Обучение

Что нужно, чтобы ИИ-автоматизация реально заработала

Десять артефактов, метрики эффекта, шесть причин провала и методология целиком

Хорошая модель не спасает проект, если вокруг неё ничего не выстроено. Разбираем десять артефактов, без которых ИИ-агент не заработает, порядок работы с метриками эффекта, шесть причин, по которым автоматизация проваливается, и всю методологию целиком — от бизнес-цели до передачи системы в инженерный цикл.

Десять артефактов зрелого проекта

Сохраните этот перечень: без десяти вещей из него проект по ИИ-автоматизации не взлетит

Результат анализа не остаётся в голове аналитика — он материализуется в комплект документов. Каждый из них отвечает на свой вопрос, и вместе они превращают идею в проект, который можно построить и проверить.

Комплект, который остаётся после анализа

АртефактЧто в нём должно быть

01Карточка процесса Цель и владелец, границы, кто клиент, что на входе и выходе, кто участвует, чем меряют

02Модель AS-IS Как процесс работает сейчас на самом деле

03Узкие места Простои, доработки, ошибки, ручной труд

04Карта точек автоматизации Реестр точек с эффектом, сложностью и риском

05Модель TO-BE Как процесс должен работать после редизайна

06Новая роль человека Где подтверждает, задаёт контекст, разбирает исключение, решает

07Данные и интеграции Источники данных и системы, к которым нужен доступ

08Граф навыков агента Функциональная архитектура: навыки и связи между ними

09Метрики пилота Гипотеза эффекта и способ его проверить

10План внедрения Пилот, проверка результата, обучение людей, доступы, масштаб, поддержка

Артефакты связаны между собой: каждый следующий опирается на предыдущий, и разорванная цепочка сразу видна

Ценность комплекта в том, что он закрывает вопросы сразу трёх сторон. До него каждая из них понимает проект по-своему.

Один комплект — три разных вопроса

💼 бизнес Что получу Какая задача решается и в чём измеряется результат Закрывают артефакты 1, 3 и 9

🛠️ команда Что строю Границы, данные, навыки агента и связи между ними Закрывают артефакты 5, 7 и 8

📈 руководитель Как измерю С чем сравнивать, на каком горизонте и по каким метрикам Закрывают артефакты 9 и 10

Пока комплекта нет, каждая сторона понимает проект по-своему — и расхождение вскроется на приёмке

Метрики определяют до разработки

Компании нужен не ИИ-агент сам по себе, а подтверждённая польза от его работы.

Метрики фиксируют до начала разработки, а не после запуска. Разница между слабой и сильной постановкой проекта видна с первой фразы.

Две формулировки одного проекта

🌫️ Слабая · нечего проверять

«Мы создадим ИИ-агента для поддержки».

Ни базы, ни цели, ни ограничения по качеству. Успехом можно объявить что угодно, а провалом — тоже.

🎯 Сильная · уже эксперимент

«Сократить среднее время на одно обращение с восьми до двух минут так, чтобы качество не просело, а доля неверных решений осталась ниже оговорённой планки».

Здесь сразу есть текущее значение, целевое, ограничение и способ проверки.

Разница в проверяемости: вторую формулировку можно подтвердить или опровергнуть, первую — нет

Чтобы формулировка получилась второго типа, до разработки проходят четыре шага. Пропуск любого из них ломает доказательство эффекта целиком.

Четыре шага до первой строчки кода

📏

База

текущие значения в действующем процессе

🎯

Цель

целевые значения в целевой модели

🧪

Способ замера

пилот со сравнением до и после

📅

Горизонт

срок, к которому эффект должен проявиться

Все четыре шага делаются до разработки — после запуска базу уже не замерить

Сами метрики при этом живут на четырёх уровнях, и подниматься по ним нужно до самого верха. Именно на переходах между уровнями проекты и теряются.

Четыре уровня, по которым поднимается эффект

🧩

Навык агента

точность, доля пропущенных ошибок

⚙️

Операция

сколько проходит без человека

🏭

Процесс

время цикла и стоимость кейса

💰

Бизнес-метрика

затраты, выручка, удержание клиентов

Первые три уровня подтверждают работоспособность — деньги видны только на четвёртом

Где обрывается доказательство эффекта

🎯 Классификатор стал точнее …а быстрее ли клиент получил решение своей проблемы? Качество навыка не переходит в результат операции само собой

⏱️ Процесс ускорился …а затраты компании от этого упали? Скорость не превращается в экономику, если освободившееся время никуда не перераспределили

Зрелый проект связывает все четыре уровня в одну цепочку — от качества навыка до денег компании

Шесть причин, по которым не работает

Риск, который недооценивают чаще прочих: сотрудники просто останутся работать как раньше.

Отличная модель не гарантирует удачного внедрения: опасности подстерегают не столько в самом ИИ, сколько вокруг него. Их шесть, и модель в этом перечне стоит далеко не первой.

Шесть мест, где ломается внедрение

🗄️ Данные грязные, неполные, несогласованные или недоступные

🔌 Интеграции нет API, тестовой среды, логирования и наблюдаемости

🔐 Управление права агента, ответственность, эскалации, история действий

🌀 Нестабильный процесс беспорядок после автоматизации только растёт

🙅 Люди не доверяют, обходят систему, работают по-старому

🎓 Компетенции некому формулировать задачи агенту и принимать работу

Пять причин из шести не имеют отношения к агентам — и именно они чаще всего решают судьбу проекта

Куда смотрят — и где риск на самом деле

🔦 Куда смотрят · видно сразу

Выбор модели, качество ответов на демонстрации, сравнение поставщиков, стоимость запроса.

Всё это легко обсуждать и легко показать руководству.

🧨 Где риск · вскроется позже

Чистота данных, доступ к системам, права и ответственность агента, стабильность процесса.

Доверие сотрудников и наличие людей, которые умеют ставить задачи агенту и принимать его работу.

Слабая модель тоже подводит — но она редко оказывается тем звеном, из-за которого проект провалился

Вся методология: тринадцать шагов

Соберём весь путь в один список — от бизнес-проблемы до системы, переданной в инженерный цикл.

Тринадцать шагов от проблемы до системы

ШагЧто на нём делается

01Ценность Бизнес-ценность и метрика цели

02Границы Вход, выход, роли, данные процесса

03Исследование Реальная работа глазами человека и системы

04Скрытое Решения, неписаные правила, исключения, узкие места

05Модель AS-IS Честная схема текущего процесса

06Разделение шагов Между правилом, ИИ, человеком и гибридом

07Точки автоматизации Карта точек с эффектом и риском

08Приоритизация По ценности и сложности, по риску и готовности процесса

09Модель TO-BE Как процесс работает после редизайна

10Роль человека Новая зона ответственности и точки подключения

11Функции Экспертные решения становятся когнитивными функциями

12Граф навыков Функции собираются в навыки и связываются между собой

13Передача в инженерию Данные, интеграции, способ рассуждения, метрики и риски

Первые десять шагов — работа аналитика, последние три — стык с инженерией. Разрыв обычно случается ровно на этом стыке

Если сжать эти тринадцать шагов до опорных точек, получится четыре. Их достаточно, чтобы проверить, не пропущено ли что-то важное.

Те же тринадцать шагов в четырёх опорах

🩻 Понять, как есть 📍 Найти точки 🧭 Собрать целевую модель 🤝 Запустить пилот

Порядок здесь не рекомендация, а зависимость: каждая опора собирается из результата предыдущей

В этом и состоит ИИ-трансформация: не пристроить агента к прежнему порядку работы, а заново спроектировать сам способ создавать ценность — и разложить работу между правилами, ИИ-агентами и человеком внутри одной управляемой гибридной системы.

Что делать дальше

Дальше методология проверяется только на своём процессе. Возьмите один реальный процесс своей компании и пройдите по нему целиком — от бизнес-цели до портфеля инициатив.

Практическое задание в пять шагов

🎯

Цель и границы

бизнес-цель, метрика, начало и конец процесса

🔎

Как работает сейчас

участники, действия, данные, точки решений

🩻

Модель AS-IS

схема, которая выдерживает проверку фактами

📍

Точки автоматизации

правило, ИИ-агент или человек на каждую точку

📦

Модель TO-BE

приоритеты, целевой процесс и роль человека

Пятый шаг и есть ваша стратегия ИИ-автоматизации — список инициатив с эффектом и приоритетами

Что важно запомнить

📦

Анализ материализуется в комплект артефактов
Десять артефактов от карточки процесса до плана внедрения. Они связаны, и разорванная цепочка сразу видна.

📏

Метрики фиксируют до разработки
База, цель, способ замера и горизонт. После запуска базу уже не снять — она осталась в прошлом.

🪜

Эффект по четырём уровням
Навык, операция, процесс, бизнес-метрика. Улучшение на первом уровне само по себе ничего не доказывает.

🧨

Риск лежит вокруг агента
Данные, интеграции, управление, стабильность процесса, доверие людей и компетенции — пять причин из шести.

🙅

Люди — самый недооценённый риск
Систему можно запустить и обнаружить, что сотрудники обходят её и работают по-прежнему.

🔁

Трансформация — это редизайн
Не пристроить модель к прежнему порядку работы, а заново спроектировать способ создания ценности.

📊

Демонстрация показывает возможность.
Ценность показывает только метрика.