Двенадцать задач, которые нейросети закрывают в компании

Привет. Я Сергей Язовский, 15 лет в продвижении сайтов, из них три года плотно занимаюсь GEO. Пишу про нейроответы Алисы, попадание в выдачу ChatGPT и про то, что происходит внутри компаний, когда часть кликов забирает модель.

Апрель, разбор с логистической компанией из Казани. Сорок два человека в штате, свой отдел продаж, четыре менеджера. Коммерческий директор открывает ноутбук и показывает счёт из биллинга: четыре подписки на корпоративный тариф, оплачено за полгода вперёд. Спрашиваю, что изменилось в работе. Он думает секунды три, потом выдаёт: «Письма быстрее пишут. Наверное». Четыре подписки, шесть месяцев, эффект — «наверное».

Сразу прямой ответ. Нейросеть закрывает операцию, а не должность. Поддержка типовых обращений, разбор входящих заявок, черновики коммерческих предложений, расшифровка звонков, поиск по внутренним документам, сводки для руководителя. Ниже двенадцать таких операций по отделам. По каждой: что модель делает нормально, где ломается и что остаётся человеку.

И главное, что стоит из этого вынести: подписка сама по себе не меняет ничего. Меняет привязка к конкретной операции и замер до/после.

Почему вопрос про задачи звучит иначе, чем два года назад

В 2024 году спрашивали «какую нейросеть купить». В 2026-м спрашивают «какие задачи ей отдать». Разница принципиальная. Первый вопрос ведёт к обзорам инструментов, второй — к результату. Инструменты я уже разбирал: вот подборка нейросетей для бизнеса в 2026 году с описанием, где какая модель сильнее.

Теперь цифры, чтобы это не выглядело как мой личный вкус. 46% крупных российских компаний внедрили или тестируют ИИ-агентов, это совместное исследование «Яков и Партнёры» и Яндекса. Deloitte по миру даёт 88% организаций, которые используют ИИ хотя бы в одном процессе. hh.ru насчитал 27% россиян, применяющих нейросети в работе.

К таким цифрам я отношусь спокойно. «Используют хотя бы в одном процессе» — это часто один сотрудник, который раз в неделю пересказывает моделью протокол совещания. Как первый шаг нормально. Плохо, когда компания на этом шаге останавливается и считает тему закрытой.

Что действительно изменилось за два года: модели научились держать длинный контекст и читать файлы, корпоративные контуры перестали быть роскошью, порог входа упал до цены одной подписки. Проблема теперь не в доступе к технологии. Проблема в том, что операция не оцифрована: регламент живёт в голове наставника, прайс — в переписке, история клиента — в блокноте менеджера. Отдавать модели нечего.

Клиенты и продажи

1. Поддержка клиентов и типовые обращения

Модель закрывает первую линию: график работы, наличие, сроки доставки, запись, статус заказа. У интернет-магазина товаров для дома бот на двадцать сценариев закрывал шесть обращений из десяти без оператора, остальные четыре уходили живому человеку. Показатель нормальный, я специально его не округляю в красивую сторону.

Ломается на отсутствии базы знаний. Обычно советуют начинать с чат-бота на сайте. На практике первым делом выясняется, что единого файла с ответами в компании нет: сроки в одном месте, цены в другом, про возврат брака каждый менеджер говорит своё. Модель такие дыры не заполняет, она их озвучивает клиенту. Вторая типичная поломка: бот начинает обещать то, чего вы не делаете. «Согласуем скидку» — а скидку согласует человек, и не всегда.

Людям остаётся нестандартное: конфликты, возвраты, деньги, всё, где нужно решение, а не справка.

2. Разбор и квалификация заявок

Заявки приходят из формы, почты, мессенджеров и с карт. Модель читает их, раскладывает по критериям, вытаскивает город, бюджет, срок, отсеивает мусор и предложения «продвинем сайт в топ за 5000 рублей».

Ломается там, где критерии не описаны словами. Классика: в CRM три поля, а в голове у продавца пять условий идеального клиента. Модель работает по полям и приносит менеджеру не то, что он имел в виду. И обратная ошибка: если критерии прописать формально, ИИ начнёт отсекать тех, кто вам как раз нужен. Например, всех, кто просит нестандартный срок.

Что остаётся менеджеру? Разговор, торг, решение. У строительной компании из Подмосковья после такой сортировки менеджер перестал тратить первый час смены на разгребание входящих. Только и всего. Продавать лучше живых людей модель не стала и, судя по моим проектам, в 2026 году не собирается.

3. Коммерческие предложения и переписка

Черновик КП по шаблону, письмо после встречи, напоминание, ответ на типовое возражение. Всё это модель делает за минуту, если дать ей структуру и данные из CRM.

Ломается на цифрах и обещаниях. Модель не знает вашей себестоимости и реальных сроков, поэтому аккуратно подставляет средние значения из интернета. Красивое КП с выдуманной ценой — это не экономия, а репутационный риск. Правило простое: все числа в предложении приходят из файла, который подготовили вы, а не из головы модели.

Ходовой совет — генерировать письмо целиком. На практике лучше отдать модели структуру и первые два абзаца, а концовку писать руками. Именно там живёт интонация, по которой клиент узнаёт вашего менеджера. Как это устроено в маркетинге и продажах, я разбирал отдельно: как применять нейросети в маркетинге.

Маркетинг и рынок

4. Контент: тексты, карточки, рассылки

Черновики статей, описания товаров, карточки услуг, темы и тексты рассылок, мета-теги для страниц. У мебельной фабрики редактор готовил описания 340 позиций каталога, с моделью время на одну карточку сократилось втрое. Звучит красиво, поэтому добавлю вторую половину: сокращение времени не равно росту продаж. Карточки стали ровнее и однообразнее, и тексты для топовых позиций редактор всё равно переписывал руками.

Где ломается. Подписка без регламента превращается в фабрику пресных текстов, которые потом всё равно правит человек, только теперь он правит в два раза больше черновиков. Второе: модель хорошо пишет шаблонное и плохо пишет то, чего нет в данных. Если в брифе не будет цифр, кейсов, названий и деталей, на выходе получится вода с правильной пунктуацией.

Что остаётся человеку: факты, экспертиза и финальная ответственность за текст. Подробно про это — нейросети для маркетологов и копирайтеров.

5. Визуал и креативы

Генерация фонов, картинок для карточек, концептов баннеров. Отдельная задача, которую мало кто замечает: переупаковка одного креатива в пять форматов под разные площадки. У сети автосервисов дизайнер собирал баннеры на двенадцать городов, поменяв только геометку и телефон.

Ломается предсказуемо: руки, текст на изображении, чужие логотипы в генерации, расхождение с брендбуком. Если у вас строгий фирменный стиль, модель останется на уровне этюдов, а финал соберёт дизайнер. И проверьте права: картинка, сгенерированная для рекламы, должна быть допустима на конкретной площадке.

6. Мониторинг рынка, конкурентов и упоминаний бренда

Модель собирает и суммирует цены конкурентов, отзывы, новости отрасли, а заодно показывает, что о вашей компании пишут в интернете. Последний пункт в 2026 году стал важнее, чем кажется. 34% пользователей не переходят на источник после ответа ИИ, это данные FAVES Communications. Не назвали вас в самом ответе — клик не пришёл, второго шанса под сниппетом не будет. Поэтому упоминание в ответе нейросети работает как реклама, даже если переходов с него ноль.

Где ломается: модель пересказывает устаревшее и путает даты. Сводка без первоисточников выглядит убедительно и врёт. Ходовой пример: ассистент выдаёт старый адрес или закрытый филиал, потому что так написано на трёх сайтах-агрегаторах. Проверять ссылки обязательно. Про сбор данных я писал в статье как отслеживать упоминания бренда в нейросетях, а зачем это бизнесу — в материале зачем бизнесу продвигаться в нейросетях.

Внутренние процессы

7. Расшифровка звонков и встреч

Транскрипт разговора, протокол встречи, список задач с ответственными, чек-лист для отдела качества. Это самая быстрая задача из двенадцати: эффект виден на второй день, и учить никого не надо. У отдела продаж на 60 звонков в неделю руководитель физически слушал пять. Теперь выбирает по саммари ещё пятнадцать, а два спорных разбора в неделю уходят в обучение новичков.

Ломается на плохом звуке, терминах и местных словечках. Плюс юридический момент: запись разговора с клиентом требует предупреждения, и это не формальность, а требование закона. Модель не снимет с вас ответственность за то, что вы записали человека без согласия.

Решения по итогам встречи всё равно принимает человек. Протокол — да, приговор — нет.

8. Документы и договоры

Поиск по папке договоров, сравнение двух редакций, вытаскивание условий про штрафы, сроки и автопродление, черновики по шаблону, разбор счетов и накладных.

Ломается на юридической ответственности. Модель уверенно ссылается на статью, которой не существует, и придумывает пункт, которого в договоре нет. Поэтому в юрфирмах схема другая: ИИ готовит выжимку, юрист проверяет каждую строчку, и это записано в регламент, а не держится на добросовестности. Ответственность за подпись несёт человек, у которого есть диплом и допуск.

Редкий, но дорогой эффект: поиск по архиву. Договор пятилетней давности находится за минуту, а не за день в чужих папках.

9. Внутренняя база знаний

Модель отвечает сотрудникам по вашим инструкциям: как оформить возврат, какой регламент по гарантии, где лежит шаблон письма, что делать при аварии на складе. Технически это RAG поверх вашей папки документов, и результат зависит не от модели, а от порядка в файлах.

Экономит часы наставника и руководителя. Новичок перестаёт дёргать старших по каждому вопросу, ответ есть в чате, и ответ одинаков для всех.

Ломается, если регламенты лежат в трёх версиях и двух форматах. Тогда сотрудник получает по старой редакции и делает всё не так, причём с уверенностью, что так и надо. Нужен владелец базы: один человек, который чистит документы раз в месяц. Без него система тихо портится за квартал.

Аналитика, найм и время руководителя

10. Аналитика и отчёты

Регулярная сводка из выгрузок, сведение данных из CRM и рекламных кабинетов, поиск аномалий, гипотезы о причинах просадки конверсии.

Ломается на арифметике. Модель не считает, она угадывает цифры, если не дать ей таблицу. Красивый отчёт с неверной суммой — самая обидная ошибка из всех, потому что выглядит правдоподобно и уходит наверх без проверки. Правило: любое число в отчёте приходит из таблицы, а не из абзаца текста модели.

Что остаётся человеку — интерпретация. Модель скажет, что конверсия упала на 12%. Почему это произошло и что с этим делать, решаете вы. Смежная тема, которую я разбирал отдельно, — роль KPI у отдела маркетинга под ИИ-поиск.

11. Найм и адаптация

Разбор резюме по вашим критериям, черновики описаний вакансий, вопросы для интервью, краткая выжимка из тестовых заданий. На потоке в двадцать резюме в день это экономит вечер.

Ломается на предвзятости. Модель повторяет ваши же формулировки и отсеивает кандидатов по формальным признакам: возраст, город, пауза в карьере. Судить человека по её оценке — плохая идея, и юридически тоже. Мой подход: ИИ сортирует по фактам из резюме, а решение принимает человек, который умеет смотреть на портфолио, а не на строчки.

Оффер, отказ и разговор о деньгах модель за вас не напишет. Ну напишет, конечно, только звучать это будет как автоответчик.

12. Рутина руководителя

Утренняя сводка по письмам, протокол планёрки, черновик поста или письма партнёру, разбор длинного документа, подготовка к встрече по принципу «собери контекст по клиенту из этих файлов», быстрый перевод переписки.

Экономия здесь самая личная и самая трудноизмеримая: сорок минут в день, которые раньше уходили на разгребание почты. Хотя есть и ловушка. Через месяц можно обнаружить, что вы не читаете письма, а читаете пересказ писем. Разницу между «клиент просит скидку» и «клиент расстроен и держит паузу в переговорах» модель передаёт примерно никак.

С чего начать: одна операция и замер до/после

Популярный совет — внедрить нейросети разом во все процессы и назначить ответственного. На практике такой проект живёт три месяца и заканчивается презентацией, а не результатом. Работает другой порядок.

Выберите одну операцию по трём фильтрам. Она повторяется каждую неделю. Её можно измерить в штуках или минутах. Ошибка в ней не критична: не договор, не деньги клиента, не медицинские данные. Дальше замерьте вслух: сколько времени и операций уходило до. Через две недели повторите замер. Если экономия меньше двух часов в неделю — масштабировать рано, ищите другую операцию.

И не покупайте обучение раньше замера. Какие знания реально нужны команде, а какие продают для галочки, я разбирал в статье про курсы по нейросетям для бизнеса. А что из этого списка задач вообще поддаётся автоматизации без человека рядом — в материале что реально автоматизируется, а что нет.

Что опаснее всего отдавать нейросетям

Список короткий, но его лучше распечатать и повесить рядом с чатом.

• Персональные данные в публичный контур. ФИО, телефоны, медицинские сведения, паспорта, номера карт. По 152-ФЗ это данные, за которые отвечает компания. И отдельная история — теневой ИИ: сотрудник сам несёт клиентскую базу в бесплатный сервис, потому что там удобнее. Половина компаний узнаёт об этом на планёрке, где кто-то показывает коллеге «прикольную штуку».
• Всё, что звучит от лица компании. Цены, сроки, гарантии, юридические формулировки. Ответственность на вас, у модели её нет и быть не может.
• Медицинские и юридические утверждения без проверки. Здесь цена ошибки не в репутации, а в здоровье и в суде.
• Цифры для отчётов и решений. Разбирал выше, повторю: любая сумма идёт из таблицы.

Закрывать бесплатные сервисы бесполезно. Работает другое: дать сотрудникам официальный инструмент, короткий список запрещённых данных и корпоративный контур там, где речь про клиентов.

Мой вывод

Возьмите одну операцию из двенадцати, ту, где вам каждый четверг хочется выть от рутины. Замерьте её в минутах и штуках сегодня, до всех подписок и обучения. Через две недели сравните. Если разница меньше двух часов в неделю на человека — не масштабируйте, честно зафиксируйте ноль и выберите другую операцию. И только после двух таких сработавших кейсов задумывайтесь про корпоративный контур, регламенты и обучение команды.

Часто задаваемые вопросы