили ИИ в три ключевых процесса:
1. Методическая кастомизация под конкретного ученика. То есть ИИ анализирует входную анкету, тесты и речевые паттерны ребенка, а затем предлагает преподавателю адаптацию: стиль подачи, темы, точки мотивации. Это особенно важно для детей в эмиграции – их уровень языка часто не соответствует возрасту, и типовые программы не работают.
2. Обратная связь и микроаналитика по занятиям. После каждого урока преподаватель делает короткую голосовую заметку, а ИИ конвертирует ее в отчет, выделяет зоны роста и подбирает упражнения на следующий урок. Благодаря этому качество преподавания стало воспроизводимым, даже с новым педагогом.
3. Проектирование индивидуальных траекторий. Раньше это занимало два-три часа на одного ученика. Сейчас нейросеть помогает построить гибкий маршрут обучения с учетом целей, психотипа и динамики вовлеченности. Это повышает удержание (retention rate вырос на 27%) и дает родителям ощущение, что их действительно слышат.
Что мы в итоге получили:
• Сокращение времени на подготовку уроков на 40–50%;
• Рост вовлеченности учеников и родителей (NPS, Net Promoter Score – индекс потребительской лояльности, – плюс 18 пунктов)
• Системный подход, при котором каждый преподаватель работает в единой методологии, но без шаблонности;
• Масштаб без потери авторского качества.
Самой большой сложностью, с которой мы столкнулись, стало сопротивление внутри команды. Преподаватели боялись, что их заменят. Мы сделали иначе: обучили их работать с нейропомощниками как с методологами, которые усиливают, а не заменяют. Это потребовало новой культуры, где преподаватель не только учитель, но и продукт-менеджер собственного контента.
Вторая трудность – юридическая. Мы работаем с детьми, и сбор данных требует аккуратности. Внедрили систему согласий, шифрования и регулярного аудита.
Риски при использовании нейропомощника я заметила такие:
• Замыленность контента (ИИ склонен повторять паттерны, поэтому каждый курс у нас проходит через живую модерацию).
• Этические вопросы (особенно в педагогике, где важно не только что говорить, но и как, поэтому у нас есть правила, где ИИ – помощник, а где – только человек).
• Зависимость от технологий (поэтому мы создаем бэкап-сценарии и low-tech версии уроков на случай сбоев).
Дарья Кудрявцева, директор по персоналу ГК Selecty:
– В 2025 году мы провели эксперимент: внедрили нейропомощников в один из самых сложных и чувствительных HR-процессов – performance review (оценка персонала) для команды из 100+ IT-рекрутеров. Десятки компетенций, оценки 360, массивы данных по KPI, комментарии, отчеты, рекомендации – вручную это занимает недели. Хотели понять, может ли ИИ реально оптимизировать эту работу без потери качества.
Применяли функционал «ассистента», который был обучен для работы с конкретными задачами: анализ данных, подготовка отчетов, генерация рекомендаций. ИИ помог структурировать и анализировать большие объемы данных о работе рекрутеров, выработать список компетенций, составить инструкции для участников проекта. С помощью нейросети мы генерировали предварительные выводы для сотрудников и руководителей. ИИ помогал формировать персонализированные отчеты для каждого сотрудника на основе данных оценки 360 и показателей перфоманса.
Мы сравнили время и ресурсы, затраченные на выполнение задач с ИИ и без него на каждом этапе perfomance review. С ИИ время выполнения проекта сократилось на 30–40%, существенно экономятся ресурсы: HR-специалист вела этот проект в одиночку, это был ее первый опыт в организации performance review. Высвободившееся время перераспределили на стратегические задачи.
ИИ ошибается не реже, чем человек, но делает это быстрее и иногда увереннее, чем надо.
Где ИИ не дал ожидаемого результата? Сложные субъективные оценки (например, тюнинг списка soft skills в профиле компетенций) требовали участия человека, а некоторые этапы – доработки и ручной проверки.
В результате эксперимента мы подтвердили предположение о том, что применение ИИ в HR – не просто тренд, а реальный инструмент для повышения эффективности, он приносит пользу только тогда, когда его правильно интегрируют в процессы.
ИИ не заменил человека – и важно осознавать. Там, где требовалась интерпретация сложных, субъективных критериев (например, оценка soft skills, тюнинг матрицы компетенций), нейропомощник давал слишком обобщенные или шаблонные рекомендации. Мы сознательно встроили ручную верификацию на этих этапах. Важно: ИИ ошибается не реже, чем человек, но делает это быстрее и иногда увереннее, чем надо.
Какие основные риски мы видим в применении ИИ: желание делегировать задачи нейросетям, не проверяя результаты, ведет к управленческим ошибкам.
ИИ – это инструмент. Результат на выходе напрямую коррелирует с компетенциями человека, который им пользуется. В публичном пространстве будут винить, конечно, технологию, а не управленца. Это следствие чрезмерного хайпа вокруг нейросетей. Но я убеждена: через несколько лет мы не сможем представить работу без подобных сервисов, несмотря на то что сейчас они применяются плоско и однобоко, особенно в том, что касается действительно сложных задач бизнеса.
Ценность ИИ в HR в скорости, структурировании информации, снятии рутины. Но именно человек должен задавать цели, оценивать результат и решать, как использовать выводы.
Андрей Малов, директор по продукту «ТТК.Облако»:
– Расскажу о внедрении ИИ в корпоративную среду на примере разработки компании ТрансТелеКом – AI HR-ассистенте, созданном на базе продукта ТТК.Облако. Этот интеллектуальный бот, интегрированный в корпоративный мессенджер, который помогает сотрудникам и HR-специалистам решать ежедневные задачи быстрее и эффективнее. К примеру, виртуальный помощник способен предоставлять точные и релевантные ответы на запросы сотрудников. Основой для его работы стала тщательно подготовленная база знаний, куда вошли юридические документы, внутренние регламенты и ответы на часто задаваемые вопросы. Это позволило ИИ давать четкие рекомендации, не требующие дополнительных уточнений у специалистов отдела кадров.
Для сотрудников бот стал надежным помощником в вопросах начисления зарплаты, оформления отпусков, командировок, разъяснения корпоративных правил и порядка подачи документов. Для HR-специалистов ИИ-ассистент автоматизировал процессы документо-оборота, сократил время обработки заявок и повысил общую прозрачность взаимодействия между службой персонала и сотрудниками.
Сегодня бот обрабатывает более 150 запросов ежедневно. С каждым днем его функциональность расширяется: помимо стандартных ответов на рабочие вопросы он теперь может сообщать важные новости компании, помогать с оформлением командировок и даже бронировать гостиницы.
Ассистент работает в закрытом контуре компании без выхода во внешние сети. Это гарантирует защиту конфиденциальной информации и минимизирует риски утечки данных.
Планируем развивать платформу дальше: добавлять новые модули, обучать модель на большем количестве сценариев и расширять доступ к сервису. Такие технологии позволяют не только снизить нагрузку на сотрудников, но и оптимизировать работу целых подразделений, минимизируя ошибки, связанные с человеческим фактором. Кроме того, ИИ-решения легко масштабируются и адаптируются под изменяющиеся потребности бизнеса, что делает их выгодным вложением в будущее компании.
Максим Захаренко, СЕО «Облакотека»:
– Когда наша компания начала активно расти и набирать новых клиентов, мы столкнулись с ограничениями человеческих ресурсов: сотрудники службы поддержки не справлялись с потоком типовых запросов. Возникла проблема: клиенты дольше ждали ответа, а сотрудники были перегружены монотонной работой.
Тогда мы приняли решение попробовать нейропомощников, чтобы автоматизировать обработку простых запросов и разгрузить команду.
Планировалось, что нейросеть будет самостоятельно решать примерно 70% типичных вопросов: смена паролей, помощь с тарифами, базовая техническая поддержка. На бумаге все выглядело идеально, и мы были уверены, что быстро добьемся успеха.
Первое время после запуска нейропомощника мы столкнулись с серьезными расхождениями между ожиданиями и реальностью. Вместо запланированных 70% автоматизации нейросеть с трудом дотягивала до 40%, и вот почему:
• Часто нейропомощник давал неточные или устаревшие ответы. Возникали недоразумения из‑за неправильной трактовки специфических вопросов.
• Вместо разгрузки сотрудников появлялись дополнительные обращения, потому что операторам приходилось уточнять и исправлять ошибки, допущенные помощником.
Основной причиной стало недостаточное качество данных, на которых мы обучали нашу нейросеть. В начале проекта мы использовали общие базы, которые не учитывали нюансы именно наших продуктов и сервисов. Например, нейросеть регулярно путала совместимость определенных программ с нашими облачными решениями, из‑за чего клиенты испытывали негативный опыт.
Отдельной историей стали технические сложности при внедрении. Мы недооценили объем работ, связанных с интеграцией нейропомощника в уже существующую инфраструктуру компании. Казалось бы, простое подключение нейросети к нашей CRM и платформе поддержки оказалось длительным и сложным процессом. Нам пришлось существенно дорабатывать программное обеспечение и платформы поддержки, проводить дополнительные тренинги для сотрудников, чтобы те могли корректно взаимодействовать с новой системой. В результате время интеграции растянулось с ожидаемых нескольких недель до нескольких месяцев.
Поняв, что требуется глубокая доработка, мы пересмотрели подход к обучению нейропомощника и внедрили целый комплекс мер:
• Привлекли команду опытных специалистов техподдержки, которые вручную проверяли и исправляли ошибки нейросети, давая ей более точные и актуальные данные для обучения.
• Запустили «безопасный режим»: если нейросеть не уверена в ответе, запрос автоматически направлялся живому оператору. Это снизило риски, и клиенты перестали получать некорректные ответы.
• Внедрили регулярные еженедельные апдейты базы знаний, чтобы нейросеть всегда работала с актуальной информацией.
Эти шаги заметно повысили качество работы нейропомощника. Со временем точность ответов выросла до желаемых показателей, и клиенты снова стали относиться к новому инструменту позитивно.
Полученный опыт кардинально изменил наш подход к внедрению инноваций. Теперь мы всегда начинаем с пилотного запуска:
• Тестируем каждое новое решение на небольшом сегменте клиентов.
• Внимательно оцениваем все риски и возможности интеграции.
• Только после положительных результатов пилота приступаем к широкомасштабному внедрению.
Благодаря этому методу теперь значительно лучше контролируем процесс и избегаем повторения предыдущих ошибок.
При внедрении нейропомощников мы выявили два ключевых риска:
1. Потеря контроля над качеством общения с клиентами. Если в обучающих данных нейросети присутствуют ошибки или неточности, она будет воспроизводить их в ответах.
2. Потеря личного подхода. Клиенты ценят внимание и индивидуальное отношение, которое робот передать не всегда способен.
Для минимизации этих рисков мы регулярно проверяем и обновляем базу знаний, на которой обучается нейросеть. Кроме того, всегда сообщаем клиентам, что их обслуживает нейросеть, и даем возможность моментально переключиться на живого специалиста.
Несмотря на начальные трудности, внедрение нейропомощников принесло существенные преимущества:
• Среднее время ответа на типовые вопросы снизилось с нескольких часов до нескольких минут.
• Операторы техподдержки получили возможность заниматься более сложными и нестандартными задачами, повышая свою квалификацию.
• Уровень удовлетворенности клиентов существенно вырос благодаря улучшенной скорости и качеству ответов.
Наш опыт позволил выделить несколько важных советов для тех, кто собирается внедрять нейропомощников:
• Заблаговременно планируйте ресурсы на обучение нейросети.
• Обязательно проводите пилотные проекты и оценивайте их результаты перед полноценным запуском.
• Обеспечьте непрерывный мониторинг качества ответов и регулярные обновления обучающих данных.
Если правильно подходить к внедрению нейросетей, они становятся мощным инструментом повышения эффективности и конкурентоспособности компании. Главное – реалистично смотреть на возможности технологии и быть готовыми к постоянной работе над ее улучшением.
Елена ВОСКАНЯН