Есть даже статистика, что порядка 7% крупных компаний в США дошли до раскатки AI-автоматизации на масштаб компании. Все остальные находятся на этапах ранних пилотов.

И моя любимая прошлогодняя аналитика: 95% внедрений AI с точки зрения возврата на инвестиции неуспешны. Только 5% имели экономический смысл.

Это самый большой миф — делать то, что кажется прикольным.

Считать эффект надо до старта: либо через экономию, либо через новые деньги, которые появляются за счёт роста маржи и конверсий.

В sfer.ai мы отбиваем две трети запросов ещё на входе. К нам приходят с идеей «давайте автоматизируем юротдел из двух человек», считаем — автоматизация стоит 5 млн, экономит всего 1 млн. Вот вам и разрыв в пять раз 😬

Я бы остерегался больших стратегий в стиле McKinsey (при всей моей любви к ним), которые займут полгода, а потом ещё три года на внедрение. Лучше найти одну болевую точку, дёшево и сердито что-то проверить — и переходить к следующей.

А искать эффект надо там, где много людей делают повторяемую рутину, легко описываемую инструкциями.

Всё, что требует опыта и принятия решений — стратегия и крупные сделки — пока за человеком. Плюс креатив и вкусовщина: какой tone of voice должен быть у бренда, как он должен позиционироваться — это AI не подскажет, вы сами выберете, нравится вам или нет.

А вот рутина без интеллектуального вовлечения — проверка документов, юридическая текучка, когда одни и те же допники подписываешь тысячами и меняются только названия компаний — автоматизируется на ура. Но с правильным контекстом, кучей гайдов и проверкой результата.

Для бизнеса AI уже экономически обоснован, но все компании-производители моделей в себестоимости тратят больше, чем получают с нас. Поэтому они бесконечно поднимают инвестиции.

В какой-то момент этот праздник жизни, вероятнее всего, закончится. Первые звоночки уже есть — крупные компании отзывают деньги из AI, пишут, что на токены тратят больше, чем на сотрудников. Uber, например, сжёг годовой бюджет на AI за 4 месяца.

Круто построить все процессы на одной модели, но завтра она заблокирует аккаунт или поднимет цену — и всё сразу рушится.

Поэтому система должна быть сбалансированная: где-то дорогие проприетарные модели, а где-то свои, локальные. Берёте open-source модель, какой-нибудь Qwen, разворачиваете на своих серверах — и с этого момента вообще не контактируете с производителем.

Мы как руководители и специалисты трансформируемся в оркестраторов — только уже не сотрудников, а агентов.

По сути каждый станет менеджером в своей работе. Занимались всю жизнь бухгалтерией и перекладыванием бумажек — научитесь отвечать за эту функцию, но делать её будешь не руками, а настроенными системами.

Я сам теперь с удовольствием занимаюсь финансами. До этого было скучно и сложно организовать, а сейчас можно самому себе всё построить и во всём разбираться. Оно становится проще и прикольнее :)

Недостаточно просто сделать красивую презентацию и в ней рассказать, что теперь вы AI-first компания. Нужно добиться того, чтобы каждый сотрудник стал на «ты» с этими инструментами. Только тогда всё заработает.

Любые изменения нельзя оставлять в вакууме — вакуум сразу заполняется самыми страшными теориями. Поэтому важно коммуницировать и привлекать людей к участию на ранних стадиях, чтобы они попробовали, кайфанули и сами нашли, как оптимизировать свою работу.