5 ошибок при внедрении ИИ, которые малый бизнес совершает снова и снова

Сейчас на владельцев малого бизнеса давит странного рода давление. Каждая конференция, каждая рассылка, каждый пост конкурента в LinkedIn словно шепчут одно и то же: если вы ещё «не сделали ИИ», вы уже проигрываете. И люди торопятся. Покупают инструмент, велят команде начать им пользоваться, а через несколько месяцев почти ничего не меняется — кроме новой строки подписки в бухгалтерии и смутного ощущения, что вас провели. Технология почти никогда в этом не виновата. Виноваты ошибки вокруг неё.

Мы работаем с малым и средним бизнесом именно над этим — выясняем, где ИИ помогает, а где он отвлекает, — и после достаточного числа таких проектов перестаёшь видеть случайные неудачи. Начинаешь видеть одни и те же пять ошибок снова и снова, в совершенно разных отраслях. Стоматологическая клиника и цех металлообработки сворачивают не туда одинаково. В каком-то смысле это даже утешает, ведь если ошибки предсказуемы, то предсказуемо и то, как их избежать.

Ничто из дальнейшего не является техническим. Чтобы их обойти, не нужно понимать, как работает модель. Нужно понимать, как работает ваш собственный бизнес, и устоять перед несколькими очень заманчивыми обходными путями. Пройдёмся по ним в том порядке, в каком они обычно дают о себе знать.

Ошибка 1: купить инструмент, прежде чем вы назвали проблему

Это первородный грех, из которого вырастает почти всякая другая ошибка. Кто-то читает, что ИИ всё преображает, загорается и идёт за покупками. Регистрируется на впечатляющей платформе с гладкой демонстрацией и только потом задаёт вопрос, который должен был стоять первым: для чего мы вообще собираемся это использовать?

Поступая так, вы тихо передаёте руль дорожной карте поставщика. В итоге вы подгоняете свой настоящий, неидеальный бизнес под то, в чём инструмент случайно хорош, вместо того чтобы найти то, что подходит под реально существующую у вас проблему. Это разница между покупкой конкретного инструмента, чтобы повесить полку, и покупкой набора из 200 предметов, потому что была акция, а потом поиском того, что бы починить.

Решение неэффектное, и оно работает. Прежде чем кто-либо коснётся бесплатной пробной версии, запишите — одним простым предложением — проблему, которую пытаетесь решить. «Клиенты слишком долго ждут ответа на типовые вопросы». «Мы теряем по два часа в день, перепечатывая данные заказов». «Половина входящих звонков в обеденное время остаётся без ответа». Если вы не можете написать это предложение, вы ещё не готовы что-либо покупать. Это предложение и есть техзадание. Всё остальное — нужен ли вообще ИИ, какой инструмент, сколько тратить — вытекает из него.

Ошибка 2: пытаться преобразить всё сразу

Вторая ошибка — амбиции, направленные не туда. Решив «принять ИИ», владельцы часто тянутся к самой масштабной его версии: внедрение по всей компании, каждый отдел, новые инструменты для всех, эффектный внутренний запуск. Это кажется решительным. Это кажется лидерством. И почти всегда вязнет.

Проекты «большого взрыва» проваливаются в малом бизнесе по скучным, структурным причинам. Нет запаса мощностей, чтобы поглотить сбой, — люди, проводящие изменения, это те же люди, что ведут бизнес. Исключения накапливаются быстрее, чем кто-либо успевает с ними справляться. А когда нечто столь крупное начинает шататься, почти невозможно сказать, какая часть сломалась, ведь вы поменяли двадцать вещей разом.

Компании, которые действительно получают от ИИ пользу, поступают наоборот. Они берут одну узкую, болезненную, хорошо понятную задачу и доводят именно её до работы от начала до конца. Одна победа — видимая, измеримая, завершённая — делает для принятия больше, чем любое объявление перед всей командой. Ваши сотрудники перестают сомневаться в тот момент, когда видят, как исчезает одна по-настоящему раздражающая работа. Вот что даёт вам право на следующий проект.

Ошибка 3: хвататься за ИИ там, где хватило бы обычной автоматизации

Вот что вы редко услышите от тех, кто продаёт ИИ: значительная доля того, что в малом бизнесе продают как «ИИ», вообще не нуждается в ИИ. А использование его там, где ему не место, делает вещи хуже — медленнее, дороже и труднее для доверия, — а не лучше.

Подумайте, что на самом деле происходит под капотом. Напоминание, срабатывающее за два часа до встречи, — это правило с часами. Перенос данных заказа из формы в счёт — это труба между двумя системами. Отправка напоминания, когда по коммерческому предложению десять дней тишина, — это если-то-тогда. Ничто из этого не интеллект. Это обычная, детерминированная автоматизация — и это плюс, ведь детерминированные вещи дёшевы, быстры и предсказуемы. Они каждый раз делают одно и то же. Именно этого вы хотите для своей повседневной рутины.

Где ИИ действительно оправдывает себя

ИИ становится достойным дополнительных затрат и непредсказуемости, когда работа беспорядочна и связана с языком — то, что раньше вообще нельзя было автоматизировать. Прочесть письмо со свободным текстом и вытащить из него, чего на самом деле хочет клиент. Набросать черновик ответа в вашем тоне. Отвечать на одни и те же типовые вопросы по телефону, чтобы никого не отрывали посреди дела. Разобрать стопку документов, которые никто не хочет раскладывать. Это реально и по-настоящему ценно. Но обратите внимание: это лежит поверх аккуратной основы — оно её не заменяет.

Ошибка 4: ждать чуда от беспорядочных или отсутствующих данных

За множеством провалившихся проектов с ИИ стоит тихое допущение: что инструмент как-нибудь сам разберётся в вашем бизнесе. Не разберётся. ИИ не вытаскивает знание из ниоткуда — он работает с той информацией, на которую вы его направите. Если эта информация живёт в головах трёх человек, в обувной коробке с чеками и в таблице, которую понимает только Анна, ИИ наследует весь этот хаос. Хуже того — он делает это уверенно.

Вот где малый бизнес застают врасплох. Ассистент клиентской поддержки может правильно отвечать на вопросы только если ответы где-то существуют и он может их прочесть — прайс-лист, FAQ, документ с правилами. Инструменту, читающему счета, нужны разумно единообразные счета. Ничто из этого не требует вычурной «стратегии данных» или шестизначного проекта. Это требует собрать в одном месте ту горстку фактов, которая ИИ на самом деле нужна для его единственной задачи.

• Пять-десять вопросов, которые клиенты задают чаще всего, — записанные вместе с верными ответами.
• Ваши текущие цены и правила вокруг них (скидки, минимумы, что входит в стоимость).
• Несколько реальных примеров документов или сообщений, которые вы хотите обрабатывать, удачных и неудобных.
• Версию «как мы на самом деле это делаем» простым языком, а не официальную-но-игнорируемую процедуру.
• Кто тот человек, которому ИИ должен передать дело, — и как он с ним связывается.

Собрать всё это неэффектно, и так и тянет пропустить шаг и «просто включить ИИ». Устойте перед этим. Час, потраченный на приведение входных данных в порядок, — самый большой рычаг, который у вас есть для того, окажется ли результат полезным или конфузным. Мусор на входе — уверенный мусор на выходе, а уверенный мусор и есть опасная разновидность, потому что люди в него верят.

Ошибка 5: относиться к ИИ как к «настроил и забыл»

Последняя ошибка случается после запуска, именно поэтому её так легко пропустить. Инструмент выходит в работу, в первый день он работает, все переключаются на другое — и никто не следит. Через три недели он тихо выдаёт неверный ответ на частый вопрос или шлёт бестактное сообщение, а вы узнаёте об этом только когда клиент жалуется. К этому моменту доверие подорвано, а подорванное доверие убивает принятие изнутри.

ИИ — не кухонный прибор, который воткнул в розетку и забыл. Он ближе к новому члену команды: полезному, быстрому, временами уверенно ошибающемуся и нуждающемуся в некотором присмотре — особенно поначалу. Это не значит, что кто-то должен нянчиться с ним весь день. Это значит, что один названный поимённо человек владеет им, заглядывает, что он делает, и подправляет, когда реальность уходит в сторону от плана. Ваши цены меняются. Ваши продукты меняются. Вопросы клиентов меняются. То, что было идеально настроено весной, к осени едва заметно сбивается, если никто не заглядывает.

1. 1
   Назначьте владельца

   За этот инструмент отвечает один названный поимённо человек. Не комитет, не «команда» — человек. Автоматизация без владельца всегда загнивает.
2. 2
   Внимательно следите первые две недели

   Поначалу запускайте ИИ параллельно со старым способом и действительно читайте, что он выдаёт. Ранние исключения научат вас большему, чем любая демонстрация.
3. 3
   Напишите памятку «когда сломается»

   Три строки: что это делает, кому сообщить, что делать вручную, пока не починят. Именно это превращает хрупкий инструмент в то, на что команда станет полагаться.
4. 4
   Проверяйте по календарю, а не по кризису

   Поставьте в ежедневник повторяющуюся 30-минутную проверку. Изменилось ли что-то, о чём ИИ ещё не знает? Пять минут поддержки лучше, чем месяц тихих ошибок.

Закономерность под всеми пятью

Перечитайте эти пять, и вы заметите, что на самом деле это одна ошибка в пяти костюмах: позволить восторгу от ИИ опередить дисциплину ведения бизнеса. Назвать проблему, начать с малого, выбрать правильный инструмент под задачу, дать ему хорошие входные данные и держать руку на руле — ничто из этого не про ИИ. Это просто здравый управленческий смысл, применённый к новой и блестящей штуке.

И это по-настоящему хорошая новость, ведь она означает, что нужные инстинкты у вас уже есть. Вы бы никогда не позволили новому сотруднику начать без должностной инструкции, не бросили бы его в первый день во все отделы и не перестали бы проверять его работу. Распространите тот же здравый смысл на ИИ — и вы проскочите мимо неудач, которые подстерегают большинство. Владельцы, выигрывающие с ИИ, не самые технически подкованные. Они самые трезвомыслящие.

Частые вопросы