Пилот ИИ-проекта: как проверить эффект за месяц

Решение внедрить ИИ обычно созревает быстро: руководитель видит, сколько часов команда тратит на разбор почты, ответы клиентам или перенос данных из документов, и слышит, что ИИ-ассистенты уже берут такую работу на себя. Сложнее ответить на следующий вопрос — сработает ли это именно у нас, на наших процессах и данных?

Отвечать на него лучше не презентацией и не большим проектом на полгода, а пилотом.

Коротко: пилот ИИ-проекта — это запуск ИИ на одном узком участке работы на месяц с заранее зафиксированными цифрами «до». За четыре недели вы замеряете исходную точку, настраиваете ассистента на своих примерах, запускаете его на части потока и сравниваете результат. Итог — решение на основе цифр: масштабировать, доработать или остановиться.

Ниже — методология, по которой мы проводим пилоты: узкий участок → цифры → решение. И план на четыре недели, который можно взять за основу.

Большое внедрение ИИ затрагивает сразу несколько отделов, систем и привычек команды. Если что-то пойдёт не так, сложно понять, в чём причина: в модели, в данных, в интеграции или в том, что сотрудники не успели перестроиться.

Пилот снимает эту неопределённость:

• Риск небольшой. Затронут один процесс и часть потока, остальная работа идёт как обычно.
• Результат на ваших данных. Ориентиры с чужих проектов полезны, но ваши письма, документы и клиенты всё равно немного другие.
• Понятная экономика. Через месяц у вас есть цифры, а не ожидания: сколько времени экономит ИИ, как часто нужна правка, сколько стоит поддержка.
• Команда привыкает постепенно. Сотрудники участка первыми видят, как работать с ассистентом, и потом помогают коллегам.

Главная ошибка — взять для пилота «всю поддержку» или «весь документооборот». За месяц такой масштаб не измерить. Нужен один процесс с понятным входом и выходом.

Хороший участок для пилота отвечает пяти признакам:

• [ ] Задача повторяется. Её делают каждый день или каждую неделю, примерно одинаково.
• [ ] Работа идёт с текстом или данными. Письма, обращения, документы, таблицы, карточки в CRM.
• [ ] Правила можно описать. Опытный сотрудник может объяснить новичку, как поступать в типовых случаях.
• [ ] Есть примеры. Накоплена история обращений, архив документов или готовые ответы, на которых можно настроить и проверить ИИ.
• [ ] Ошибку можно поймать. Результат проверяет человек или система, прежде чем он уйдёт клиенту.

Примеры участков, которые хорошо подходят для месячного пилота:

Участок — Что делает ИИ — Что проверяет человек

Входящие обращения — Определяет тему и срочность, заводит карточку в CRM, назначает ответственного — Спорные случаи и обращения, которые ИИ отметил как неуверенные

Ответы клиентам — Готовит черновик ответа по базе знаний — Сотрудник читает, правит при необходимости и отправляет

Первичные документы — Распознаёт счета и акты, извлекает реквизиты и суммы — Бухгалтер сверяет документы, где ИИ сомневается

Отклики на вакансию — Сравнивает резюме с требованиями и готовит короткую сводку — Рекрутер принимает решение о собеседовании

Подробнее о том, какие задачи стоит передавать ИИ в первую очередь, — в статье Какую рутину отдать ИИ.

Пилот без исходной точки превращается в обмен впечатлениями: «кажется, стало быстрее». Поэтому цифры «до» фиксируют в первую же неделю — и заранее договариваются, какой результат будет считаться успехом.

Обычно хватает четырёх–шести метрик из трёх групп.

Группа — Метрика — Как замерить

Время — Часы сотрудников на участок в неделю — Учёт времени за 1–2 недели или оценка руководителя участка

Время — Время первого ответа или обработки одной единицы — Выгрузка из CRM, почты или тикет-системы

Объём — Сколько обращений, документов или откликов проходит за неделю — Счётчики в системе

Качество — Доля результатов ИИ, принятых без правок — Отметка сотрудника при проверке

Качество — Доля ошибок, которые дошли бы до клиента без проверки — Выборочная проверка части результатов

Деньги — Стоимость часа сотрудника и регулярные расходы на ИИ — Данные бухгалтерии и тарифы моделей

Ориентиры с наших страниц услуг помогают понять, на что можно рассчитывать: ИИ-ассистент может обрабатывать до 80% типовых обращений автоматически, автоматическая классификация и черновики ответов сокращают время ответа в 2–3 раза, а точность распознавания и классификации документов превышает 95%. Насколько это применимо к вашему процессу, показывает именно пилот.

Порог успеха записывают до запуска. Например: «доля черновиков, принятых без правок или с мелкими правками, — не ниже согласованного уровня» или «время первого ответа сократилось не меньше чем вдвое». Когда критерий согласован заранее, итоги пилота не приходится обсуждать на эмоциях.

Месяц — ориентир для одного участка и одного-двух каналов. Если нужны сложные интеграции или особые требования к хранению данных, подготовка займёт больше времени, и это лучше учесть сразу.

Неделя — Что происходит — Результат недели

1. Подготовка — Описываем процесс как есть, собираем примеры, фиксируем метрики «до» и порог успеха, решаем вопрос с данными — Карта процесса, исходные цифры, критерии успеха

2. Настройка — Пишем инструкции для ИИ, подключаем базу знаний и нужные системы, проверяем качество на исторических примерах — Ассистент, который проходит проверку на прошлых данных

3. Запуск на части потока — ИИ работает на реальных задачах, сотрудники проверяют каждый результат и отмечают правки — Первые реальные цифры, список доработок

4. Замер и решение — Дорабатываем инструкции, сравниваем показатели с исходной точкой, считаем экономику — Отчёт с цифрами и рекомендация

Пара важных деталей:

• Часть потока, а не весь поток. На третьей неделе ИИ получает, например, обращения из одного канала или одной категории. Остальное идёт по-старому — так легче сравнивать.
• Человек проверяет всё. На время пилота каждый результат ИИ просматривает сотрудник. Это защищает клиентов и одновременно даёт данные о качестве.
• Данные решаются в первую неделю. Если через процесс проходят персональные данные, сразу выбираем модель и контур хранения. Подробно об этом — в статье 152-ФЗ и ИИ: как внедрить ассистента и не нарушить закон.

В конце месяца у вас на руках сравнение «до» и «после» по каждой метрике. Чтобы посчитать экономику, достаточно простой формулы:

Экономия в месяц = высвобожденные часы × стоимость часа сотрудника − регулярные расходы на ИИ и поддержку.

Высвобожденные часы считают честно: из сэкономленного времени вычитают время, которое сотрудники теперь тратят на проверку и правку результатов ИИ. Сравнив месячную экономию со стоимостью полного внедрения, вы получаете срок окупаемости.

Дальше возможны три исхода, и каждый из них — нормальный результат пилота.

Итог пилота — Что видно по цифрам — Следующий шаг

Масштабировать — Порог успеха достигнут, качество стабильно — Расширяем на весь поток, другие каналы или соседние процессы

Доработать — Эффект есть, но не дотягивает до порога: много правок, не хватает данных или интеграции — Ещё 2–4 недели на доработку конкретных узких мест и повторный замер

Остановиться — ИИ не даёт заметной экономии на этом участке — Фиксируем выводы и выбираем другой участок, где эффект вероятнее

Остановка — тоже ценный итог: за месяц и небольшой бюджет вы узнали то, что иначе выяснилось бы только после большого проекта.

• Слишком широкий участок. «Автоматизировать продажи» за месяц не проверить. «Квалифицировать входящие заявки с сайта» — можно.
• Нет цифр «до». Без исходной точки результат нечем сравнить. Замер в первую неделю обязателен, даже если он приблизительный.
• Критерий успеха придумывают в конце. Порог, согласованный до старта, защищает от споров и подгонки выводов.
• Нет владельца со стороны компании. Нужен человек, который знает процесс, отвечает на вопросы и следит, чтобы сотрудники отмечали правки.
• ИИ сразу пишет клиентам без проверки. На время пилота результат проверяет человек — так вы видите реальное качество и не рискуете отношениями с клиентами.

Для пилота не требуется большая команда. Обычно достаточно:

1. Владельца процесса — руководителя участка, который выделяет 2–3 часа в неделю на встречи и проверку.
2. Примеров — выгрузки обращений, документов или ответов за последние месяцы.
3. Доступов — к CRM, почте, базе знаний или другим системам, с минимальными правами, нужными для задачи.
4. Сотрудников участка, которые проверяют результаты ИИ и отмечают правки.

Мы начинаем любой ИИ-проект с одного участка и понятной метрики: анализ процесса, исходные цифры, настройка на ваших примерах, запуск на части потока и отчёт с расчётом экономики. После пилота помогаем масштабировать решение и поддерживаем его — модели обновляются, и систему нужно сопровождать. Этим занимается направление ИИ-поддержка.

Для пилота чаще всего выбирают одно из направлений:

• ИИ-чаты и ассистенты для бизнеса — ответы клиентам и сотрудникам по базе знаний;
• Обработка обращений и тикетов — классификация и маршрутизация входящих;
• Автоматизация документооборота — распознавание и передача данных в учётные системы.

Из чего складывается бюджет пилота и полного внедрения, мы разобрали в статье Сколько стоит внедрение ИИ-ассистента в бизнес, а чем ИИ-ассистент отличается от ИИ-сотрудника с доступами к системам — в статье Что такое ИИ-сотрудник.

mrktng.bz занимает 1 место в Рейтинге Рунета 2026 в категориях «Разработчики сайтов: Право» и «Право / Юридические, бухгалтерские услуги, консалтинг». Если по итогам пилота понадобится новый сайт, клиентский кабинет или внутренний сервис, помогает вайбкод — разработка с ИИ-инструментами: до 50% экономии. Ориентиры по сайтам: сайт-визитка — 300–550 тыс. ₽, многостраничный сайт — 750 тыс. – 1,5 млн ₽, крупный проект — от 1,5 млн ₽. Примеры наших работ — в разделе Проекты.

Все направления ИИ-автоматизации собраны на странице Автоматизация и вайбкод. Расскажите, какой участок работы отнимает у команды больше всего времени, — предложим формат пилота и метрики, по которым через месяц будет видно результат.

Сколько длится пилот ИИ-проекта?

Для одного участка и одного-двух каналов обычно хватает месяца: неделя на подготовку и замеры, неделя на настройку, неделя работы на части потока и неделя на сравнение. Сложные интеграции или особые требования к хранению данных увеличивают срок подготовки.

Какой процесс выбрать для первого пилота?

Повторяющийся процесс с текстом или данными, понятными правилами, накопленными примерами и проверкой результата человеком. Чаще всего это входящие обращения, черновики ответов клиентам, первичные документы или разбор откликов.

Какие метрики замерять в пилоте?

Четыре–шесть показателей из трёх групп: время (часы на участок, время обработки), качество (доля результатов без правок, доля ошибок) и деньги (стоимость часа сотрудника и регулярные расходы на ИИ). Исходные цифры фиксируют до запуска.

Как понять, что пилот удался?

Порог успеха согласуют до старта, например сокращение времени первого ответа не меньше чем вдвое. Через месяц сравнивают цифры с исходной точкой и считают экономию: высвобожденные часы, умноженные на стоимость часа, минус расходы на ИИ.

Что делать, если пилот не дал эффекта?

Разобраться в причине по цифрам. Если не хватило данных или интеграции, пилот дорабатывают ещё 2–4 недели. Если участок в целом не подходит для ИИ, выбирают другой: такой вывод за месяц обходится дешевле, чем большой проект.

Нужно ли выделять команду под пилот?

Большая команда не нужна. Достаточно владельца процесса, который тратит 2–3 часа в неделю, выгрузки примеров, доступов к нужным системам и сотрудников участка, которые проверяют результаты ИИ.

Можно ли в пилоте работать с персональными данными?

Можно, если сразу выбрать подходящую архитектуру: модель в российском контуре или на своём сервере либо обезличивание данных перед отправкой во внешнюю модель. Этот вопрос решают в первую неделю пилота.