март    2026

Пн	Вт	Ср	Чт	Пт	Сб	Вс
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30	31

показать все 

17.03.2026

Российские разработчики создают систему для проектирования сверхвысокочастотных интегральных схем на Astra Linux

Читать далее 

05.03.2026

МТС AdTech и MWS AI: 24% трудоспособного населения России регулярно пользуются генеративным ИИ в формате чатов

Читать далее 

05.03.2026

Эксперт SafeERP Римма Кулешова: безопасность ERP больше не про ИТ, а про выживание бизнеса

Читать далее 

05.03.2026

Не внедривший — жалеет: каждый третий предприниматель пожалел, что не внедрил автоматизацию раньше

Читать далее 

03.03.2026

«Байкал Электроникс» и РЕГЛАБ заключили миллиардный контракт на поставку микроконтроллеров Baikal U-1000

Читать далее 

показать все 

23.03.2026

Время внедрения: ИИ в вашем бизнесе – эксперимент или реальная прибыль?

Читать далее 

18.03.2026

Ах, если бы сбылась моя мечта!

Читать далее 

06.03.2026

Как компьютеры понимают текст?

Читать далее 

06.03.2026

Как компьютеры понимают текст?

Читать далее 

30.12.2025

Как найти идею и перезапустить продукт в «красном океане»

Читать далее 

29.07.2025

Точность до метра и сантиметра: как применяют технологии позиционирования

Читать далее 

18.04.2024

Как искусственный интеллект изменит экономику

Читать далее 

22.09.2023

Эпоха российской ориентации на Запад в сфере программного обеспечения завершилась

Читать далее 

22.09.2023

Сладкая жизнь

Читать далее 

22.09.2023

12 бизнес-концепций, которыми должны овладеть ИТ-руководители

Читать далее 

показать все 

Главная / Статьи / Опросы / Время внедрения: ИИ в вашем бизнесе – эксперимент или реальная прибыль?

Время внедрения: ИИ в вашем бизнесе – эксперимент или реальная прибыль?

По итогам 2025 года 71% крупных российских компаний уже применяют генеративный ИИ хотя бы в одной из своих бизнес-функций, отмечается в совместном исследовании консалтинговой компании «Яков и Партнеры» и «Яндекса». Среди передовых отраслей по системному внедрению – ИТ, телеком и медиа, электронная коммерция, банковское дело и страхование. По прогнозам, к 2030 году общий экономический эффект от ИИ в России составит 7,9–12,8 трлн рублей в год. Ищем практическую пользу от технологий, которые сейчас у всех на слуху.

1.Какая доля сотрудников вашей компании уже использует инструменты генеративного ИИ в работе?
2. Какие направления выиграли от внедрения нейросетей (маркетинг, ИТ-разработка, клиентский сервис или аналитика)?
3. С какой главной сложностью вы столкнулись при внедрении ИИ (низкое качество данных, сопротивление персонала, юридические риски)?
4. Какую модель использования вы выбрали: разработку собственного решения, адаптацию open-source или покупку готовых корпоративных подписок?
5. Считаете ли вы, что ИИ в перспективе двух лет позволит вам сократить штат или, наоборот, потребует найма новых узкопрофильных специалистов?

На вопросы «БИТа» отвечают эксперты компаний

Иосиф Маламуд,
директор по продвижению программных продуктов компании Software KIT

«Основная проблема, характерная сегодня для большинства ИИ-платформ, связана качеством исходных данных»

1. Поскольку мы являемся производителем программных решений для управления большими данными на основе искусственного интеллекта и машинного обучения, инструменты генеративного ИИ с той или иной интенсивностью используют порядка 80% наших сотрудников. Они помогают в разработке и оптимизации кода, составлении документации, а также автоматизации ряда рутинных задач. За счет этого снижаются операционные издержки, сокращается цикл разработки и вывода на рынок новых и обновления актуальных продуктов.

2. Главные преимущества от инструментария на базе ИИ в нашем случае получают команды разработки, тестирования и отладки решений. Наряду с общедоступными генеративными моделями, мы применяем самостоятельно разработанные под наши задачи ИИ-инструменты. Один из таких инструментов автоматически конспектирует планерки, определяет ключевые тезисы, озвучиваемые спикерами, обсуждаемые задачи и, при необходимости вносит их в бэклог соответствующего исполнителя. Очень удобный инструмент, экономящий массу времени и сил!

3. Результат работы любой самообучающейся системы зависит от качества дата-сетов (набора данных), на базе которых происходит ее обучение. Поэтому основная проблема, характерная сегодня для большинства ИИ-платформ, связана качеством исходных данных. А поскольку итог, полученный в ходе одного цикла обработки данных, становится базой для следующего, корректировка получаемых после каждого цикла результатов не менее важна, чем совершенствование алгоритмов обработки.

Наряду с качеством поставляемых системе данных, заказчикам стоит тщательно подходить к выбору способа развертывания решений. Облачная модель несет очевидные ИБ-риски, поскольку утечки данных из инфраструктур сервис-провайдеров достаточно вероятны. А внедрение системы внутри информационного контура предприятия влечет существенные расходы на создание и поддержку on-premise инфраструктур.

Ну, и конечно же, человеческий фактор, оставлять без внимания который не стоит при внедрении любой системы автоматизации. Еще на заре развития ИИ люди боялись, что однажды новая технология заменит их на рабочих местах. Отчасти эти опасения оправдались: сегодня данные системы действительно позволяют бизнесу экономить на базовом персонале.

С другой стороны, тренды рынка труда свидетельствуют, что для квалифицированных позиций навык работы с ИИ-инструментами де-факто становится профессиональным стандартом. А значит, роль этих решений сводится к полезному помощнику, но не альтернативе человеку. По крайней мере, на современном этапе их развития.

4. Будучи самостоятельным разработчиком ИИ-решений полного цикла, мы опираемся на собственные разработки, тонко кастомизированные под специфику бизнес-процессов компании заказчика и стоящие перед нами задачи. Также мы следим за трендами open source-сообщества, рассматриваем новые решения, практики их применения в компаниях аналогичного профиля и, в случае заинтересованности, оцениваем перспективы их доработки и внедрения в наши практики.

5. Скорее, ИИ позволит отказаться от избыточного найма новых сотрудников за счет повышения эффективности и производительности уже действующих. Такое применение этого инструмента мне представляется наиболее верным.

Кирилл Максимов,
основатель проекта «Клиенты есть всегда», предприниматель, бизнес-консультант

«Без человеческой стратегии, опыта и уникальности, ИИ в большинстве случаев генерирует „клонов“»

Наш проект «Клиенты есть всегда» — ИИ-friendly, то есть процессы автоматизации при помощи нейросетей вызывают у команды только позитивный отклик и применяются весьма активно.

Несмотря на то, что компании с внедрением ИИ в клиентский сервис действительно экономят на персонале, современные ИИ-боты в поддержке чаще всего вызывают сильное раздражение у пользователей, поэтому вряд ли тут можно говорить о выигрыше, по крайней мере, пока.

Маркетинг — да, получает серьезное преимущество. Однако использовать ИИ нужно крайне вдумчиво и грамотно. Иллюзия, что с помощью нейросетей можно успешно делать маркетинг, не разбираясь в нем и не вкладывая свою экспертизу, — заблуждение. Без человеческой стратегии, опыта и уникальности, ИИ в большинстве случаев генерирует «клонов». Особенно это заметно в нашей сфере: контент, рекламные креативы и воронки, созданные исключительно нейросетями, могут работать, но почти никогда не становятся «волшебной таблеткой».

Мы внедрили собственного ИИ-куратора по имени Платон, который сопровождает участников на протяжении всего обучения. Наши курсы достаточно продолжительные — от трех до шести месяцев. За это время участники последовательно осваивают теорию, выполняют практические задания и шаг за шагом развивают свой онлайн-бизнес. Платон глубоко знает структуру всех курсов и весь объем учебных материалов. Он в реальном времени помогает выполнять домашние задания, генерировать идеи, выстраивать и корректировать стратегию развития проекта.

В ближайшие два года ИИ упростит и ускорит рутинные процессы (генерация черновиков, базовые креативы, обработка больших массивов данных, автоматизация однотипных ответов), что позволит специалистам, сотрудникам сосредоточиться на стратегических задачах, аналитике и уникальных решениях.

Мария Райдер,
издатель, писатель, автор книг «Как подружиться с ChatGPT», «Нейросети для пишущих»

«ИИ работает как усилитель собственной экспертизы. Если человек не понимает задачу, контекст и критерии результата, то ИИ не поможет, а только масштабирует хаос»

1. У меня бизнес нового времени — мы уже давно перевели ИИ из разряда эксперимента в категорию базового рабочего инструмента. Штатных сотрудников у меня нет: мы собираем кросс-функциональные команды под проекты. И каждый участник использует ИИ, потому что очевидно, что работа без него сегодня означает потерю скорости, рост издержек и снижение точности.

Я сталкиваюсь иногда с возражениями участников, но, как показывает практика, чаще это связано с недостаточной информированностью о возможностях нейросетей.

Наглядный пример произошел прошлым летом во время подготовки к запуску продукта. В команду входили продюсер, маркетолог, контент-мейкер и проектный менеджер. Нам предстояло подготовить лендинг, серию писем, прогрев в соцсетях, скрипты продаж и ответы на возражения.

Контент-мейкер сказала, что физически не успевает подготовить запланированные 12 постов без потери качества. Я спросила, почему она не использует нейросеть. Ответ был; ИИ дает шаблонные и скучные тексты. Я предложила простой эксперимент, и мы вместе сформулировали четкий бриф: обозначили, кто мы и нашу цель, назвали целевую аудиторию, ее боли, описали требуемый стиль постов и ограничения по лексике. Затем запросили у ИИ 12 вариантов заголовков, 12 структур постов и три варианта одного поста в моем авторском голосе. Уже через 20 минут коллега сделала вывод: «Если бы я так работала раньше, я бы не выгорала».

2. Больше всего выиграли маркетинг и аналитика. В маркетинге резко ускорилась упаковка смыслов — от формулировки гипотез и офферов до написания сценариев, прогревов и построения воронок. Аналитика, в свою очередь, получила возможность почти мгновенно обрабатывать большие массивы данных и выявлять закономерности, которые человеку просто не хватило бы времени заметить. Клиентский сервис, напротив, почти не изменился: там ценность дает не автоматизация, а человеческий подход.

В маркетинге раньше многое строилось на интуиции. Любимая фраза моего маркетолога тоже была «Я чувствую, это зайдет». Я предложила оставить чувства для искусства и начать тестировать проверяемые гипотезы. Мы с помощью ИИ сгенерировали 20 вариантов офферов, 10 вариантов УТП под разные сегменты аудитории, подготовили 5 линий прогрева, собрали 30 типичных возражений клиентов и ответы на них, а также построили четкую матрицу перехода от боли к обещанию, доказательству и призыву к действию.

В итоге сэкономили неделю работы на подготовке материалов, а главное — перестали спорить «нравится/не нравится». Теперь спорим о том, «работает/не работает».

3. Главная сложность связана с ожиданиями людей. Многие воспринимают ИИ как инструмент, который сделает за них всю работу. Но это не так, ИИ работает как усилитель собственной экспертизы. Если человек не понимает задачу, контекст и критерии результата, то ИИ не поможет, а только масштабирует хаос.

Яркий пример — история с моим опытным и компетентным коллегой, который воспринял внедрение ИИ в штыки, так как считал, что из-за автоматизации сам он окажется ненужным. Я ответила, что он может стать ненужным не из-за ИИ, а если не научится выполнять свои задачи быстрее и точнее.

Я предложила ему двухнедельный практический тест: выполнить знакомые рабочие задачи — подготовку отчета, анализ конкурентов, генерацию гипотез по оптимизации процессов — сначала традиционным способом, затем с использованием ИИ, и сравнить результаты.

Через пять дней он пришел и признался, что его сопротивление было не столько к самому инструменту, сколько к необходимости менять рабочие привычки. И что ИИ в действительности не отменяет его экспертизу, а позволяет применять эффективнее.

4. Мы используем гибридную модель. Для типовых задач и ситуаций, где важна скорость, используем проверенные готовые решения. А для чувствительных процессов — там, где критичны контроль над данными, уникальный стиль коммуникации, логика подачи или конфиденциальность — обращаемся к open source -инструментам и кастомизации.

Собственные разработки у нас тоже есть, но они появляются не из желания создать свой ИИ, а как естественное продолжение практической работы, когда стандартные инструменты перестают закрывать конкретную потребность.

Однажды проектный менеджер предложил создать универсального внутреннего ИИ, способного одновременно работать с маркетингом, текстами и аналитикой. Я спросила: «Ты хочешь сделать „свое“ из гордости или из необходимости?» Мы вместе проанализировали целесообразность с точки зрения разработки, поддержки, безопасности, регулярных обновлений и обучения команды.

И расчеты показали, что покупка готовых решений, создание четких регламентов и продуманных шаблонов промтов даст нужный результат в 10 раз быстрее и с гораздо меньшими ресурсными затратами.

5. С внедрением ИИ штат действительно становится меньше количественно, но дороже качественно. Появляется спрос на людей с системным мышлением, способных ставить задачи, принимать решения и не прятаться за процесс. ИИ работает как фильтр: оставляет тех, кто умеет думать и брать ответственность.

Раньше в командах могли существовать роли, ориентированные на объем: например, сотрудник, который регулярно выпускал большое количество контента — посты, сторис, тексты, но без четкой стратегической логики. С приходом ИИ такой подход перестал работать. Ускорение производства обнажило главное: важно не сколько, а зачем и как. Вопрос сместился от количества текстов к управлению смыслом — кто строит стратегию, кто понимает цель коммуникации, кто может направить инструмент на достижение бизнес-результата.

Мария Лобанова,
руководитель клиентского сервиса платформы по автоматизации сотрудничества бизнеса и внештатного персонала WinWork

«Даже при активном использовании ИИ мы всегда проводим внимательную проверку результата, а финальный этап остается в руках человека»

Как специалисты по автоматизации сотрудничества между бизнесом и внештатным персоналом мы стараемся держать руку на пульсе и тоже автоматизировать свою работу. Внедрение ИИ в нашей компании началось не так давно, но уже принесло ощутимые результаты.

В настоящее время несколько команд WinWork активно используют инструменты генеративного ИИ в своей повседневной деятельности. Основные направления, которые выигрывают от этого внедрения, — клиентский сервис и маркетинг. Сейчас интеграцией ИИ-инструментов в свои рабочие процессы занимается продуктовая команда.

Самый успешный кейс по внедрению ИИ-агента пока у клиентского сервиса. Нам уже удалось увеличить количество обрабатываемых запросов в два раза, а также сократить время первого ответа до трех минут. При этом качество остается на прежнем уровне — это доказывает последний опрос клиентов: средняя оценка поддержки составила 9,1 балл.

Такого результата мы добились благодаря тому, что перенесли на нейросеть самые частые и простые вопросы, которые занимали время наших специалистов. Теперь сотрудники могут сконцентрироваться на действительно сложных и требующих внимания ситуациях.

Также мы частично автоматизировали обработку отзывов и запросов пользователей. Совместно с командой маркетинга мы проанализировали отзывы о нашем приложении и выделили пять ключевых категорий проблем, с которыми сталкиваются пользователи. На основе этих категорий были подготовлены промпты для сотрудников поддержки, чтобы они могли оперативно реагировать на различные настроения пользователей. Каждый ответ проверяет и корректирует модератор, но основную работу выполняет искусственный интеллект.

Отдел маркетинга использует ИИ для создания дизайна: нейросеть позволяет быстрее генерировать креативы и адаптировать их под нужды разных кампаний. Это значительно сократило время на выполнение задач, что тоже повлияло на эффективность.

Продуктовая команда сейчас также внедряет ИИ-агента для работы по первичному анализу договоров заказчиков в нашей платформе. Цель такой интеграции — сократить время на проверку документов между заказчиками и исполнителями внутри сервиса, сохранив при этом безопасность и соответствие легальным требованиям.

Мы не стремимся сокращать штат, однако в условиях внешнего кризиса, когда многие компании вынуждены оптимизировать расходы, внедрение ИИ позволяет нам не увеличивать численность персонала и при этом поддерживать стабильность.

Как и в любом процессе внедрения новых технологий, мы столкнулись с несколькими трудностями.

Во-первых, одной из главных проблем было качество данных. Работа ИИ зависит от качества исходных данных, и на первых этапах мы заметили, что система не всегда корректно обрабатывает информацию, если она не была тщательно подготовлена.

Во-вторых, есть некоторое сопротивление персонала. Ответственность перед нашими клиентами, пользователями и читателями лежит на нас, из-за чего сложно слепо довериться нейросети. Поэтому даже при активном использовании ИИ мы всегда проводим внимательную проверку результата, а финальный этап остается в руках человека. Это позволяет гарантировать качественный результат и успокоить даже самых тревожных членов команды.

Что касается дальнейшей перспективы, я считаю, что в ближайшие два года ИИ, скорее всего, не сократит наш штат, но точно создаст новые потребности. Нам нужно будет нанимать узкопрофильных специалистов, которые займутся обучением ИИ, контролем качества данных и настройкой алгоритмов. Мы уже видим, как это направление растет и развивается, особенно в сфере аналитики и маркетинга.

Евгений Чупанов,
основатель ИИ-помощника для юристов «Карманный консультант»

«Прибыль появляется там, где ИИ встроен в процесс и проверяется человеком»

Если честно, я довольно быстро перестал спорить на тему, окупается ли ИИ. Вживую это выглядит не как красивая история про технологии, а как бытовой вопрос: у юриста есть задача, открыт документ, горит срок. Инструмент помогает или добавляет лишние шаги. Если помогает, дальше разговор сам собой становится про деньги и скорость. Если нет, хоть назови это ИИ, оно не приживется.

«Карманного консультанта» мы изначально делали для внешних клиентов. Хотели, чтобы человек получал черновик позиции, структуру ответа, подбор норм и список того, что стоит проверить. А потом произошло то, что я люблю в продуктовой работе: инструмент начал жить внутри компании. Юристы сами потянули его в ежедневные задачи не потому, что так сказали «сверху», а потому что удобно. И важный момент: у нас не было страха про замену людей. Вопрос был простой и профессиональный: работает ли это в реальной юридической практике.

Эффект тоже довольно понятный. Он не в том, что нейросеть умнее всех. Он в скорости на рутине. Быстрее собрать первичную фактуру, накидать каркас письма или заключения, поднять нормы, чтобы не копаться вручную в куче источников. Ручной поиск почти ушел. А когда юридическая функция ускоряется, это видно и клиентам: меньше пауз, больше времени на проверку и на то, что реально требует опыта.

Но на старте была проблема, которая могла все остановить — судебная практика. Инструмент сначала плохо с ней справлялся, а для юриста это основа доверия. Без практики текст может быть гладким, но ты не понимаешь, как это обычно решается в суде и на что ссылаться так, чтобы потом не отвечать за ошибки. Поэтому мы не уговаривали и не продавливали принятие. Сели вместе с командой и допилили продукт так, чтобы судебная практика стала частью результата. После этого отношение поменялось быстро: инструмент стал помощником, а не игрушкой.

Про модель использования скажу просто. «Карманный консультант» — это наше решение, но стоит оно на базе существующих генеративных моделей, из того же класса, что и ChatGPT. Мы адаптировали их под юридические задачи и процессы, чтобы на выходе были рабочие заготовки, которые можно проверить, поправить и довести до финального документа.

И про ближайшие пару лет и штат. Нейросеть не заменяет юриста: она снимает рутину и ускоряет подготовку, а решение и ответственность остаются у человека. Скорее будет перераспределение задач и рост роли тех, кто умеет ставить запрос и контролировать качество. Прибыль появляется там, где ИИ встроен в процесс и проверяется человеком, а не живет отдельной вкладкой для экспериментов.

Андрей Подгорнов,
основатель MD Audit (SL Soft FabricaONE.AI, акционер — ГК Softline), эксперт по цифровой трансформации и внедрению AI в бизнес

«Полная разработка „с нуля“ экономически оправдана только в узких нишах, поэтому основной фокус — на интеграции, дообучении и безопасной эксплуатации»

1. Сегодня генеративные ИИ-инструменты в той или иной форме используют почти все сотрудники, при этом глубина использования сильно различается. Для части команд ИИ стал повседневным рабочим инструментом, от подготовки текстов и аналитических сводок до ускорения ИТ-разработки и автоматизации рутины. Для других это пока скорее вспомогательный инструмент. Мы осознанно не стремились к массовому и одномоментному внедрению, а начали с пилотов в тех функциях, где эффект был очевиден и измерим.

2. Наибольший эффект на старте дали ИТ-разработка, аналитика и маркетинг. В разработке ИИ ускоряет написание и ревью кода, помогает с документацией и тестированием. В аналитике — снижает порог входа в работу с данными, позволяет быстрее формировать гипотезы и управленческие отчеты. В маркетинге нейросети заметно ускорили подготовку контента и A/B-гипотез. Клиентский сервис также выигрывает, но там эффект проявляется медленнее из-за повышенных требований к качеству, безопасности и контролю ответов.

3. Главной сложностью оказалась не технология, а организационная зрелость — в первую очередь, качество и структурированность данных, а также ожидания сотрудников. Многие воспринимают ИИ либо как «волшебную кнопку», либо как угрозу рабочему месту. Пришлось много работать с обучением, объяснением границ применения и ответственности человека за результат.

Отдельный блок — юридические и ИБ-риски: вопросы конфиденциальности, утечек данных и корректности использования внешних моделей требуют четких регламентов.

4. Мы выбрали гибридную модель. Для чувствительных сценариев и внутренних процессов используем адаптацию open-source-моделей и локальные решения. Для универсальных задач — корпоративные подписки и проверенные облачные сервисы с понятной моделью ответственности. Полная разработка «с нуля» экономически оправдана только в узких нишах, поэтому основной фокус — на интеграции, дообучении и безопасной эксплуатации.

5. В перспективе двух лет ИИ скорее трансформирует роли, чем сократит штат. Рутинные функции будут автоматизироваться, но возрастет потребность в специалистах, которые умеют ставить задачи ИИ, проверять результаты, управлять качеством данных и рисками. Появляются новые гибридные роли между бизнесом, ИТ и аналитикой.

Борис Латкин,
основатель и руководитель Rocket Group

«Мы делаем ставку на модель „человек + ИИ“, где искусственный интеллект усиливает экспертизу, а не подменяет ее»

В архитектурной группе использование генеративного ИИ составляет 90%. Вся разработка концепций развития территорий и ранних градостроительных решений переведена в собственную GenAI-платформу. Для нас это ключевое производственное направление, поэтому ИИ встроен не как вспомогательный инструмент, а как часть базового процесса. Небольшая доработка и верстка результатов работы в альбом производится в стороннем ПО.

Максимальный эффект получили архитектурная группа и направления, связанные с девелопментом. ИИ позволил значительно ускорить подготовку концепций развития территорий, сценариев застройки и предварительных решений, которые раньше требовали длительной ручной проработки. Это сократило сроки входа в проекты и повысило качество проработки на ранних стадиях — именно там, где в девелопменте закладывается основная стоимость ошибок.

Дополнительный эффект получили маркетинг и PR: архитектурные концепции быстрее трансформируются в визуальные и текстовые материалы для презентаций, инвесторов и публичных коммуникаций. Кроме того, маркетинг использует корпоративные подписки на нейросетевые сервисы, инструменты которых помогают расшифровывать аудио, монтировать видео, визуализировать результаты исследований, редактировать тексты.

Основная сложность заключалась в адаптации ИИ под профессиональную логику градостроительства и девелопмента. Поэтому мы используем собственную разработку, которая учитывает нормативные ограничения, контекст территории и инвестиционную логику проектов. Для нас ключевой задачей стало не «подключение ИИ», а формализация экспертных знаний и перевод их в машиночитаемую форму без потери смысла.

Еще одна сложность — обучение новых сотрудников работе с ИИ. Дело в том, что при использовании инструмента немного меняется порядок рабочего процесса. К этому специалистам нужно было адаптироваться.

Для архитектурных и градостроительных задач мы разработали собственное решение с нуля, опираясь на многолетний девелоперский и проектный опыт команды. Это позволило встроить в платформу отраслевую экспертизу, градостроительные ограничения и реальные сценарии принятия решений.

Готовые корпоративные подписки мы используем точечно — в маркетинге и вспомогательных функциях, где они дают быстрый эффект и не требуют глубокой кастомизации.

Для нас ключевой эффект — это рост пропускной способности архитектурной команды без увеличения штата. Мы можем брать больше проектов в архитектурное бюро, а наши заказчики — быстрее проходить ранние стадии и снижать риски на этапе концепций, что напрямую влияет на экономику девелоперских решений. Кроме того, работая в ИИ-платформе, мы одновременно можем ее совершенствовать, понимая, какой функционал необходим для эффективной работы.

Сокращать штат мы не планируем, но и активный найм не рассматриваем как обязательное условие роста. Мы делаем ставку на модель «человек + ИИ», где искусственный интеллект усиливает экспертизу, а не подменяет ее.

При найме сотрудников в будущем приоритет будет отдаваться профессиональному опыту, системному мышлению и способности критически оценивать результаты работы ИИ — это ключевые навыки для градостроительства в ближайшие годы.

Милена Мельницкая,
предприниматель, маркетолог, основатель рекламного агентства Milnova

«В среднем по агентству мы увидели, что задачи стали выполняться примерно на 10% быстрее, чем в начале прошлого года»

Для нас ИИ стал обычным рабочим инструментом. Почти все сотрудники в компании используют нейросети каждый день. Это реально удобнее и быстрее. Где-то нужно быстро найти идеи для дизайна, где-то аккуратно ответить сложному клиенту, где-то разобраться, почему реклама не сработала и все пошло не по плану. ИИ сильно экономит время на таких вещах.

Мы даже проверяли это на практике. Взяли двух авитологов, одну и ту же нишу — одежда для подростков. Один специалист активно использовал ИИ: для стратегии, анализа ошибок, идей. Второй работал без него. В итоге тот, кто был с ИИ, вышел на хорошие результаты и продажи быстрее. Не потому, что нейросеть все сделала за авитолога, а потому что помогла быстрее думать и принимать решения. В среднем по агентству мы увидели, что задачи стали выполняться примерно на 10% быстрее, чем в начале прошлого года.

Больше всего ИИ помогает в клиентском сервисе и аналитике. С клиентами это вообще чудо: ИИ подсказывает, как мягче ответить на возражения, как сгладить негатив, как не усугубить конфликт. Иногда человек просто не в настроении и важно правильно подобрать слова. В аналитике нейросеть тоже очень удобна, она быстро показывает слабые места и на что стоит обратить внимание.

Если говорить о сложностях, то это не люди. Команда с радостью приняла ИИ он реально упрощает работу. Самая большая проблема оказалась технической: долгая загрузка, доступ, VPN. Российские аналоги пробовали, но они нам не зашли. ChatGPT оказался намного удобнее. Мы используем корпоративную подписку для всех сотрудников, так проще и понятнее.

Считаю, что ИИ точно поможет оптимизировать работу многих специалистов, особенно в IT и маркетинге. Но заменить человека он не сможет. Это скорее не замена человека, а хороший помощник. Тот, кто умеет пользоваться ИИ, работает быстрее, спокойнее и эффективнее.

Ключевые слова: искусственный интеллект, данные, автоматизация, оптимизация, клиенты, экспертиза, GenAI, обучение, ИИ-модель

В начало⇑

Комментарии отсутствуют

Комментарии могут отставлять только зарегистрированные пользователи