Внедрить ИИ в компанию за 90 дней можно, если начинать с 3–5 конкретных задач. В первый месяц руководитель пробует ИИ сам, вводит правила для данных и записывает, сколько часов задачи занимают сейчас. Во второй идут пилоты с владельцем и проверкой. В третий считают часы и деньги и решают, что масштабировать.
Я Егор Рудомёткин — AI-стратег, спикер по ИИ и эксперт по AI-агентам, основатель AI-Cofounder School и AI-Teams. План собран из трёх источников: программы внедрения, которую мы провели у оператора связи, разборов с другими компаниями и моего свода 117 гайдов по внедрению ИИ за апрель–сентябрь 2026 года.
- Внедрение начинается с задачи. «Внедряем ИИ» без списка задач превращается в год пилотов без отдачи.
- Результат делает организация. По Microsoft Work Trend Index 2026, организационные факторы дают 67 % эффекта ИИ, индивидуальные — 32 %.
- 90 дней хватает, чтобы 3–5 задач прошли путь от точки отсчёта до решения. У оператора связи программа от договора до защиты проектов заняла около трёх месяцев.
- Пилот считают тремя цифрами: часы до, часы после и сколько ответов ИИ из скольких верны. Выигрыш меньше 15 % — задачу меняют.
- Купить инструмент проще всего. Без обучения и выбранных задач он не отвечает на вопрос, что даёт компании.
Содержание
- С чего начинается внедрение ИИ в компании
- Почему пилоты ИИ не дают денег
- Стратегия и план внедрения ИИ на 90 дней
- Дни 1–30: руководитель, правила и выбор задач
- Дни 31–60: пилоты и внедрение ИИ в процессы
- Дни 61–90: замер и решение
- Как это выглядело у оператора связи
- Как я проверяю ИИ в своей команде
- Кто нужен в команде внедрения ИИ
- Где компании теряют деньги при внедрении ИИ
- Частые вопросы
С чего начинается внедрение ИИ в компании
Внедрение ИИ начинается с одной повторяющейся задачи и человека, который за неё отвечает. Подписка и выбор модели, то есть конкретной нейросети, идут потом.
Случай из моей практики. Производственная компания летом развернула на своём сервере больше десятка личных агентов и бот в корпоративном мессенджере. Агент — это ИИ-помощник, который по инструкции сам выполняет задачу по шагам.
Обучения не было, задачи для ИИ никто не выбирал. Дальше всё пошло по-разному: кто-то работал с агентами каждый день, кто-то попробовал пару раз и бросил.
Самая трудоёмкая работа при этом осталась в стороне. Большой технический отчёт, который специалист пишет месяцами, никто не пробовал отдать ИИ.
Компания думала купить своё железо под модель. Я советую в таких случаях одно: сначала пилот, потом железо. Железо не отвечает на вопрос «что это даёт».
Это типовая ошибка. Инструмент покупают раньше, чем выбирают задачи. В мае я написал об этом пост:
«Внедряем ИИ» — это год пилотов и ноль отдачи. «Закрываем 50 задач из 10 отделов» — это план на квартал.
Для ИИ компания выглядит как набор повторяемых задач. Туда и внедряем.
Почему пилоты ИИ не дают денег
Пилоты не дают денег, когда компания меняет инструмент и оставляет прежней работу. Вторая причина проще. Никто заранее не договорился, что считать.
Я свёл 117 гайдов и исследований за полгода. Главное, что я из них вынес: результат делает организация. Цифры, на которые опираюсь:
- Microsoft, Work Trend Index 2026: культура, поддержка руководителя и кадровые практики дают 67 % эффекта ИИ, личные навыки сотрудников — 32 %.
- McKinsey, The State of AI in 2026, август 2026: заметный эффект от ИИ видят около 6 % из 1 719 опрошенных.
- BCG, Applied AI Index 2026, сентябрь 2026: компаний, перестроенных под ИИ, 7,5 %. Их выручка растёт в 2,4 раза быстрее, чем у нижней половины выборки.
- ИСИЭЗ НИУ ВШЭ по данным Росстата, сентябрь 2026: в 2025 году ИИ использовали 5,2 % крупных и средних организаций России. Среди тех, где работает меньше 100 человек, — 4,3 %.
Вторую причину я разбирал в посте про пилоты. Один и тот же пилот можно показать как прибыль, убыток и ноль:
- засчитал сэкономленные часы — прибыль;
- засчитал вложения в инфраструктуру — убыток;
- засчитал выручку — ноль.
На этой путанице пилот доживает до второго года. Потом его закрывают с формулировкой «не оправдал ожиданий». Ожиданий, которые никто не записал.
Стратегия и план внедрения ИИ на 90 дней
План делится на три фазы по 30 дней. У каждой есть владелец и результат, который помещается на одну страницу для собственника. Это и есть стратегия на первый квартал.
| Недели | Что делаем | Владелец | Результат |
|---|---|---|---|
| 1–2 | Руководитель пробует ИИ на своей задаче. Пишем страницу «зачем нам ИИ». Вводим правила для данных | собственник или генеральный директор | страница из четырёх ответов, правила данных |
| 3–4 | Раскладываем процессы на шаги, выбираем 3–5 задач, записываем часы до. Назначаем чемпиона | руководители отделов | карта задач и точка отсчёта |
| 5–8 | Пилоты: шаг с ИИ в описании задачи, контекст компании, общие инструкции, прогоны | владелец задачи и чемпион | 3–5 задач работают с ИИ каждый день |
| 9–10 | Замер: часы после, деньги, сколько ответов из скольких верны | владелец задачи, арифметику проверяет финансист | три цифры по каждому пилоту |
| 11–13 | Решение по каждой задаче: масштабировать, чинить или закрыть. У каждого агента в работе есть владелец | собственник | 1–2 процесса работают по-новому, план на квартал |
Я собирал план под компании от 10 до 200 человек. В компании крупнее порядок фаз тот же. Сроки согласований там свои.
Дни 1–30: руководитель, правила и выбор задач
Первый месяц уходит на три вещи: руководитель пробует ИИ сам, данные получают правила, задачи получают точку отсчёта.
Начинает руководитель. Если менеджеры пробуют ИИ, а руководство нет, внедрение тихо саботируют. Поэтому две недели генеральный директор делает с ИИ одну свою повторяющуюся задачу. После этого вопрос «а нам это надо?» в компании звучит реже. Пошаговые планы для первой недели лежат в гайдах AI-Cofounder School.
Параллельно пишем страницу «зачем нам ИИ». На ней четыре ответа. Зачем компании ИИ. Какие задачи ему отдаём. Какие не отдаём никогда. Кто отвечает за результат. Одна страница, и шум в коридорах стихает.
Данные я делю по светофору:
- зелёное, то есть публичное, можно отдавать в любую модель;
- жёлтое, внутреннее, идёт только в сервисы, которые одобрила безопасность;
- красное — персональные данные и коммерческая тайна. Только своя модель или через службу безопасности.
Без такого правила люди несут отчёты в чужие чат-боты. А проекты с персональными данными не выходят из прототипа.
Дальше выбор задач. Процесс раскладываем на 6–9 задач и уровень ставим каждой задаче отдельно, отделу целиком его не ставим. Для первых пилотов годится задача, где на четыре вопроса ответ «да». Частая? Повторяемая? Данные можно отдавать? Есть кому проверить результат?
По каждой выбранной задаче записываем точку отсчёта: сколько часов заняли пять последних случаев и сколько раз в месяц её делают. Без этой записи через два месяца спорить будет не о чем.
И последнее в первом месяце — чемпион. Моё правило из практики: один ИИ-чемпион на 20 человек. Внешнего исследования с такой цифрой нет. Чемпион пробует первым и показывает коллегам, как сделал свою задачу.
Дни 31–60: пилоты и внедрение ИИ в процессы
Во втором месяце ИИ встраивают в работу отделов: 3–5 задач идут с ним каждый день, и каждую проверяют прогоном.
Шаг с ИИ записываем в описание задачи. Если находки живут в личных чатах, через несколько недель люди возвращаются к старому. Поэтому шаг попадает в инструкцию отдела. Удачный запрос превращаем в общий шаблон или в скилл: так называют папку с инструкцией, которую ИИ читает перед работой.
Без контекста компании ИИ похож на стажёра в первый рабочий день. «Галлюцинации» чаще всего значат одно: ИИ не знает, кто вы, что продаёте и как. Лечится это файлами о компании, продукте, правилах и голосе. Модель менять не обязательно.
Метод сильного сотрудника записываем в файл и подключаем к ИИ. Сотрудник уволится, инструкция останется. Заодно станет видно, есть ли у него метод вообще.
Потом прогон. Собираем 10–30 реальных примеров задачи: прошлые запросы, письма, документы. Записываем, что загрузили и что спросили. Оценивает человек, который делает эту работу сам. Итог он пишет одной строкой: сколько ответов из скольких верны, например «18 из 20». Правим инструкцию и прогоняем ещё раз.
После лекции мотивация падает быстрее, чем растёт экономия. Это модель из моей практики, а не замер. Второй месяц держится на одной задаче в отделе и владельце с именем.
Дни 61–90: замер и решение
Третий месяц нужен для цифр и решения по каждой задаче.
Деньги в месяц считаем так: (часы до − часы после) × задач в неделю × ставка часа × 4. Часы после берём вместе с проверкой результата, иначе выигрыш выйдет завышенным. Вторая цифра — качество: сколько ответов из скольких верны на прогоне.
Арифметику пересчитывает второй человек, лучше финансист. Одна ошибка в множителе меняет результат на порядок.
Если выигрыш меньше 15 %, задачу не масштабируем. Меняем её или закрываем. Задачу с хорошими цифрами переносим в соседний отдел.
У каждого агента, который остаётся в работе, появляется владелец с именем. Рядом стоит человек, который одобряет решение в рискованной точке, и ведётся журнал решений. Без этого агент работает ровно до тех пор, пока в компании работает его автор.
Окупаемость не гарантирует ни один план. Через 90 дней вы будете знать другое: где ИИ экономит часы, а где нет.
Как это выглядело у оператора связи
Ближе всего к этому плану программа, которую мы провели у оператора связи. От договора до защиты проектов прошло около трёх месяцев.
Участвовали около 30 сотрудников из коммерции, техники, финансов и других отделов, они работали командами. Встреч было немного: операционную работу никто не отменял.
Порядок встреч:
- Вводная лекция и задача командам: собрать идеи.
- Сессия «идеи → приоритизация».
- Лекция про запросы к ИИ и безопасность данных по светофору.
- Сессия «планы реализации»: проверить задачи на настоящем ИИ.
- Защита проектов перед генеральным директором.
Самый трудный переход в таких программах — от идеи к прогону. Задача описана, эффект посчитан, а строки «прогнали, вот результат» в плане ещё нет. Перед защитой мы с командами разбирали проекты как раз на этом месте.
Доклады мы собирали по одной формуле: один проект, один спикер, одна цифра, один прогон, одна просьба. Остальное ушло в запасные слайды. Следующим шагом команды запланировали пилоты по своим проектам. Их итога я пока не знаю.
Как я проверяю ИИ в своей команде
Выводам ИИ в своей команде я доверяю после прогона и второй проходки, когда результат перепроверяет другой агент или человек. Правило появилось после собственных ошибок.
Первая случилась на заводе контента, в конвейере, где агенты собирают и разбирают посты конкурентов. Мы собрали 8 493 поста за $16,5. В тот же день отдельный агент-анализатор опроверг 6 выводов итога. Рост «втрое» никто не измерял. «Медиана цены» оказалась промокодами. С тех пор сбор и анализ делают разные агенты.
Вторая хуже. Мы разослали задачи 12 авторам роликов, и задачи выглядели гладко. Только строились они на разметке данных, где 93 % записей указывали на чужие ролики. Ошибку нашла одна из авторов. Наши проверки её пропустили: ручную вычитку мы сняли ради скорости. Теперь в коде стоят три обязательные автоматические проверки, и первая сверяет факты с первоисточником.
Третий случай уже про то, как передавать процесс. Недельные конвейеры я передавал другой команде и упаковал их в 14 скиллов. Новый агент на модели Claude Sonnet ничего не знал о проекте и прошёл 10 сценариев из 10. Автотесты прошли 1 205 из 1 205. Для меня процесс передан тогда, когда чужой агент проходит его без автора.
Кто нужен в команде внедрения ИИ
На старте хватит двух людей, которые уже собирали агентов, и чемпиона в каждом отделе.
Двое сборщиков агентов за 2–3 месяца ускоряют компанию заметнее, чем отдел из десяти человек на старте. Обычно это бывший продакт-менеджер и бывший разработчик. Если в паре нет человека, который умеет собирать агентов, получится сервер и чат. С ним все работают как с ChatGPT, а перестроенных процессов ноль.
Сервер под свою модель на старте лучше арендовать. Своё железо превращается в отдельный проект на несколько месяцев, а на арендованном сервере экспериментируют сразу. Банкам и компаниям с требованием «только свой контур» (данные не выходят за серверы компании) это решение надо согласовать с безопасностью.
Теперь про внутреннего чемпиона. С 21 сентября по 2 октября у меня было 33 внешние встречи, и 14 из них — со специалистами внутри компаний. Решение у них принимает собственник или вице-президент. Просили все одно и то же: материал, с которым можно идти наверх.
Дайте чемпиону одну страницу. Эффект в цифрах, правила безопасности, цена, похожий случай. Без неё самому горячему стороннику ИИ трудно убедить начальство.
Где компании теряют деньги при внедрении ИИ
Деньги теряются в пяти местах, и большинство из них появляется ещё до того, как ИИ начал работать.
| Ошибка | Как выглядит | Что делать |
|---|---|---|
| Купили инструмент без людей | агенты и бот есть, обучения нет, задачи не выбраны | две недели руководители пробуют ИИ на своих задачах, ничего нового не покупаем |
| Автоматизировали хаос | агента ставят на процесс, который никто не описал | разложить процесс на шаги; сначала ИИ делает черновик и человек правит, агент потом |
| Обучили всех, применять негде | после тренинга все пробуют своё, через месяц возвращаются к старому | одна задача на отдел, владелец с именем, шаг с ИИ в инструкции |
| Нет точки отсчёта | через год пилот «не оправдал ожиданий» | записать часы до старта пилота |
| Поверили гладкому тексту | выводы без прогона, расчёт эффекта никто не пересчитал | прогон «сколько из скольких», вторая проходка, проверка фактов |
Отдельно про железо. Покупать свой сервер до пилота значит запускать проект на месяцы без ответа, что ИИ даёт компании. Начинайте с аренды и переходите на своё, когда видна экономика.
Частые вопросы
Сколько времени занимает внедрение ИИ в компании?
Первые результаты по 3–5 задачам видны за 90 дней. За это время задачи проходят путь от точки отсчёта до замера и решения, масштабировать их или закрыть. Перестройка всей компании занимает дольше: по одному-двум процессам за квартал. У оператора связи программа от договора до защиты проектов заняла около трёх месяцев, а пилоты по проектам идут следующим шагом.
С чего начать внедрение ИИ в бизнес-процессы?
Начинать стоит с одной повторяющейся задачи, у которой есть владелец и понятная точка отсчёта. Процесс раскладывают на 6–9 шагов. Для пилота берут частые и повторяемые шаги, данные которых можно отдавать в ИИ, и чтобы был человек, который проверит результат. Первым ИИ пробует руководитель. Если он сам не пользуется, команда быстро теряет интерес.
Сколько стоит внедрить ИИ в компании?
Стоимость зависит от того, нужен ли закрытый контур. Первый месяц стоит подписок и времени людей: руководитель и чемпионы пробуют ИИ на своих задачах. Если данные нельзя отдавать в облако, сервер под свою модель на старте выгоднее арендовать. Своё железо превращается в отдельный проект на несколько месяцев, и покупать его стоит, когда экономика пилотов уже видна.
Нужен ли компании отдельный специалист по ИИ?
На старте хватит двух человек, которые уже собирали агентов, и ИИ-чемпиона в каждом отделе. По практике Егора Рудомёткина, двое таких сборщиков за 2–3 месяца дают больше, чем отдел из десяти человек. Отдельный промпт-инженер, то есть специалист по запросам к ИИ, не нужен. Эта работа стала частью роли человека, который собирает агентов и решает, какой контекст им дать.
Можно ли внедрять ИИ, если данные нельзя отдавать в облако?
Можно. Данные делят по светофору. Публичное идёт в любую модель. Внутреннее отдают в сервисы, которые одобрила служба безопасности. Персональные данные и коммерческая тайна идут только в свою модель на своём или арендованном сервере. Правило вводят в первые две недели. Без него сотрудники носят отчёты в публичные чат-боты, а проекты с персональными данными застревают в прототипе.
Как измерить эффект от внедрения ИИ?
Эффект измеряют тремя цифрами по каждой задаче. Часы до старта пилота, часы после вместе с проверкой результата и качество: сколько ответов ИИ из скольких верны на прогоне. Деньги в месяц считают как разницу часов, умноженную на число задач в неделю, ставку часа и четыре. Если выигрыш меньше 15 %, задачу не масштабируют.