Автоматизация бизнес-процессов: с чего начать и что окупится первым

Какой процесс автоматизировать первым?

У любой компании найдётся десяток процессов, которые раздражают. Но раздражение плохой критерий. Удобнее перемножить три величины: частота × время × цена ошибки. Первая величина считает запуски в месяц, вторая минуты на один раз. Третья отвечает, чем кончается промах: потерянным клиентом, штрафом или лишним звонком.

Возьмём условную компанию на 30 сотрудников и три кандидата. Это пример, числа взяты для наглядности. Ответы на входящие заявки: 600 заявок в месяц по 6 минут, итого 60 часов. Выставление счетов: 300 счетов по 8 минут, итого 40 часов. Согласование договоров: 20 договоров по 45 минут, итого 15 часов.

По времени лидируют заявки, и по цене ошибки тоже. Клиент, которому не ответили за час, часто уходит к конкуренту, и эту потерю не видно ни в одной ведомости. Договоры важны, однако встречаются 20 раз в месяц, и выигрыш от автоматики там небольшой.

Отсюда первое правило. Процесс, который случается раз в квартал, автоматизировать почти никогда не выгодно, даже если он мучительный. А частая мелочь на 5 минут, умноженная на сотни повторов, окупает настройку за несколько месяцев. Если ваш бизнес работает в регионе, примеры из местной практики собраны в разборе автоматизации бизнеса в Калининграде.

Где хватит правил, а где нужен ИИ

Большая часть процессов автоматизируется без всякого ИИ. Если на входе поля формы и статусы, а логика укладывается в «если А, то Б», хватит правил. Это роботы CRM вроде Битрикс24 или amoCRM, обмен с 1С, сценарий в n8n или Make. Типичный пример: счёт после оплаты уходит клиенту сам.

ИИ нужен там, где на входе свободный текст, голос, скан, а системе нужно понять смысл. Клиент пишет «а можно на следующей неделе, но не в среду», и никакое правило это не разберёт. Классификацию обращения, разбор входящего письма, черновик ответа и извлечение реквизитов из PDF берёт на себя языковая модель. Здесь и начинается автоматизация бизнес-процессов с помощью ИИ.

Разница видна и в том, как обходиться с ошибками. У правил цена ошибки предсказуемая: если схема неверна, она ошибается одинаково, и это легко поймать. Модель ошибается иначе, поэтому на старте для неё нужна проверка человеком: спорные случаи уходят сотруднику, а доля таких случаев меряется каждую неделю.

На практике почти всегда получается смесь. ИИ-автоматизация бизнеса редко заменяет правила, она встаёт перед ними: модель понимает, чего хочет клиент, а дальше срабатывают обычные роботы CRM. Как это устроено технически, мы подробно разбирали в статье про интеграцию ИИ в CRM.

Карта процесса: как есть и как будет

Сначала процесс рисуют таким, какой он есть сегодня. Не по регламенту, а по факту: кто получает заявку, куда её записывает, кому пересылает и сколько она лежит между шагами. Обычно выходит 6–10 шагов. На двух-трёх из них работа ждёт в очереди дольше, чем выполняется.

Лучший способ получить честную карту — пройти процесс вместе с исполнителем на трёх реальных примерах. Руководитель описывает процесс, каким он должен быть. Менеджер показывает реальность: пересылку в личный мессенджер и таблицу на рабочем столе.

Вторая карта описывает, каким процесс будет после изменений. Здесь важно не переносить старые шаги один в один. Часть шагов исчезает совсем, часть переходит к системе, а за человеком остаются решения. Ниже пример для входящих заявок: 6 шагов, из которых человек делает один.

Именно так устроен проект из нашего кейса компании по ремонту квартир. ИИ-менеджер в Битрикс24 отвечает клиенту до 10 секунд вместо нескольких часов, уточняет вводные и передаёт готового клиента живому менеджеру. Экономия составила до 600 000 ₽ в год, а внедрение заняло 1–2 недели.

Как посчитать эффект до старта?

Эффект считают до подписания договора, иначе потом не с чем сравнивать. Вернёмся к нашему примеру с заявками и примем допущения. Стоимость часа сотрудника с налогами и накладными 800 ₽. На ответы по заявкам уходит 60 часов в месяц, значит ручная работа стоит 48 000 ₽ в месяц.

После запуска работа не исчезает целиком. Остаются разбор спорных диалогов, правка базы знаний и контроль качества; заложим на это 12 часов в месяц. Разница в 48 часов даёт 38 400 ₽ в месяц, или 460 800 ₽ в год. Это расчёт на допущениях, а не обещание результата.

Второй слой эффекта сложнее, но часто важнее: скорость. Если сейчас 10% заявок ждут ответа дольше часа, это 60 обращений в месяц из 600, и часть из них уходит. Даже 3–5 спасённых сделок в месяц нередко перекрывают экономию на часах. Этот слой считают отдельно и честно помечают как оценку.

Порядок внедрения: от пилота к масштабу

Сначала один процесс, одно подразделение, понятная метрика и срок. Пилот обычно длится 2–6 недель: этого хватает, чтобы увидеть реальные данные, а не впечатления. Только после разбора итогов процесс расширяют на весь поток или берут следующий.

Пилот запускают параллельно со старым способом работы. Первую неделю система отвечает, а человек проверяет каждый ответ. Вторую неделю проверяет выборочно, например каждое пятое обращение. Если доля ошибок держится ниже порога, скажем 5%, ручную проверку оставляют только для спорных случаев.

Сроки сильно зависят от задачи. Наш ИИ-агент для контента запустили за 7–14 дней: он ведёт восемь соцсетей и экономит клиенту минимум 1 200 000 ₽ в год. Если задача шире одного процесса, пригодится наш пошаговый план внедрения нейросетей.

Почему автоматизация проваливается

Первая причина — автоматизировали хаос. Если у процесса нет правил, и каждый менеджер работает по-своему, система лишь ускорит беспорядок. Три менеджера с тремя разными способами вести сделку дадут три разных результата и после автоматики. Сначала договариваются о едином порядке, потом его настраивают.

Вторая причина — у процесса нет владельца. Подрядчик настроил, сотрудники поворчали, а через 2 месяца правила устарели, и никто не отвечает за их правку. Владелец процесса это конкретный человек, который принимает результат, смотрит метрики раз в неделю и решает, что менять. Без него любая настройка медленно деградирует.

Третья причина — не замерили исходную точку. Через полгода руководитель спрашивает, стало ли лучше, и ответить нечем. Цифр нет, и проект объявляют неудачным. Замер занимает 1–2 недели и стоит дешевле любой настройки. Для продаж эти ловушки разобраны в статье про автоматизацию отдела продаж.

Данные и доступы

Почти любой процесс работает с данными клиентов: имена, телефоны, переписка. Это персональные данные, и обработка подчиняется 152-ФЗ. Нужны основание обработки, согласие клиента там, где оно требуется, и понятный срок хранения. Система автоматизации участвует в обработке наравне с CRM.

С доступами правило простое: каждая интеграция получает отдельную учётную запись с минимальными правами. Если ИИ-агент работает с внешней моделью, заранее решают, какие поля обезличить до отправки.

С чего начать на этой неделе

Первый шаг займёт пару часов. Выпишите 5–7 повторяющихся процессов и для каждого оцените частоту в месяц, минуты на один раз и цену ошибки. Перемножьте и отсортируйте. Лидер списка станет пилотом, даже если он кажется скучным: такие обычно окупаются быстрее.

• Назначьте владельца процесса, который примет результат.
• Замерьте исходную точку за последний месяц.
• Нарисуйте карту процесса вместе с исполнителем.

После этого разговор с подрядчиком становится предметным. Вы приходите не с просьбой «автоматизировать всё», а с конкретным процессом, цифрами и картой. Такая автоматизация бизнес-процессов начинается с пилота, а не с большой сметы. Если первым окажется общение с клиентами, смотрите ИИ-менеджеров; если внутренняя рутина, то ИИ-агентов. Регулярную отчётность удобно снять следующим шагом, об этом статья про ИИ для отчётов.

Частые вопросы