ИИ как слой управления компанией. Василий Рыжонков — внедрение ИИ, кейсы и трансформация процессов

Внедрение ИИ в реальном бизнесе: от иллюзий к измеримому эффекту Василий Рыжонков — эксперт по внедрению ИИ в бизнес-процессы Василий разобрал внедрение ИИ без хайпа, через призму процессов, экономики и системного мышления. На реальных кейсах (туриндустрия и федеральный ритейл) он показал, как ИИ становится не функцией, а контуром управления временем, затратами и капиталом. Краткое резюме ROI — это не про инструмент, а про инициативу. Эффект измеряется не «сколько стоит бот», а как изменился процесс, люди, данные и управляемость. ИИ внедряется волнами: сначала время, затем операционные затраты, потом — выручка и управляемость. Самые крупные результаты появляются на стыке функций. Ключевые тезисы → ROI — это не про инструмент, а про инициативу: изменился ли процесс, сократилось ли время цикла «вопрос → решение → действие» → Главная ошибка — старт с функций, а не с процессов: локальный win может убить клиентский опыт, если не перестроен весь контур → ИИ внедряется волнами: сначала время, затем операционные затраты, потом — выручка и управляемость → Эффект рождается между функциями: самые крупные результаты появляются на стыке закупок, продаж, логистики и финансов → Без диагностики и baseline — эффект не доказать: 80% пилотов умирают, потому что никто не фиксирует исходные показатели 1. ИИ — это молоток, а не дом: почему инструмент сам по себе не работает «Мы внедрили чат-бота» ≠ «мы изменили экономику процесса». Без baseline невозможно доказать, сократилось ли время обработки, снизились ли затраты или выросла точность решений. • ROI от инициативы, а не от инструмента: вопрос не в том, сколько стоит LLM, а в том, изменился ли процесс, назначен ли владелец результата • Процессы, данные, люди, владельцы: если нет карты процессов — ИИ просто «прикручивается» поверх старой логики • ИИ усиливает то, что уже структурировано — хаос он масштабирует 2. Три волны ИИ-трансформации: от времени к управляемости Каждая волна требует нарастающей зрелости данных и процессов. • Первая волна — высвобождение времени: AI-шлюзы к LLM, базы знаний, обучение сотрудников. Быстрый эффект, который даёт веру топ-менеджмента • Вторая волна — снижение операционных затрат: интеграция данных, соединение функций, устранение «бутылочных горлышек» • Третья волна — выручка и управляемость: ИИ становится инструментом согласования решений. Эффект накопительный 3. Кейс: Туриндустрия — 18 000 часов и +25% роста без расширения штата 14 бизнес-юнитов, рост с 500 до 700 сотрудников. Цель — не увеличивать штат, а высвободить время. • Диагностика вместо бота: начали с карты процессов и выявили 7 узких мест — документы, заявки, поддержка, продажи, HR • Baseline как обязательное условие: зафиксировали, сколько времени тратится «as is» • Встраивание в существующие системы: не отдельный бот, а интеграция в CRM, документооборот. Время на типовую задачу сократилось с 40 до 25 минут • Кумулятивный эффект: 18 000 часов за 6 месяцев. Эффект масштабировался на всю компанию, а не остался локальным пилотом 4. Кейс: Федеральный ритейл — 500 млн неликвида и кросс-функциональный эффект Проблема не в данных, а в разобщённости: 4–5 лет исторических данных были, но закупки, продажи и логистика работали по разным метрикам и «на глаз». • Одна модель — для всех функций: кросс-функциональная команда из закупок, продаж, логистики и финансов • Пилот → масштаб: точность прогноза выросла, неликвид снизился. После подтверждения — масштабирование на всю сеть • Главный результат — не просто прогноз, а согласование решений. ИИ стал «пультом управления», а не аналитическим отчётом 5. Стратегия внедрения: зрелость × амбиции Неправильный выбор стратегии = 80% пилотов умирают в первый год. • Не все могут строить с нуля: разработка собственной LLM при незрелых данных — путь к многомиллионным инвестициям без эффекта • Два реалистичных сценария: готовые решения + кастомизация под процессы или пошаговая трансформация с усилением зрелости данных • Квадрант выбора: зрелость процессов и данных × уровень амбиций Главные выводы • ИИ — это пересборка процесса, а не внедрение функции • Эффект измеряется только через baseline и владельца метрики • Самые крупные деньги — на стыке функций, а не внутри отдела • Начинать нужно с карты процессов и базы знаний, а не с «модной модели» • ИИ — это контур управления, который сокращает цикл принятия решений Польза для бизнеса Проведите диагностику 5–7 ключевых процессов — где реально «течёт» время. Зафиксируйте baseline перед запуском любого пилота. Создайте кросс-функциональную команду для big-bet инициатив. Начните с базы знаний и AI-хабов — это фундамент первой волны. Определите стратегию исходя из зрелости, а не амбиций.