Год внедрения ИИ в агентстве. Что заработало, а что нет
Для начала спойлер: «волшебной кнопки» пока не существует. Если вы руководитель, то знаете это чувство, когда половина дня уходит не на стратегию и развитие, а на ерунду: вычитать договор, найти нужную таблицу, ответить на десятое письмо, собрать статус по проекту у трех человек. Можно все это делегировать. Но и делегирование съедает время: поставить задачу, дождаться, проверить, поправить... Так теряется день.
Я, как и многие, годами так и работал, пока в мою жизнь не пришел искусственный интеллект. Тогда я начал постепенно снимать с себя рутину и собрал из этого целую систему, которую считаю полноценным ИИ-консьержем. Теперь мой СТО (технический директор) параллельно со своей работой может вести найм, большую часть бухгалтерии, договоры и держать связь с заказчиками. По сути, работу юридического отдела, финансов и клиентского сервиса тянет один человек. И тянет не потому, что ему некому помочь, а потому, что большую часть задач за него делает алгоритм.
Ниже — моя личная история о том, как я углубился в возможности ИИ для собственного бизнеса. Честно расскажу, какие процессы получилось упростить с помощью инструмента, а где до сих пор не обойтись без участия человека.
Кто я и почему вообще этим занялся
Я много лет работал в крупном международном бизнесе, отвечал за связи с госорганами и общественностью. В 2016 году параллельно начал вести тренинги про то, как выступать и делать действительно полезные презентации — поначалу это было больше похоже на хобби. Это переросло во второй продукт, потом в третий. В 2022 году компания, где я работал, уходила из России, и у меня освободилось время, чтобы сделать мой образовательный проект полноценным бизнесом и заняться его продвижением. Появилась команда: маркетолог, продюсер, монтажер, SMM-щик.
С искусственным интеллектом я столкнулся в 2023-м и, честно говоря, сначала пожал плечами. Технология казалась сырой, я не понимал, куда бы мог применить ее и зачем. Вернулся к теме через год, когда модели явно поумнели — начал тестировать руками и понял, что это уже всерьез ускоряет мою работу. Тогда все и завертелось. Я стал делиться своим опытом на выступлениях и получать от слушателей просьбы помочь им автоматизировать работу. Из этих запросов и выросло мое агентство по автоматизации.
Есть два разных ИИ — и их постоянно путают
Прежде чем говорить про консьержа, разведу два понятия. Их мешают в кашу, и отсюда — половина разочарований.
Первый «вид» ИИ — про личную эффективность. Это когда у вас на телефоне есть доступ к какой-нибудь модели: ChatGPT, Claude, Qwen, Yandex GPT. Вы сами открываете рабочее окно, набираете в нем текст, сокращаете, переводите голос в расшифровку, гоните аналитику, делаете картинки, а особо смелые даже могут собирать сайты или приложения буквально голосом, без строчки кода. Но ключевое слово тут «сами». Без вас ничего не работает, вы говорите ИИ-шке то, что он должен для вас сделать.
Второй «вид» ИИ — автоматизация. Это когда цепочку действий модель делает без вас: собрала информацию, обработала, разложила по документам, сверила, нашла ошибку, поправила, вывела в дашборд. Вы поставили задачу и ушли заниматься чем-то другим, а система тем временем довела дело до стабильного результата, которым можно смело пользоваться. В нашей стране это пока почти не применяется.
В этом как раз и заключается принципиальная разница в использовании искусственного интеллекта. Инструменты личной эффективности любой освоит за пару вечеров по роликам на YouTube. А автоматизацию своими руками собрать намного сложнее, но в ней как раз и кроется самое интересное.
Почему нельзя просто пойти и купить готовое
Логичная мысль — «раз все придумано, просто куплю решение и внедрю в своем бизнесе». Готовые ИИ-консьержи как будто есть. Вот вам, пожалуйста, Microsoft Copilot, который встроен в Word, Excel, Outlook, учится на ваших документах, почте, ориентируется во всем, что вы до этого делали. Красота! Но ровно до того момента, как начнешь разбираться с конкретикой, установкой и бюджетом. На компанию в 50 человек официальный офис с лицензией и встроенным Copilot обойдется примерно в 5 млн рублей в год. Оплатить его в России сейчас проблематично. У Google тоже есть свой Gemini-консьерж, но и с ним возникают те же вопросы: как получить доступ, как оплатить, как подключаться. И чтобы все это заработало, придется перевести всю работу компании в их сервисы. А таких компаний я, честно говоря, не встречал.
Была еще нашумевшая история про Openclaw — автономного агента, который устанавливается прямо на компьютер и сам разбирается, что к чему. Звучит заманчиво. Но это не приложение из магазина, которое скачал и запустил. Я убил целый день, чтобы понять, как его вообще установить, а в итоге выяснил, что он работает только на Mac. Отдал своему эксперту, тот тоже намучился, поставил, но за день сжег 200 долларов на одних кредитах, пока тестировал базовые вещи. Хорошо, что больше на счету не было, а то улетело бы все.
И дело даже не в деньгах, а в том, что вы запускаете на рабочий компьютер систему, которая живет сама по себе, заходит в вашу почту, читает документы, имеет доступ фактически к любым данным. Штука занятная, но пока это Дикий Запад: как оно работает и что может натворить на вашем компьютере — бог его знает. На рабочих задачах я бы не рисковал. Мы эту историю у себя притормозили.
Вывод: пока универсальной кнопки нет. Надо делать что-то кастомное, заточенное под задачи именно вашего бизнеса, собранное поэтапно, чтобы потом сложиться в готовую систему автоматических решений. Тогда это действительно работает, экономит время и деньги и выполняет задачи самостоятельно. Именно такие решения я и называю ИИ-консьержами — их мы и начали делать для клиентов и партнеров.
Что такое ИИ-консьерж и как он вообще думает
Проще показать на примере. Одному заказчику из строительной отрасли мы собрали кастомный дашборд — экран, который стягивает воедино всю информацию по компании. Часть данных тянется из 1С и других программ, что-то сотрудники заносят руками. В реальном времени руководитель видит план по каждому объекту: где отстают по срокам, где задержка с материалами, какие контракты подписаны, сколько потрачено относительно бюджета, что лежит на складе. Показателей много, и каждый специалист — от собственника до линейного менеджера — видит ровно свой участок.
Но это только начало. Дальше мы встроили в дашборд ИИ чат-бота: теперь руководитель задает вопрос прямо в чат, а бот отвечает по всем данным — комментирует графики, выдает конкретный документ, показывает статус по любому из них. Это уже практически полноценный консьерж. Но чтобы он так работал, ему нужна база знаний.
База знаний — это документы компании: регламенты, договоры, удачные коммерческие предложения, описанные процессы, расшифровки разговоров, переписка, любые требования — все, из чего консьерж понимает, что происходит в бизнесе. Без базы знаний ИИ пишет общими словами. Попросите его составить коммерческое предложение с нуля — получите пустышку, которую стыдно отправлять. А если он видел ваши прошлые предложения и знает, какие сработали, он соберет новое в нужной логике. И так с любыми документами: чем больше у консьержа вашего реального материала, тем меньше он выдумывает и точнее попадает.
Базу знаний можно еще и дополнять правилами. Ошибся консьерж в расчете — мы объясняем, как считать правильно, и прописываем это отдельным сценарием (workflow). Такое правило остается в системе навсегда — так мы обходим баги, галлюцинации и прочие болячки, которыми грешит ИИ.
И есть второй плюс, ради которого все и затевается: консьерж работает локально, на вашем сервере, ваша информация никуда не уходит. Ни одна компания не станет загружать свою стратегию или коммерческие условия в публичный ChatGPT — это конфиденциальные данные, и регламенты информационной безопасности такого не допускают. А раз данные не покидают периметр, вопрос безопасности данных закрыт.
Технически это выглядит буднично: либо обычный чат в мессенджере, либо встроенный в интерфейс, максимально похожий на любой ИИ. Вы просто пишете ему текстом или наговариваете голосовое — через 15 секунд приходит ответ. Выглядит все, как типичная переписка с коллегой. Кстати, это единственный собеседник, который никогда вам не выскажет, что вы плохо формулируете мысли или вечно чем-то недовольны.
И вот тут автоматизация раскрывается во всей эффективной полноте: база знаний, консьерж и дашборд превращаются в единый механизм. Он учится на вашей информации, понимает, кто чем занят, и ничего не выпускает за пределы сервера. По сути, вы растите собственного сотрудника, только цифрового, которому не нужно платить зарплату.
Какие процессы в моем агентстве закрывает консьерж
Оформляет типовые договоры
Свой типовой договор мы один раз собрали, утвердили и положили в базу. Теперь, чтобы сделать новый, мне достаточно скинуть консьержу техзадание и данные заказчика текстом, голосом или даже фото. Через минуту приходит ссылка на готовый документ, а финальную версию система снова кладет в базу. Когда накапливается десяток договоров, экономия времени выходит огромная. Точно так же собираются счета, акты, любые другие документы.
С новыми договорами консьерж тоже помогает: просто загружаем входящий документ от контрагента, и он сразу показывает, где сроки не в нашу пользу, где скрыт риск, где формулировку лучше поменять. Я не юрист, на некритичные вещи могу махнуть рукой: ну, оплата не через 30 дней, а через 45 — переживу. А где вижу что-то важное, прошу написать комментарий и предложить свой вариант, и консьерж это делает.
Помогает нанимать сотрудников
Я голосом описываю системе, кто мне нужен. Консьерж собирает вакансию, мы вешаем ее на HeadHunter, и все отклики стекаются к нему. Из сотни резюме он показывает топ-10, объясняет, почему именно эти и на что смотреть. Дальше мы проводим собеседования, они записываются и тоже попадают в систему. На выходе получаю трех топовых финалистов с сильными и слабыми сторонами. Поначалу мы все перепроверяли руками — точность оказалась феноменальной, вплоть до моментов, которые обычный рекрутер даже не заметит.
Правда, без нюансов тоже не обходится. ИИ судит по резюме и записи собеседования, а люди разные: кто-то умеет красиво подать себя на бумаге и на встрече, кто-то нет. Так что человеческий фактор никуда не девается, и осечки у нас случались. Но в большинстве случаев к нам приходят действительно сильные ребята. А главное, сам процесс найма ускорился на 90%. Без ИИ-консьержа мы бы столько кандидатов просто не потянули.
Контролирует статус проектов
В любой момент я спрашиваю систему — что происходит по проекту Х? И сразу же получаю развернутый ответ: какой этап пройден, что в работе, где затык, от кого ждем результат. Могу попинать по деталям — он их безупречно выдает. Мы записываем и расшифровываем все созвоны, так что система видит общую картину. Наши контрагенты, честно сказать, в шоке от того, как быстро мы отвечаем на любой их вопрос.
Упорядочивает финансы и бухгалтерию
Весь бюджет собирается в одном файле: зарплаты, оплаты по проектам, налоги, остаток, ожидаемые поступления. Подписали новый договор — я просто кидаю его консьержу и говорю «внеси данные». Он читает сроки и суммы и добавляет отдельной строкой. Я в любой момент вижу, когда придут деньги и когда пора платить.
Хранит данные безопасно
Все хранится на нашем внутреннем сервере, данные не покидают периметр. Расшифровку голоса делает локальная модель Whisper. Каждый инструмент получает доступ только к тому, что ему нужно: надо прочитать задачу — видит таск-трекер, надо отправить сообщение — только мессенджер. Никакого бесконтрольного доступа ко всем подряд данным.
Как еще можно использовать ИИ-консьерж
Приведу пример посложнее. У вышеупомянутого застройщика была задача по сверке технической документации. Это сотня страниц чертежей, техзадания, регламенты, ГОСТы, проектные схемы. На то, чтобы все вычитать и свести между собой, у главного инженера уходит до двух месяцев. Мы обучили модель на исходных документах компании, и теперь проверка занимает несколько часов. Делает ли она это идеально? Нет, конечно. Но уже первые прогоны дают точность до 90%. И что важнее, модель сама подсвечивает проблемные места: любое расхождение, неточность, ошибку. Поначалу помечает вообще все, где хоть что-то не так.
Инженер получает готовый протокол разногласий и сразу видит, на что смотреть.
Если же модель чего-то не поняла, он просто наговаривает голосовое — объясняет, как правильно и как должен выглядеть результат. Мы превращаем это в правило, модель его запоминает и в следующий раз разбирается сама. По-другому тут никак, это всегда работа в паре с живым экспертом. Но даже после первой итерации инженер экономит уйму времени, а дальше система становится только точнее.
Полностью заменить человека она пока не может. И слава богу, ведь под финальным документом все равно должна стоять чья-то подпись — а это чья-то ответственность. Зато галлюцинаций тут можно не бояться: модель работает строго по вашим образцам и правилам.
А теперь честно о том, чего ИИ не умеет
Тут я обычно ломаю ожидания. Не верьте тем, кто говорит, что настроил бизнес так, что ИИ делает все, а он лежит на пляже. Это неправда, хоть и звучит красиво.
Полностью заменить даже простого ассистента нельзя. Всегда вылезают мелочи, которые не попадают в вашу автоматизацию: тут распечатать, там билет забронировать, здесь разрулить нестандартную ситуацию. Пытаться закрыть машиной каждую такую щель — только копить фрустрацию. Гораздо умнее натаскать живого помощника пользоваться ИИ — тогда человек, который делал 25 задач, начинает делать 70 за то же время. И скорее всего, эти 70 вам даже не нужны, зато работать становится легче всем.
Кого автоматизация действительно потеснит, так это людей на однотипной работе, которых в компании много. Если вы единственный юрист, вам ничего не грозит. А если вас десять — и девять заняты примерно одним и тем же, картина меняется. Когда эффективность каждого вырастает в разы, часть этих позиций просто становится лишней. Компания оставит столько людей, сколько реально нужно под задачу, а остальных сократит.
Отмечу, что автоматизировать стоит не все подряд. Наладить автоматизацию для бизнес-процессов куда сложнее, чем начать пользоваться ИИ для личных целей. В одиночку это почти нереально, лучше найти эксперта. Но и с экспертом браться надо не за каждую задачу, а за то, что действительно дорого обходится компании — за процессы, которые съедают много времени и денег.
Вот живой пример. В компании 500 человек, все ездят в командировки, и на отчет по каждой поездке сотрудник тратит 2 часа: собрать чеки, вбить такси, расписать командировочные, приложить копию паспорта, распечатать приказ. Пара поездок в месяц на человека — это 1000 командировок, 12 тысяч в год. Умножьте на 2 часа: 24 тысячи часов, а в пересчете на зарплаты сумма выходит астрономическая. С консьержем сотрудник просто скидывает в чат фото документов, и система сама все заполняет, при нехватке данных уточняет голосом — а потом присылает готовый отчет на почту.
Три пути внедрения ИИ
Инструкции «сделай сам» в интернете есть, но их никто не читает — это сложно, муторно, нужна экспертиза. Поэтому вариантов для внедрения ИИ-консьержа, по сути, три.
Первый — нанять команду ИИ-разработчиков и собрать все внутри своей компании. Дорого и долго, подходящих людей найти непросто. Зато у вас свои специалисты в штате, они наблюдают процессы изнутри, а вы ни от кого не зависите.
Второй вариант — доверить внедрение агентству. Его главное преимущество — опыт. Команда постоянно тестирует новые инструменты, отслеживает изменения рынка и уже знает, какие решения работают на практике. Многие процессы уже обкатаны на других проектах, поэтому внедрение занимает меньше времени и проходит гораздо спокойнее.
Третий — можно вообще ничего не делать и ждать, пока Яндекс или Сбер выкатят коробочное решение для всех. Когда-нибудь такое наверняка появится. Но тогда у вас не будет никакого преимущества, потому что оно будет у всех.
Завершу свои мысли так: дело даже не в том, какой из трех путей выбрать. Когда вы понимаете, что всю эту рутину действительно можно автоматизировать, вы и на бизнес начинаете смотреть иначе. Вам становится ясно, сколько времени можно высвободить, чтобы люди занимались тем, что важно и что им в кайф. А мир сейчас меняется так быстро, что впереди оказывается тот, кто решится на перемены раньше других. Остальные будут догонять.
Опубликовано 27.07.2026
