ИИ хорошо работает внутри понятной задачи, а не вместо определения задачи
Если сотрудники по-разному понимают, что считать готовым документом, у модели не будет согласованного критерия приёмки. Если в обращении нет обязательных данных, нужно запросить их или передать задачу человеку, а не разрешать модели достраивать ответ. И пока последствия ошибки не оценены, нельзя обоснованно определить, какие действия она сможет выполнять самостоятельно. Поэтому выбор модели начинается с описания задачи: какой результат нужен и как мы отличим его от правдоподобного, но неправильного ответа
Рабочий порядок: удалить → упростить → связать → описать → добавить ИИ
Сначала набросайте текущий процесс, иначе непонятно, что в нём менять. Дальше используйте пять шагов ниже как порядок проверки, а не обязательную перестройку каждого участка. Описание уточняется по ходу работы; независимый контроль не удаляется ради более короткой схемы
В материале McKinsey от июля 2026 года перепроектирование работы рассматривается как основа эффекта от ИИ. В опросе PwC, опубликованном в апреле 2026 года, руководители компаний с более сильным заявленным эффектом чаще сообщали об изменении рабочих процессов. Эти источники поддерживают направление проверки, но не доказывают, что сама перестройка гарантирует окупаемость [1] [2]
Проверка готовности процесса к ИИ: восемь условий
Оцените один конкретный сценарий. «Да» означает, что условие описано и есть основание считать его выполненным; «не проверяли» - что данных пока нет. Слабый контроль или неподтверждённый доступ к данным нельзя компенсировать хорошими ответами на остальные вопросы
Авторская проверка, не сертификация и не методика NIST. Ответы не суммируются в балл, который разрешает внедрение. Непроработанные выход, исключения, доступ, качество, риск или контроль ограничивают самостоятельные реальные действия независимо от остальных ответов. Перечень не заменяет техническую и правовую проверку конкретного применения
Три проекта, которые рано отдавать ИИ без подготовки
«Пусть ИИ отвечает клиентам». Если база знаний противоречива, скидки выдаются устно, а правила возврата зависят от менеджера, сначала согласуйте источник сведений и исключения. Иначе модель будет выбирать между несовместимыми версиями ответа
«Пусть ИИ проверяет документы». Сначала нужен перечень обязательных полей, допустимых отклонений и причин возврата. Модель можно испытывать на примерах, но оценивать её соответствие ещё не согласованным требованиям невозможно
«Пусть ИИ решает, кому дать скидку». Без лимитов риска и понятных полномочий это не техническая задача. ИИ может подготовить расчёт для человека, но право обещать условия клиенту должно быть задано отдельно
Где ИИ действительно полезен после подготовки процесса
| Задача | Что лучше использовать |
|---|---|
| точное детерминированное правило | обычная автоматизация |
| перенос одинаковых данных | интеграция |
| классификация текста, извлечение смысла, подготовка черновика | ИИ с проверяемым результатом |
| дорогое необратимое решение | человек, возможно с ИИ как помощником |
На узком экране таблицу можно прокручивать по горизонтали
В такой архитектуре модель используется там, где нужны работа со смыслом, классификация или подготовка черновика. Экономию по сравнению с вариантом «ИИ везде» нужно проверить: вместе со стоимостью модели считайте интеграцию, проверки, обработку ошибок и сопровождение
Пилот должен проверять бизнес-гипотезу, а не факт подключения модели
- зафиксировать исходное качество, время и стоимость процесса
- дать ИИ ограниченный участок с понятной границей ответственности
- собирать причины ошибок и исключений
- не менять одновременно весь процесс, чтобы видеть механизм эффекта
- повторно проверить результат на сопоставимых задачах, включая исключения, прежде чем расширять применение
До запуска согласуйте, что будет успехом и когда пилот остановят: по качеству, риску, сроку и затратам. Проверка человеком тоже требует времени и может ошибаться, поэтому одной подписи недостаточно - нужны понятные основания решения и возможность остановить действие. NIST AI RMF помогает организовать управление рисками на протяжении работы системы, но не выдаёт разрешение на внедрение по сумме ответов [3]
Если пилот уже запущен, но денег не видно, используйте разбор причин, почему ИИ-пилот не превратился в финансовый результат
Источники и границы выводов
Пять шагов и восемь условий - авторский способ подготовки сценария. Они не являются шкалой PwC или NIST и не доказывают готовность бизнеса к автономной работе ИИ
- McKinsey, The operating model advantage, 7 июля 2026. Аналитический материал о перепроектировании работы, а не валидация нашего чек-листа
- PwC, AI Performance Study: сообщение о результатах, 13 апреля 2026. Опрос руководителей преимущественно крупных публичных компаний. Связь практик с заявленным эффектом не устанавливает причинность
- NIST, AI Risk Management Framework. Добровольная рамка управления рисками; не обязательный регламент для любой компании и не гарантия безопасности
