Запрос «внедрите нам нейросеть» невозможно оценить: непонятно, что должно измениться. Запрос «сократить время ответа на типовое обращение» оценивается за пару дней, потому что в нём есть измеримая величина.
Ниже четыре критерия. Если задача проходит все четыре, разработка почти наверняка окупится. Если проваливает хотя бы два — почти наверняка нет.
Критерий 1. Повторяемость
Задача должна выполняться по похожему сценарию много раз. Разбор входящих сообщений, классификация обращений, извлечение полей из документов, черновик стандартного ответа — всё это повторяется десятки раз в день.
Уникальные задачи, где каждый случай требует отдельного размышления, автоматизировать бессмысленно: описание правил займёт больше времени, чем сама работа.
Критерий 2. Объём
Экономия считается умножением: сколько времени занимает одна операция, умноженное на количество операций в месяц. Пять минут на обращение при двухстах обращениях — это шестнадцать часов, почти два рабочих дня.
Те же пять минут при двадцати обращениях дают полтора часа в месяц. Разработка под такой объём не окупится никогда, и честный подрядчик скажет об этом сразу.
Критерий 3. Допустимая цена ошибки
Языковые модели ошибаются. Вопрос не в том, случится ли ошибка, а в том, сколько она стоит и кто её заметит.
- Дёшево и обратимо. Неверно определённая тема обращения, неудачный черновик письма — человек поправит за секунды. Отличные кандидаты на автоматизацию.
- Дорого и незаметно. Автоматическое решение по скидке, отправка документа клиенту без проверки, изменение данных в учётной системе. Здесь нужен обязательный человек в контуре.
Практическое правило: начинайте с задач, где AI готовит, а решение принимает человек. Полную автоматизацию включайте после того, как накопится статистика качества.
Критерий 4. Наличие данных
Ассистент отвечает на вопросы клиентов только тогда, когда ответы где-то записаны. Если знание живёт в голове двух опытных сотрудников, сначала придётся его собрать — и это отдельная работа, которую нужно закладывать в срок и бюджет.
Хорошая новость: собранная база знаний полезна сама по себе, даже если до AI дело не дойдёт.
Как посчитать до разработки
Возьмите выгрузку за последние три-шесть месяцев — обращения, письма, заявки. Разметьте случайные двести штук по темам. Обычно выясняется, что несколько сценариев покрывают большую часть объёма, а остальное — длинный хвост из редких случаев.
Дальше арифметика: стоимость ручной обработки одного случая, доля автоматизируемых случаев, объём в месяц. Получается верхняя граница экономии. Если она сопоставима со стоимостью разработки — задача имеет смысл.
Где AI обычно не окупается
- Задачи с малым объёмом, даже если они раздражают.
- Процессы, которые не описаны: автоматизировать нечего, потому что каждый делает по-своему.
- Решения с высокой ценой ошибки и без проверки человеком.
- Замена того, что уже решается обычной программой: расчёт по формуле не требует языковой модели.
Последний пункт встречается чаще всего. Если задачу закрывает простое правило, правило дешевле, быстрее и предсказуемее.