Александр Ликонцев - блог о внедрении ИИ и автоматизации

Почему внедрение ИИ по приказу сверху буксует и с чего начинать

Александр Ликонцев — Wed, 07 Oct 2026 00:00:00 GMT

Сейчас почти на каждой встрече с собственником звучит одна и та же просьба: «Нам нужен ИИ». Иногда за ней стоит понятная задача. Чаще - ощущение, что конкуренты уже что-то внедрили, а мы отстаём. Тогда решение спускается вниз директивой: «К концу квартала внедрить ИИ в отделе продаж».

Я 13 лет был ИТ-директором и видел, чем такие директивы заканчиваются. Технология тут ни при чём: решение принимают на одном уровне, а работать с ним предстоит людям, которые живут в совсем другой реальности.

Как выглядит реальность исполнителей

Когда начинаешь разбирать процесс, почти всегда находится одно из трёх.

Процесс нигде не описан. Каждый менеджер работает по-своему, и правила живут в головах. ИИ-агенту нечего автоматизировать: у него нет алгоритма, по которому он мог бы действовать, и критериев, по которым его работу проверять.

Данные разбросаны. Часть заявок в CRM, часть в почте, часть у менеджера в мессенджере. ИИ видит только то, что попало в систему, а значит, работает на неполной картине.

У задачи нет хозяина. Директор поручил, ИТ внедрило, а отдел, в котором всё должно работать, узнал о проекте последним. Через месяц агент отвечает не так, как привыкли люди, и все возвращаются к старому способу.

Ни одна из этих проблем не решается выбором модели или подрядчика.

С чего начинаю я

С обследования процессов. Прежде чем говорить про ИИ, я фиксирую, как работа устроена на самом деле, а не как она описана в регламенте. Разговариваю с руководителями и с исполнителями, иду по пути заявки, документа или звонка от начала до конца.

Только после этого становится понятно, где ИИ действительно окупится, а где хватит простой автоматизации или настройки системы, которая у компании уже есть.

Иногда ИИ не нужен вовсе. В одном из моих проектов задача была в том, что часть лидов терялась: одни не попадали в систему совсем, другие приходили на почту или фиксировались вручную. Мы составили карту всех путей лида от точки входа до CRM, перевели регистрацию на автомат и выстроили сквозную аналитику вместе с маркетингом. ИИ там не понадобился, а проблема ушла: теперь все лиды, кроме пешего трафика, попадают в систему без участия человека.

Зачем звать исполнителей в проект с самого начала

Самая частая ошибка - согласовать проект с руководителем и поставить отдел перед фактом. Я делаю наоборот: люди, которые будут работать с решением, участвуют в нём с самого начала.

Когда мы внедряли ИИ-оценку звонков менеджеров, критерии оценки сначала выверили с клиентским сервисом и другими отделами, которым нужны результаты. Раньше прослушка покрывала около 10 % звонков, теперь агент оценивает все, около 3 000 в месяц. Но спорить с его оценками никто не стал: правила, по которым он работает, люди составили сами.

С распознаванием первичных документов в бухгалтерии похожая история. Итоговый контроль остался за бухгалтером: система сама определяет тип документа и прикрепляет его в 1С, а человек проверяет результат и подтверждает. Бухгалтерия не почувствовала, что у неё что-то отнимают, и получила скорость обработки в 10 раз выше.

Внедрение - это не финал

Вторая причина, по которой проекты буксуют: к запуску относятся как к концу работы. Агент запустили, подрядчик ушёл, а через полгода поменялись регламенты, появились новые вопросы клиентов, и решение тихо перестало справляться.

ИИ-решению нужна эксплуатация: кто-то должен следить, как оно работает, править промпты и сценарии, отвечать на вопросы сотрудников. Я закладываю это в проект с самого начала, а не продаю потом как дополнительную услугу.

Иногда своё строить не надо

Последнее, о чём стоит подумать до старта: не даст ли нужное площадка или поставщик вашей системы из коробки. Перед внедрением стоит проверить, что поставщики собираются выпустить в ближайшее время.

Что делать, если «внедрить ИИ» уже поручили

Не начинайте с выбора технологии, начните с вопросов:

какой процесс мы хотим изменить и как он устроен сейчас на самом деле, а не по регламенту;
кто в этом процессе работает и что их не устраивает;
где лежат данные, с которыми ИИ придётся работать;
как мы поймём, что стало лучше: какая цифра должна измениться;
кто будет отвечать за решение после запуска.

Если на эти вопросы есть ответы, ИИ, скорее всего, заработает. Если нет, начинать стоит с них. Именно этим я занимаюсь на обследовании процессов.

Свежая цифра, которая должна заставить любого владельца бизнеса посмотреть на свои воронки

Александр Ликонцев — Wed, 07 Oct 2026 00:00:00 GMT

Свежая цифра, которая должна заставить любого владельца бизнеса посмотреть на свои воронки: Gartner считает стоимость одного обращения в поддержку. Живой контакт через оператора - $13.50, а через процесс самообслуживания (через чат) - всего $1.84. Разница почти в 8 раз!

А теперь представьте, что ваш «оператор» - это администратор зала, который в четыре часа вечера стоит у ресепшн и физически не успевает перезвонить клиенту с сайта, который только что залип на календарь.

Администратор тут ни при чём: бизнесы повсюду до сих пор тратят деньги на LLM-модели там, где достаточно простой автоматизации. «Пришел лид - назначить менеджера». «За сутки до встречи - отправить напоминание». «Каждое утро - собрать выручку в таблицу». Для этого не нужен ИИ, хватит if/else: он работает быстрее и дешевле языковой модели.

ИИ действительно нужен там, где система обязана понять смысл. Разобрать голосовое сообщение, где клиент в третий раз спрашивает, можно ли прийти с ребёнком. Классифицировать отзыв. Вытащить из переписки дату рождения для рассылки.

А вот и свежая цифра для тех, кто считает деньги: Forrester в 2025 году посчитал экономику voice AI в колл-центрах и получил трёхлетнюю окупаемость 331-391% при возврате инвестиций меньше чем за полгода. Модель тут не волшебная: она просто снимает с людей 20-40% времени на рутину, то есть расшифровку звонков, контроль качества, разбор жалоб. Руководитель получает не «попросите менеджера прослушать записи за неделю», а конкретные фрагменты: вот тут продавец забыл упомянуть про заморозку, а тут клиент дважды переспрашивал про цену.

По данным McKinsey, средний входящий звонок от оператора стоит 7,16 доллара, что на 18% дороже, чем электронная почта, и на 42% дороже, чем веб-чат. Диалоговый искусственный интеллект обрабатывает запросы от начала до конца менее чем за 1 доллар за взаимодействие.

Главное, что я вынес: ИИ в работе с клиентами начинается не с бота в Telegram, а с того, чтобы перестать платить за языковую модель там, где можно написать три строчки кода, и начать считать TCO всего решения, а не цену токена.

Дополнительные факты

Gartner: стоимость одного живого обращения через оператора - $13.50, а через процесс самообслуживания (через чат) или self-service - $1.84, разница почти в 8 раз.
Forrester (2025): voice AI в контакт-центрах даёт трёхлетнюю ROI 331-391%, окупаемость меньше шести месяцев, а 45-60% входящих звонков уходят на автоматическое разрешение.

Источники

Есть момент в жизни любого, кто строит AI-агентов, когда prompt engineering перестаёт работать

Александр Ликонцев — Tue, 06 Oct 2026 00:00:00 GMT

Есть момент в жизни любого, кто строит AI-агентов, когда prompt engineering перестаёт работать. Вы пишете промпт на 500 слов, добавляете примеры, запрещаете модели делать тридцать вещей, и всё равно агент в половине случаев идёт не туда.

Причина обычно одна: вокруг модели нет системы.

Harness engineering занимается как раз этой системой, то есть всем, что находится между вами и моделью: как управляется контекст, какие инструменты доступны, как работает память между сессиями, как агент принимает решение о следующем шаге.

Deloitte оценивает рынок agentic AI в $8,5 млрд в 2026 с прогнозом $35-45 млрд к 2030. Gartner смотрит шире: $201,9 млрд к 2029, если считать agentic capabilities встроенными в софт. И при этом Gartner же говорит: 40% agentic-проектов будут отменены к концу 2027 из-за растущих затрат и неясной ценности.

McKinsey опросил 1 719 руководителей: 37% уже видят влияние AI на EBIT, 60% планируют увеличить инвестиции. Но 6% - «high performers» с 5%+ EBIT от AI. Остальные 94% пока ищут.

Что входит в хороший харнесс? Пять вещей: управление контекстом (что модель видит и когда), инструменты (API, MCP, функции), память (кратко- и долгосрочная), переиспользуемые skills (инструкции в виде кода) и цикл логики (планирование → действие → проверка → корректировка).

Каждый из этих элементов можно сделать хорошо или плохо. И если один элемент слабый, весь агент работает криво, независимо от того, какая модель внутри. Это как машина: можно поставить в тачку двигатель от Ferrari, но если подвеска от «Жигулей», по гоночной трассе не поедешь.

Дополнительные факты

Deloitte TMT Predictions: agentic AI $8.5B (2026) → $35-45B (2030), 75% компаний инвестируют к концу 2026 (Deloitte, 2025)
Gartner: $201.9B agentic capabilities к 2029, но 40% agentic-проектов будут отменены к 2027 (Gartner, 2026)
McKinsey (May-June 2026, 1 719 exec): 37% видят EBIT-влияние AI, 6% high performers, 60% увеличивают инвестиции (McKinsey, 2026)

Источники

Сколько стоит, когда бесплатный - или это не про вас

Александр Ликонцев — Tue, 06 Oct 2026 00:00:00 GMT

Есть такая штука в экономике ИИ, которую все видят, но немногие считают. Из двух миллиардов людей, которые хотя бы раз открывали ИИ-ассистента, платят только 2,2%. Не 22, не 5 - два целых два десятых. Остальные сидят на бесплатных тарифах, жмут на «ещё один ответ» и ждут, что так будет всегда.

Средний чек - 31 доллар в месяц. Звучит почти как Netflix или Spotify.

Но проблема в том, что у ИИ нет библиотеки готовых фильмов, где контент в целом стабилен и легко прогнозируем в рамках инфраструктуры. В ИТ немного иначе, тут каждый запрос - это живое вычисление на GPU, и себестоимость ответа растёт вместе с длиной контекста. Вы задаёте вопрос, а за спиной у вас сгорает электричество, аренда чипов и доля из очереди на инференс-кластер.

Menlo Ventures в прошлом году провёл большой срез потребительского ИИ. Вывод простой: рынок на 12 миллиардов долларов в год при аудитории в 1,8 миллиарда человек. Если пересчитать, получается, что платят примерно три процента - и это лучший сценарий из тех, что можно получить, не трогая подписку.

Даже ChatGPT, который пришёл первым и забирает львиную долю всех денег, конвертирует в платных около пяти процентов активных пользователей. Остальные - это воронка, которая ведёт куда угодно, только не в подписку.

TechCrunch в прошлом году сделал простую арифметику: предположим, платящая аудитория ИИ-сервисов такая же, как у Netflix. Тогда выручка в год - 11 миллиардов. А операционные расходы OpenAI одной компании - больше 30 миллиардов. Ни при каком раскладе с текущими тарифами потребительский сегмент не закрывает издержки. Значит, фронт - это витрина. А за витриной, куда реально идут деньги, стоит B2B: API, корпоративные инсталляции, агенты, встроенные в рабочие процессы.

Самое интересное, что компании это понимают. Anthropic к апрелю этого года обошла OpenAI по annualized revenue: 30 миллиардов против 25. Почти вся выручка Anthropic - корпоративная. Они никогда не делали ставку на массового потребителя. А OpenAI, которая начала с чат-бота в браузере, теперь говорит, что корпоративные заказы удвоились с июля, и 40 процентов выручки уже не consumer.

Что это значит для тех, кто использует ИИ в телефоне? Ничего плохого.

Но и ничего хорошего: бесплатные тарифы будут урезаться, подписки подорожают, а реклама, та самая, от которой все бежали в ИИ, доберётся и сюда. Фронтальная витрина остаётся, потому что без неё некому объяснять бизнесу, что такое агентный ИИ. Но деньги давно не там!

Дополнительные факты

Menlo Ventures «State of Consumer AI 2025»: глобальный рынок потребительского ИИ - $12 млрд/год при 1,8 млрд пользователей, платят ~3% (Menlo Ventures, 2025)
Anthropic в апреле 2026 перешла $30 млрд annualized revenue, обогнав OpenAI ($25 млрд); более 1000 корпоративных клиентов тратят >$1 млн/год (Forbes, April 2026; Saastr, April 2026)
ChatGPT mobile app достиг $3 млрд совокупных потребительских трат к декабрю 2025, из них $2,48 млрд за 2025 год - рост на 408% за год (TechCrunch/Appfigures, December 2025)
OpenAI: 50 млн платных подписчиков к февралю 2026 при 900 млн еженедельных пользователей = ~6% конверсии (OpenAI/Jefferies, 2026)