Чего ИИ всё ещё не может сделать для вашего бизнеса в 2026 году

Есть особый разговор, который за последний год случался у меня раз десять. Владелец бизнеса садится, придвигает телефон через стол и показывает мне то, что написал чат-бот и что его искренне впечатлило. А затем почти на том же дыхании спрашивает, может ли ИИ вести его клиентскую поддержку, наём, ценообразование — по сути, весь его бизнес. Честный ответ — неудобный: не так, как вы себе представляете, а кое-что и вовсе нет. Этот текст — о том самом разрыве, потому что никто из продающих ИИ не хочет о нём говорить.

У меня практика в области ИИ. Я целыми днями строю эти решения для малого и среднего бизнеса, и я в них верю — я видел, как они возвращают реальные часы людям, у которых их не было в запасе. Но самые громкие голоса в 2026 году по-прежнему продают фантазию, в которой вы направляете ИИ на проблему и уходите. Эта фантазия тихо стоит бизнесу денег, доверия, а иногда и клиентов. Поэтому вместо очередного захлёбывающегося списка того, что ИИ умеет, вот более полезная карта: где он всё ещё подводит, почему и как с ним всё равно работать.

Ничего из этого не направлено против ИИ. Наоборот. Компании, извлекающие из ИИ больше всего прямо сейчас, — это те, кто точно понимает его границы: они отдают ему ровно ту работу, в которой он хорош, и твёрдо держат человека во главе всего остального. Знать пределы — это не пессимизм. Это и есть всё мастерство целиком.

Чего он не может: знать, когда он ошибается

Если вы запомните одно ограничение, пусть это будет оно. Сегодняшний ИИ не способен надёжно знать, когда он ошибается. Он выдаст вам уверенно неверный ответ ровно тем же тоном, что и верный. Ни малейшего проблеска сомнения, никакого «вот в этой части я не уверен». Выдуманный телефонный номер, придуманное правило, неверная ставка НДС — всё подано с тем же спокойным авторитетом, что и правда.

В отрасли это называют галлюцинациями, отчего они звучат редким и экзотическим явлением. Они не то и не другое. Это нормальное, ожидаемое поведение, вытекающее из устройства этих систем: они предсказывают правдоподобно звучащий текст, а не сверяются с фактами в гроссбухе. Чаще всего самый правдоподобный ответ оказывается и верным — поэтому ИИ кажется надёжным. Но «чаще всего» — пугающий стандарт, когда ответ уходит в коммерческое предложение клиенту или в юридический документ.

Эта единственная черта определяет всё остальное в статье. Именно поэтому ИИ великолепен для черновиков и опасен для принятия решений. Именно поэтому «человек в контуре» — не модное словцо, а жёсткое требование для всего, что имеет значение. И именно поэтому вопрос никогда не звучит «способен ли ИИ выполнить эту задачу», а звучит «во что мне обойдётся, если ИИ выполнит её неверно, и как я вообще это замечу?»

Настоящее суждение, когда ставки реальны

ИИ искренне хорош в задачах с ясно верным ответом или низкой ценой ошибки. Сделай резюме этого письма. Набросай дружелюбный ответ. Разложи эти сообщения по трём стопкам. В тот момент, когда задача требует взвесить то, что не измеришь аккуратно, — справедливость, риск, репутацию, долгую игру с конкретным клиентом, — он начинает шататься.

Подумайте о расчёте цены на сложный разовый заказ. Человек, выставляющий счёт, не просто считает цифры; он считывает, что этот клиент пришёл по рекомендации вашего лучшего клиента, что он нервничал по телефону, что согласие на неудобный срок сейчас может позже открыть три лёгких заказа. ИИ не видит ничего из этого контекста, если вы не выложите ему каждую деталь, — да и тогда он сопоставляет шаблоны, а не судит. Ему нечего терять. Он никогда не будет лежать без сна, тревожась, что назвал цену слишком низкой.

Он не знает ваш бизнес

Общая модель ИИ прочитала поразительную долю публичного интернета. Чего она никогда не читала — это конкретику вашего бизнеса: ваши цены, ваши остатки, ваших постоянных клиентов, негласное правило, что госпожа Хофер всегда получает угловой столик, поставщика, от которого вы отказались прошлой весной. Из коробки она знает мир в целом и вашу компанию — совсем нет.

Многое из этого поправимо. Передача модели ваших собственных документов, цен и правил — этот приём называют retrieval или grounding (заземлением) — резко повышает её полезность и точность для вашей конкретной ситуации. Это, честно говоря, и есть бóльшая часть настоящей работы в хорошем ИИ-проекте: не умная модель, а невзрачная «обвязка», соединяющая её с вашими реальными данными. Но две вещи остаются истиной даже тогда. Ваша информация должна быть опрятной и актуальной, чтобы это работало, — направьте ИИ на беспорядочный, устаревший прайс-лист, и он уверенно назовёт прошлогодние цены. И он по-прежнему не будет знать того, что живёт только у вас в голове и никогда не было записано.

Сделать ровно одно и то же дважды

Вот то, что застаёт людей врасплох. Задайте ИИ один и тот же вопрос дважды — и можете получить два разных ответа. Обычно оба хороши; иногда один заметно лучше другого; изредка один просто неверен. Для творческих черновиков это разнообразие — достоинство. Для процесса, который должен вести себя одинаково каждый раз — рассчитать скидку, применить правило, выдать число, которое может проверить регулятор, — это настоящий риск.

Поэтому я нервничаю, когда кто-то хочет поручить языковой модели арифметику или строгие правила. Если задача — «применить 12% к заказам свыше 500 евро», вам не нужно нечто, что обычно считает верно. Вам нужна простая, скучная автоматизация, которая делает это верно в 100% случаев, потому что буквально не способна иначе. Приберегите ИИ для той части, что действительно требует языка или суждения, а надёжной старомодной логике отдайте ту часть, что должна быть точной.

Человеческое — и почему оно по-прежнему важно коммерчески

Легко отмахнуться от «человеческого участия» как от чего-то мягкого и сентиментального. Это не так. Для малого бизнеса это часто всё конкурентное преимущество целиком — причина, по которой клиент выбирает вас, а не безликую сеть. И это ровно та часть, которую ИИ может имитировать, но не способен по-настоящему иметь.

ИИ может написать слова, что звучат сочувственно. Чего он не может — это искренне переживать, что заказ постоянного клиента пришёл разбитым в утро дня рождения его дочери, и затем тихо сделать то, что превращает плохой день в историю, которую он расскажет друзьям. У него нет отношений, нет репутации на кону, нет памяти о том, как тот же клиент прикрыл вас, когда поставка опоздала. Сочувствие как текст сегодня дёшево. Сочувствие как действие от того, у кого есть что терять, — это ровно то, за что люди продолжат платить с надбавкой.

Есть ещё ответственность, и она скорее практична, чем философична. Когда что-то идёт не так, клиент хочет, чтобы за это отвечал человек. «ИИ ошибся» не устраивает никого — и всё чаще не устраивает и регулятора. Если ИИ касается решения, затрагивающего человека, отвечаете за результат всё равно вы. Эту ответственность нельзя передать модели, и притворство, будто можно, — это путь к подорванной репутации.

Тихие издержки, о которых никто не упоминает на демо

Глянцевое демо никогда не показывает скучные части, которые в реальной жизни решают судьбу ИИ-проекта. Их стоит назвать, потому что именно они — разница между инструментом, который помогает годами, и тем, что тихо забрасывают через три месяца.

• Надзор. Всё, что обращено к клиенту, требует человека, проверяющего ранние результаты. Это реальное время, особенно на старте, и оно никогда не падает совсем до нуля.
• Сопровождение. Ваши цены меняются, ваши правила меняются, сама модель меняется. ИИ-ассистент, накормленный прошлогодней информацией, уверенно будет давать прошлогодние ответы.
• Неудобные 20%. ИИ великолепно справляется с лёгким большинством случаев, а затем отдаёт вам странные, злые, высокоставочные — которые и так всегда были трудной частью.
• Доверие, однажды утраченное. Один уверенно неверный ответ клиенту может перечеркнуть месяцы доброй воли. Репутационный ущерб асимметричен: много мелких побед, одна крупная потеря.

Ни одна из этих причин не довод против использования ИИ. Это доводы использовать его с открытыми глазами — на задачах, где надзор дёшев, а цена ошибки переживаема. Что, как удобно, и так составляет бóльшую часть по-настоящему полезной работы.

Так как же использовать его грамотно?

Всё это указывает на способ работы куда более спокойный — и куда более прибыльный, — чем подсказывает шумиха. Вы перестаёте просить ИИ быть сотрудником и начинаете использовать его как быстрого, неутомимого помощника, который набрасывает, сортирует и подсказывает, пока человек остаётся во главе всего, что имеет вес. Вот его форма.

1. 1
   Рассортируйте каждую задачу по цене ошибки

   Для каждой вещи, которую вы склонны отдать ИИ, спросите: если он сделает это неверно — это пожатие плечами, поправка или катастрофа? Пожатия плечами и лёгкие поправки — честная игра. Катастрофы оставляют человека во главе.
2. 2
   Пусть ИИ набрасывает, но никогда не решает

   Надёжный шаблон таков: ИИ готовит, человек одобряет. Набросанный ответ, который вы просматриваете за пять секунд. Короткий список, из которого выбирает человек. Резюме, которое вы сверяете со здравым смыслом. Суждение остаётся за вами.
3. 3
   Заземлите его на реальных, опрятных данных

   Прежде чем запускать вживую, убедитесь, что информация, из которой ИИ отвечает, записана, в одном месте и актуальна. Мусор на входе — уверенный мусор на выходе.
4. 4
   Для всего точного используйте простую автоматизацию

   Математика, правила, всё, что должно быть одинаковым каждый раз, — отдайте надёжной логике, а не языковой модели. ИИ приберегите для беспорядочных, языковых по форме частей.
5. 5
   Сохраните человека-ответственного и способ замечать сбои

   Назначьте одного человека, который следит за результатами, и постройте простой способ ловить, когда ИИ что-то напутает, — раньше, чем это сделает ваш клиент.

Сделанные так, ограничения перестают пугать. Они становятся проектным ориентиром. Вы обнаружите, что ИИ тихо снимает часы рутины — наброски, сортировку, ответы первого прохода, — пока части, по-настоящему определяющие ваш бизнес, остаются ровно там, где им место: у людей, которым важен результат и которые за него отвечают.

Частые вопросы