Логотип Студии Ивана Удачника Автоматизация, которая окупается
статьи - «Как руководителю выбрать 3 ИИ-проекта, которые имеют шанс окупиться»

Как руководителю выбрать 3 ИИ-проекта, которые имеют шанс окупиться

Практическая система отбора ИИ-проектов до инвестиций: деньги, частота задачи, данные, проверяемость, риск и реальная необходимость именно ИИ

Как руководителю выбрать 3 ИИ-проекта, которые имеют шанс окупиться
короткий ответ

Для отбора ИИ-проектов проверьте шесть вещей: денежный эффект, объём работы, данные, необходимость именно ИИ, проверяемость результата и цену ошибки. Из подходящих идей можно собрать три разных направления: быстрый измеримый пилот, стратегический проект и подготовку данных или инфраструктуры. Три - удобный размер списка для обсуждения, а не обязательное число запусков

Не выбирайте «ИИ для отдела». Выберите одну единицу работы

Фраза «внедрим ИИ в продажи» мало помогает выбрать проект. В продажах есть разная работа: разобрать заявку, подготовить письмо, найти информацию о клиенте, заполнить карточку, классифицировать звонок, предложить следующий шаг. У каждой операции свои данные, стоимость и последствия ошибки. Поэтому кандидата стоит описывать через конкретную повторяемую работу и результат, который должен измениться

Слишком широко: «ИИ для поддержки»
Условный кандидат: классифицировать входящие обращения и предлагать оператору черновик ответа, чтобы сократить ручное время обработки без роста ошибок. Само по себе ускорение подготовки черновика ещё не означает, что клиент быстрее получит решение

Шесть критериев отбора ИИ-проекта

Для отбора в этой статье используем авторскую схему из шести критериев; на её основе ниже собраны три типа направлений, сравнительная шкала и четыре зоны ответственности. Это не методика NIST и не модель вероятности окупаемости.

КритерийСильный сигналКрасный флаг
Денежный рычагЕсть механизм изменения расходов или маржи. Для скорости и снижения риска описана связь с экономическим результатом«Будет современно»
ЧастотаЧастота и трудоёмкость дают значимую нагрузку; редкая, но дорогая задача тоже может быть кандидатомРедкая недорогая работа без достаточного эффекта или стратегической ценности
ДанныеЕсть пригодные входы, примеры, законные основания и права доступа, владелец и обратная связьДанные живут в переписках и головах без владельца
Необходимость ИИЕсть неструктурированный текст, изображение, смысловая вариативность или сложное сопоставлениеЗадачу проще закрыть правилом или обычной интеграцией
ПроверяемостьМожно определить правильный результат и измерять ошибкиНикто не может сказать, хороший ответ или нет
РискОшибка обратима, есть контроль и маршрут исключенияОдна ошибка может создать серьёзный финансовый, юридический или репутационный ущерб

Таблицу можно прокручивать по горизонтали

NIST, Национальный институт стандартов и технологий США, предлагает оценивать риск ИИ в контексте использования: важны не только свойства модели, но и люди, процесс, возможные последствия. Для генеративных систем есть отдельный профиль рисков. Эти документы помогают организовать проверку, но не определяют, какой проект окупится [1] [2]

Как собрать три разных направления работы

1. Быстрый измеримый

Частая задача, короткий цикл обратной связи, низкая цена ошибки. Нужен, чтобы команда научилась внедрять и измерять

2. Стратегический

Большая потенциальная ценность, но больше интеграций, изменений процесса и времени. Это ставка на будущую операционную модель

3. Подготовительный

Создаёт данные, инфраструктуру или компетенцию для следующих внедрений. Его результатом может быть проверенная готовность к проекту, а не немедленная экономия

Такой список помогает не смешивать разные ожидания. От быстрого пилота ждут измеримого изменения работы, от стратегического - проверки более крупной гипотезы, от подготовительного - конкретного ресурса для следующих шагов. Запускать всё одновременно необязательно: подготовка данных может предшествовать пилоту. У каждого направления должны быть свой бюджет, результат и условие остановки; пустое место в списке лучше проекта, выбранного ради числа три

Быстрая оценка кандидата

Оцените кандидата по шкале от 0 до 3, опираясь на факты, а не на обещания. Значения описаны прямо в полях. Сумма до 18 баллов помогает сравнить обсуждаемые идеи, но не показывает вероятность окупаемости. Низкая управляемость риска или отсутствие проверки результата важнее высокого общего балла

Оцените все шесть критериев

Для более детального сравнения процессов по экономике используйте отдельный материал «Какие процессы автоматизировать первыми: матрица выбора и ROI».

До запуска распределите четыре зоны ответственности

Результат. Кто отвечает за бизнес-показатель и подтвердит, что изменение связано с проектом, а не только с сезоном или ростом спроса

Процесс. Кто вправе убрать старые шаги, изменить порядок работы и обеспечить использование решения командой

Данные. Кто отвечает за источник, качество, права доступа и обратную связь

Риск. Кто определяет допустимые ошибки, проверки и действия, которые нельзя отдавать автоматике

Это четыре роли, не обязательно четыре новых сотрудника. Часть обязанностей можно совмещать, но полномочия и независимые проверки должны сохраняться. Подрядчик может помогать во всех четырёх областях; решения о процессе, допустимом риске и ожидаемом результате должны оставаться и на стороне компании

Источники и границы выводов

Критерии, три направления, четыре роли и шкала 0-18 - авторская организация разбора, а не методика NIST. Источники ниже используются только для принципов управления рисками

  1. NIST - рамка управления рисками ИИ - добровольная рамка AI RMF 1.0, опубликованная в 2023 году; на дату проверки сайт сообщает о пересмотре
  2. NIST - профиль рисков генеративного ИИ - NIST AI 600-1, опубликован 26 июля 2024 года; дополнение к AI RMF для генеративных систем

Хотите выбрать первые AI-проекты без лотереи?

Пришлите список идей или процессов. Мы поможем быстро разложить их по денежному рычагу, повторяемости, данным, риску и сложности внедрения, чтобы оставить 1-3 нормальных кандидата

Разобрать процессСначала проверим экономику процесса, а уже потом можно обсуждать внедрение

Частые вопросы

Почему не запускать сразу много ИИ-пилотов?

Каждый пилот требует данных, ответственного за процесс, измерения и изменений в работе. Число параллельных запусков стоит ограничивать способностью команды доводить их до результата. Три проекта в статье - пример организации списка, не универсальная норма

Всегда ли нужен ИИ, если задача повторяется часто?

Нет. Если задача решается стабильным правилом или обменом данными между системами, сначала сравните этот вариант с ИИ. Частота показывает возможный масштаб эффекта, но не определяет нужную технологию

Какой проект считать лучшим первым кандидатом?

Кандидат с понятной экономикой, пригодными данными, проверяемым результатом и управляемым риском. Частая работа и короткий цикл обратной связи упрощают тест; редкая дорогая операция тоже может быть полезной, но требует отдельного расчёта