Розмова про AI в бізнесі майже завжди починається не з того боку: спершу обирають інструмент, потім шукають, куди його прикласти. Через це з’являються проєкти, які вражають на демо й тихо вмирають за два місяці. Працює зворотний порядок — знайти задачу з правильними властивостями, і лише тоді дивитися, чи потрібна для неї модель. Далі — три ознаки задач, де AI дає вимірюваний виграш, чотири типи задач, де він програє звичайному коду, і чесна оцінка вартості.

Три ознаки задачі, де AI окупається

Мовні моделі вигідні не там, де вони вражають, а там, де збігаються три умови одночасно. Якщо хоча б однієї немає, майже завжди дешевше вирішити задачу звичайним кодом або залишити людині.

1. 1

   Задача повторювана й формулюється словами

   Розібрати текст звернення, витягнути суть, віднести до категорії, скласти чернетку відповіді. Якщо те саме робиться десятки разів на тиждень і кожен раз трохи інакше — це кандидат.

2. 2

   Ціна помилки низька або помилку видно одразу

   Неточна категорія заявки виправляється одним кліком. Неточно виставлений рахунок — ні. Чим дорожча помилка, тим більше контролю потрібно, і тим менше сенсу в автоматизації.

3. 3

   Результат перевіряє людина або наступний крок

   AI добре працює як перший чорновий шар, після якого йде швидка перевірка. Модель, що діє без жодного контролю на важливому кроці, рано чи пізно створить проблему, дорожчу за всю економію.

Що реально приживається

Найчастіший робочий сценарій у наших проєктах — саме перший рядок: бот у Telegram, що відповідає на повторювані питання з бази знань і передає людині все, у чому не впевнений. Технічну частину такого рішення ми розібрали в матеріалі про AI-чатботів.

Де AI програє звичайному коду

Це та частина, яку зазвичай не розповідають. Мовна модель — імовірнісний інструмент, тому вона погано підходить там, де потрібна гарантована однаковість результату.

• Розрахунки. Ціна, знижка, залишок на складі мають рахуватися формулою, а не моделлю. Модель може помилитися, і ви цього не помітите.
• Однозначні правила. «Якщо замовлення понад тисячу — безкоштовна доставка» — це умова в коді, а не задача для AI.
• Юридично значущі тексти. Договори й гарантійні умови не можна віддавати генератору без юриста.
• Рідкісні задачі. Те, що трапляється двічі на місяць, дешевше зробити руками, ніж автоматизувати й підтримувати.
• Робота з чутливими даними без контролю. Персональні дані клієнтів вимагають окремого рішення щодо того, куди вони передаються.

З чого починати

1. 1Виміряйте одну задачу. Скільки разів на тиждень вона виконується і скільки хвилин займає. Без цієї цифри ви не зможете оцінити ні вигоду, ні провал.
2. 2Візьміть найнуднішу, а не найцікавішу. Найкращі кандидати — задачі, які всі не люблять робити: сортування, перенесення даних, однакові відповіді.
3. 3Зробіть пілот на два тижні. Обмежений обсяг, один сценарій, обов’язкова перевірка результату людиною.
4. 4Порахуйте вартість роботи. Оплата за обсяг тексту передбачувана: більшість сценаріїв обробки звернень коштує десятки доларів на місяць, а не тисячі.
5. 5Розширюйте лише те, що спрацювало. Другий сценарій запускається після того, як перший пропрацював місяць без ручних виправлень.

Якщо задача виявляється не про AI, а про звичайну автоматизацію, це нормальний і найчастіший результат — типові сценарії описані в матеріалі про автоматизацію бізнес-процесів.

Часті питання про AI в бізнесі

Коротко

• AI окупається там, де задача повторювана, помилка дешева й результат перевіряється — усі три умови одночасно.
• Найнадійніший сценарій — відповіді на типові питання: 60–80% звернень закриваються автоматично.
• Розрахунки, однозначні правила та юридичні тексти залишайте звичайному коду й людям.
• Ніколи не давайте моделі право на незворотну дію без підтвердження.
• Починайте з найнуднішої задачі, а не з найефектнішої, і з пілота на два тижні.
• Якщо частка ручних виправлень понад 20% — сценарій треба доопрацювати, а не масштабувати.