ИИ в среднем бизнесе: задача трёх эпох и точки хрупкости

Так совпало

Теперь исчезли посредники между постановкой задачи и работающим решением. Это работает благодаря комбинации трёх технологий. Ни одна из них по отдельности описываемого ниже эффекта не даёт.

Первая: большие языковые модели: ChatGPT, Claude, DeepSeek, GigaChat — за последние два года они научились не только писать тексты, но и разбираться в структуре данных, писать код, связывать разнородные источники в одну логику.

Вторая: конструкторы автоматизаций без написания кода — сейчас заметнее всех n8n, до него был Make. Визуальный редактор, где схема процесса собирается из готовых блоков. Те самые блок-схемы, что в школе проходили в курсе информатики. Только теперь они управляют реальными бизнес-процессами: собирают данные из почты, кладут в таблицу, просят нейросеть проанализировать, отправляют результат в мессенджер.

Третья. Открытые модели, которые можно развернуть на своём компьютере или в IT-контуре компании.
Без облака, без подписок, без утечек наружу.

Это не революция в IT, но именно новый класс решений. Задачи вида «мне надо быстро увидеть, что происходит», «собрать данные из разрозненных источников», «сделать интерфейс, чтобы команда работала с этой логикой» теперь собираются за вечер одним человеком, часто самим руководителем, без посредников. Так меньше совещаний и долгих разжёвываний.

Кстати, это облегчает участь руководителя. Ведь его обязанность — чётко описывать нужный результат, а это трудно. Лично я устаю.

Всё это и начинает перестраивать структуру среднего бизнеса. Не ИИ сам по себе, а то, что целый пласт задач, раньше требовавший команды разработки, теперь решается одним толковым человеком с нейросетью под рукой.

Горох продаёте?

Меняется не только внутренняя кухня. Маркетинг и продажи тоже, и иногда в сторону, которая раньше была физически недоступна.

Крупный агротрейдинговый экспортёр, в котором я занимаюсь венчурным направлением, возит зерновые, бобовые и масличные культуры за рубеж. Основной источник сырья в России: микрофермеры. Десятки тысяч хозяйств, разбросаны по регионам, партии маленькие. Именно из-за размера партии они готовы отдавать товар дешевле, чем крупные агрохолдинги. Для трейдера это арбитраж: собрать из десятков мелких партий одну большую и продать дороже.

Проблема в том, что собрать эти партии ужасно трудно. Один хороший закупщик, знающий рынок и умеющий договариваться, делает максимум сотню звонков в день. Физически больше не выдержит.

Но дело даже не в количестве звонков. Живой закупщик, сделавший сотню разговоров, физически не сможет по каждому фермеру квалифицированно занести всю коммерческую информацию (объём, качество, регион, сроки отгрузки, готовность отгружать на такой-то логистике, цена за тонну, условия оплаты). Вот где цимес. Часть теряется, часть забывается, часть искажается: фермер сказал невнятно одно, закупщик услышал по-своему другое, записал третье.

И что ещё важнее, сотня звонков это очень узкий срез рынка. Среди ста предложений по-настоящему выгодной цены может просто не оказаться. Её найдёт тот, кто обзвонит тысячу.

Раньше такой объём могли позволить себе только крупнейшие мировые зернотрейдеры, транснациональные корпорации с многомиллиардными бюджетами и сотнями закупщиков в штате. Теперь это делает один голосовой робот, работающий параллельно на десятках линий. Он знает, что спрашивать. Квалифицирует партию по десятку параметров. Результаты льются в базу. Живой человек получает утром карточку: партия такого-то объёма и качества, общая прибыль по сделке три миллиона рублей, элеватор тут, логистика вот такая. Работа сводится к тому, чтобы принять решение, с кем финализировать договор.

Вся система голосового сбора данных собиралась несколько вечеров. Сейчас один человек с её помощью сопровождает порядка десяти тысяч рейсов грузовиков за сезон. В начале двухтысячных такая операционная мощность была признаком транснациональной корпорации. Сейчас это один человек и блок-схема.

И снова акцент: ключевое тут не то, что ИИ говорит голосом. Ключевое в том, что рынок, к которому у среднего трейдера раньше не было технического доступа, открылся. Появился целый класс операций, который можно себе позволить.

Точки хрупкости

Хорошая новость заканчивается примерно здесь. Дальше оборотная сторона.
Новые технологии всегда приходят со своими поломками. И поломки в случае ИИ довольно специфические. Их как минимум три.

Точка хрупкости первая. Опять вспять.

Корпоративная автоматизация шла в одну сторону: убрать человека из повторяющихся процессов.

Почему?
Потому, что нормальный человек всегда ошибается. Иначе с ним что то не то. СогласитесЬ?

Он копирует не ту ячейку, забывает про нолик, путает даты, устаёт к концу дня. Ещё у него стресс, кот и хочется в отпуск.

А алгоритм, однажды написанный (и потом сто раз отшлифованный), выдаёт один и тот же результат при одних и тех же входных данных.

Это называется детерминированностью.

Ради неё десятилетиями писали дорогие корпоративные системы: бухгалтерские, складские, управления клиентами (Customer Relationship Management, CRM), управления ресурсами (Enterprise Resource Planning, ERP). Идея простая: предсказуемость дороже дешевизны.

Многие руководители, впервые увидев ИИ в деле, про этот принцип забывают.

И начинают пихать ИИ ровно туда, где десятилетиями достигалась предсказуемость. В отчётность, в согласования, в бухгалтерский процесс. Туда, где вариативности результата не должно быть в принципе.

Это ловушка.
Нейросеть не выдаёт один и тот же ответ на один и тот же запрос. Она же «вероятностная». Заставить её отвечать строго одинаково можно. Но это будет дороже, чем написать обычный алгоритм.

Через полгода-год компании, которые ввели ИИ в повторяющийся процесс, обнаружат то же, что в нулевых обнаружили компании, нанявшие много дешёвых операторов: процесс стал неконтролируемым. И откатятся назад, к тщательной разработке с предсказуемым результатом. Потому что в бухгалтерии не должно быть творчества.

Правильное место для ИИ там, где результат может быть неточным. Где риски допустимы, а ИИ удешевляет работу в сотни раз.

Кстати, и в разговорах с фермерами глюков хватает. Однажды наша нейронка дозвонилась до опера из убойного отдела Краснодара и пару раз спросила про горох, но всё же поняла куда попала и сделала запись в CRM не звонить по этому номеру повторно никогда.

Точка хрупкости вторая. Одна голова хорошо, но не очень.

Когда автоматизацию делает команда разработки, между людьми есть документация, стандарты, код-ревью, корпоративная память. Один увольняется, остальные понимают, как система устроена, и продолжают её поддерживать.

Автоматизация на ИИ без написания кода часто собирается одним человеком. Он держит в голове, почему блок-схема устроена именно так, почему на этом шаге стоит такой промпт, почему данные идут через именно эти три сервиса. Он собрал за вечер то, на что команда разработки потратила бы два месяца. И всё это в одной голове.

Через три месяца он увольняется. Больше никто не знает, как это работает.

Проблема не новая.
Ключевые сотрудники всегда были точкой уязвимости.
Изменилось другое: таких людей процентно станет больше.

Лечится это банально: документацией, передачей знаний, стандартами, дисциплиной в конце концов. Или продуманным «планом-капканом» на случай ухода ключевого. Но пока всё работает, об этом никто не думает. Как с бэкапом

Точка хрупкости третья. Волшебная кнопка

Этот пункт вообще не про ИИ. Он про повторяющийся сюжет, сопровождающий каждую
новую технологию.

Появляется что-то новое ->
Руководитель слышит про это каждый день: в подкастах, на отраслевых завтраках, в ленте. Вот из этой самой статьи может прочитать. Мало ли где его накроет осознание вершащейся технологической революции. Да?

Постепенно в голове складывается ощущение, что именно эта новая штука наконец решит все проблемы. Прям волшебная кнопка. Кажется, что бизнес-процессы станут идеальными. Сотрудники мотивированными. Отчёты безошибочными. Продажи сами пойдут вверх. Остаётся только «везде внедрить».

Так было с корпоративными порталами в конце девяностых.
С ERP в двухтысячных. С CRM в десятых. С блокчейном в-не-помню-каких. С системой роботизированной автоматизации процессов (Robotic Process Automation, RPA) в 2020-м.

Сценарий каждый раз идентичный: сверху идёт директива «переходим на новую технологию», снизу начинается имитация результата. Потому что когда людей заставляют что-то делать, не показав пользу, они всегда имитируют. Это опять про нас с вами, а не про ИИ.

Через два года выясняется, что половина внедрений была на бумаге, бюджеты ушли в песок, а реальные улучшения дала одна-две инициативы. Те, что пришли снизу, от людей, которым это было нужно по работе. (кстати вот на кого надо ставку делать, но мы постоянно забываем).

С ИИ ровно так же

Мне уже сейчас пишут бывшие коллеги в духе «наш директор решил встроить ИИ-агентов во все процессы, внедряем в двадцати отделах одновременно» — плохая затея.

Толковые люди в толковых отделах и так сами потихоньку начнут пользоваться.
Единственное чем им стоит помочь — не мешать. Просто немного повышать требования, зная, что качество решений не упало, а скорость за счет ИИ возросла.

Ажиотаж вокруг новой технологии это не свойство технологии. Это психология. Сюжет древний: погорят те, кто сделает чрезмерную ставку на новинку. Пойдет не по пути постепенного адаптирования, а попытается взять нахрапом.

Кризис

Если исполнительские позиции (ввод данных, первичная обработка, простые отчёты) сжимаются, а постановочные и рисковые остаются и дорожают, кажется, что всё в целом понятно. Бюджет компании не уменьшается, а перераспределяется. Меньше дешёвых рук, больше дорогих голов. Плюс-минус так и будет.

Но есть проблема, которая слегка пугает. Я её называю кризис Суворова. Что то вроде: «прежде чем командовать — научись подчиняться», помните?

Руководители не на деревьях растут. Они «вылупляются» из бывших исполнителей.

Первые десять лет рабочего опыта человек получает именно на исполнительских позициях:

• Там его заставляют переделывать.
• Там он впервые видит, как инструкция из учебника ломается о реальность.
• Там он понимает, чем логика из университета отличается от того, как на самом деле работают деньги, люди и процессы.

«Из знаний мы черпаем закономерности. А из опыта — ошибки и исключения.» © Моё.

Руководитель хороший именно потому, что когда-то сам был исполнителем и помнит, как ставили задачи ему. Где была чёткость, а где путаница. Где можно было сделать быстро, а где пришлось переделывать четыре раза.

ИИ заменяет мелких исполнителей. Это возможный кризис.
Если исполнительских позиций больше нет, этих десяти лет тоже нет.
Отсюда вопрос, на который у индустрии сейчас ответа нет: откуда через пятнадцать лет возьмутся руководители?

Они ниоткуда не возьмутся. Их готовил определённый путь: снизу, через ошибки, через чужие ошибки, через «переделай, это неправильно». Если этот путь обрубить сверху, поколение постановщиков задач просто не созреет. ИИ будет, а задач не будет.
Кризис отложен на десятилетия. Сейчас его не видно, но он уже закладывается.

Вместо вывода

ИИ уже снизил стоимость одного конкретного класса задач: разовых, быстрых, уникальных.
Для среднего бизнеса это живые деньги. Заказ подрядчику на 500 тысяч рублей, закрытый за вечер силами одного толкового сотрудника с нейросетью, это не теория. Это происходит прямо сейчас.

Руководитель, который такую возможность не использует, через полтора года окажется в другой экономической лиге по сравнению с конкурентом, который её использовал.

И ровно ту же технологию сейчас заводят в процессы, где она создаёт больше проблем, чем решает: появляется недетерминированность в отчётности, один сотрудник становится носителем всей корпоративной автоматизации, а руководство имитирует внедрение сверху, лишь бы отчитаться на совете директоров: «мы в тренде». .

Вообще я эту статью написал затем, что готовлю курс именно для собственников и руководителей среднего бизнеса — тех, кто не будет собирать автоматизации руками, но должен понимать: что внедрять, сколько это стоит, кого нанимать и как контролировать результат.

Курс в Высшей школе экономики, пять недель, онлайн. Внутри — живые кейсы с реальной экономикой, похожие на разобранные выше, карта границ (где ИИ действительно удешевляет работу, а где его встраивать не стоит), модуль по найму и управлению командой разработчиков без профессиональных навыков программирования, разбор типовых провалов внедрений у коллег. Формат двухтрековый: сжатая часть для собственника и полная — для его директоров и коммерсантов, потому что учиться имеет смысл вместе. Каждый участник получит персональный аудит процессов его компании: конкретный список задач, которые уже сейчас можно закрыть за вечер вместо полугода работы подрядчика. Если на каком-то месте статьи вы поймали себя на мысли «это про нас», то следите за новыми материалами Школы: мы скоро анонсируем запуск и подробно расскажем, как будет устроен набор.