За последний год доля предпринимателей, использующих нейросети в работе, выросла с 17 до 53%. Глубина проникновения технологий в процессы при этом остается сравнительно низкой: анализ автоматизированных сценариев показывает, что связаны с ИИ около 5% всех процессов. Разрыв между этими цифрами означает, что новые инструменты попробовали многие, но встроили их в ежедневную работу единицы. Эксперт по корпоративным финансам Элита Смилшкалне и руководитель направления контроля качества Олег Строкатый разбирают, где небольшая компания теряет деньги прямо сейчас и какие из этих потерь можно предотвратить, если вовремя внедрить ИИ-инструменты.
Рентабельность упала до 3-5% и цена ошибки выросла
Отношение к нейросетям у большинства руководителей небольших компаний остается несерьезным. Собрать бота для регистрации на мероприятие, показать его команде и обсудить на встрече с партнерами: попробовать интересно, при этом бизнес-задача перед инструментом не ставится. Значительная часть руководителей компаний еще долго будет относиться к теме как к развлечению, в которое поиграли и вернулись к работе.
Цена такого отношения выросла из-за изменений в экономике. Рентабельность в малом бизнесе сейчас держится в районе трех-пяти процентов при привычных для прошлых лет двадцати, конкуренция усилилась, заемное финансирование подорожало. На такой марже отдельная сделка уходит в минус почти незаметно, и обнаруживается это через несколько недель, когда исправлять уже нечего. Российский бизнес вырос на высокой доходности и битву за производительность труда до сих пор не проходил, поэтому навыка считать эффективность у большинства компаний нет.
Где малый бизнес теряет деньги
Управленческий учет: собственник видит выручку и не видит маржу
Себестоимость приходится считать под каждую сделку отдельно, складывая закупку материалов, переменную часть оплаты труда, логистику и расходы на привлечение клиента. Когда сделок много и процесс не автоматизирован, собственнику могут быть видны объем продаж и средний чек, а прибыль и эффективность работы остается в слепой зоне.
Результат месяца в такой конфигурации приходит к собственнику на десятый или двадцатый день следующего месяца. За это время решения принимаются по ощущению, поскольку плана-факта нет, и кассовый разрыв наступает внезапно. Причина разрыва обычно в том, что месяц отработали в минус, а увидеть это в моменте было невозможно.
Ценообразование: цена по конкурентам и скидки на глазок
Вопрос о собственной рентабельности при выбранной цене чаще всего не задается, решение о скидке принимается прямо в переговорах без расчета. Из-за этого компания заходит в сделки, которые изначально не могут принести прибыль.
Вторая часть проблемы касается понимания целевой аудитории. Есть сегменты, где менять цену нельзя ни при каких обстоятельствах, и есть те, где повышать не только можно, но и нужно, поскольку дешевое предложение считывается как некачественное. Различать их можно только при полном сборе данных о клиентах.
Отсюда же тянется слабая динамика среднего чека. При общей инфляции средний чек обязан расти хотя бы на несколько процентов, и смотреть на него нужно в разрезе конкретных сотрудников. У одного менеджера количество позиций в чеке за месяц выросло с 1,2 до 1,23, у другого держится на 1,1 без движения. Если подобные моменты не отслеживать и не реагировать на них в моменте, то эффективность продаж будет снижаться.
Процессы: производительность никто не считает
Компании редко измеряют, сколько единиц продукции или услуг сотрудник выдает за период. Из-за этого невозможно ни оценить эффективность человека, ни правильно рассчитать ему зарплату. Данные при этом дублируются в нескольких источниках, и информация, на основе которой принимаются решения, в итоге остается неполной.
Вторая потеря в этой зоне связана с ошибками сотрудников. Без автоматической фиксации ошибку невозможно поймать в момент совершения, а когда до нее доходят руки, контекст уже никто не помнит. Ретроспектива в этом случае превращается в формальность, поэтому брак или некорректное обслуживание повторяются.
Закупки и запасы: замороженные деньги или сорванные сроки
Ошибка в расчете объема работает в две стороны. Излишки лежат на складе замороженными деньгами, которые компания уже потратила и еще не вернула. Нехватка нужной позиции срывает сроки и выводит компанию из сделки, особенно там, где заказчик выбирает по скорости поставки.
На производствах с индивидуальными заказами материалы часто хранятся на общем складе без привязки к объектам. Сотрудники забирают из цеха то, что нужно прямо сейчас, поэтому на финальной сборке нужных позиций может не хватить. Решение может начаться с физического разделения: поступление раскладывают по отдельным емкостям под каждый объект, и эта раскладка дальше становится основой для автоматизации учета.
Найм и мотивация: сотрудник не понимает, за что получает деньги
Собственник не может объяснить, какой результат от человека ожидается и какой эффект принесет его работа. Без этого объяснения у сотрудника нет ориентира, поэтому ожидаемого результата от найма не появляется. Формально ситуация выглядит как ошибка подбора: взяли неподходящего человека. Настоящая причина лежит в отсутствии мотивационной схемы, поэтому замена сотрудника проблему не решает.
Все сводится к скорости решений
Ценность создает не столько объем собранных данных, сколько скорость действий на их основе. Собственнику нужен результат дня, а, например, при активных рекламных бюджетах итоговый результат часа, и обязательно в сравнении: этот понедельник против понедельника неделю, месяц и год назад. Такое сравнение показывает, в какую сторону движется компания.
Ожидание закрытия отчетности в месяц или полтора в текущих условиях обходится слишком дорого. Пока цифры собираются, ситуация может кардинально измениться несколько раз, а решение будет принято по устаревшей картине.
Как формулировать задачу для нейросети
Самая частая ошибка при первом подходе к ИИ-инструментам состоит в том, что руководитель просит ускорить конкретного сотрудника. Задача к ИИ-агенту формулируется в логике "пусть менеджер обрабатывает больше заявок за день", и результат получается соответствующий: локальное ускорение внутри процесса, который сам по себе устроен неэффективно.
Работающая формулировка строится от конечной цели. Например, можно объяснить модели процесс целиком, прописать, как клиент проходит по шагам сейчас и какой результат нужен на выходе, а дальше вместе пройти по этим шагам и посмотреть, где можно что-то оптимизировать или перепридумать. В такой постановке нейросеть дает другой угол зрения на привычный процесс, и работает это в любой предметной области.
Вопросы, которые стоит задавать:
- как сократить срок подготовки коммерческого предложения;
- как выстроить работу с базой, чтобы повторные продажи перестали быть случайными;
- где в процессе клиент чаще всего отваливается и почему;
- как видеть результат дня, не дожидаясь закрытия месяца.
Что закрывается инструментами уже сейчас
Дашборд, собранный из готовых цифр, автоматизацией в полном смысле не является: подобное давно решается готовыми аналитическими сервисами и загрузкой таблицы в модель. Ценность появляется там, где система требует действия и связывает его с последствиями.
Под перечисленные точки потерь это раскладывается достаточно прямо:
- управленческий учет закрывается ежедневным сбором данных с автоматическим напоминанием тем, кто не отправил свою часть;
- ценообразование и средний чек закрываются регулярными автоматическими отчетами по конкретным сотрудникам с динамикой за сопоставимые периоды;
- длинные проекты закрываются графиком этапов с фиксацией факта, в стройке для этого может быть достаточно ежедневной фотосъемки;
- коммерческие предложения ускоряются за счет статистики по прошлым заказам, и три-четыре дня сборки превращаются в несколько часов.
Отдельно работает связка причины и следствия. Список невыполненных задач сам по себе почти не несет информации, поэтому полезнее показывать, что именно сдвинется завтра из-за каждой невыполненной задачи: такая формулировка заставляет людей реагировать. Собирать подобные сценарии на вайбкодинге получается быстрее, чем ставить задачу в очередь к отделу аналитики или самостоятельно разбираться в тяжелых BI-инструментах.
Где автоматизация не нужна
Важно также сказать, что автоматизировать имеет смысл далеко не все, причем это касается даже компаний с сильной технической экспертизой. Встречаются задачи, где хорошо настроенный инструмент с самой мощной моделью тратит на решение около часа, тогда как специалист делает ту же правку за пять минут, поскольку заранее знает, куда смотреть.
Вторая зона, где автоматизация вторична, касается человеческих отношений внутри компании. В методике постановки управленческого учета выстраивание внутренней культуры идет отдельным важным этапом. При отсутствии нормального человеческого контакта автоматизация упирается в конфликты и сопротивление, которые никакими инструментами не решаются.
Само сопротивление при этом информативно. Прозрачность показывает, кто в команде не выполняет работу и где в закупках или бухгалтерии сложилась своя схема, поэтому резкое отторжение автоматизации у отдельных сотрудников работает как диагностический сигнал.
Ответственность всегда остается на человеке
Делегировать управленческие решения модели целиком не получится. Галлюцинации никуда не делись, ситуации в бизнесе могут быть сложнее любой модели, поэтому полученное решение всегда нужно оценивать и дорабатывать с точки зрения погруженности и накопленного опыта: часть пунктов остается, часть отклоняется, что-то необходимо детализировать и уточнить. Решение от нейросети работает как мнение или рекомендация, но финальный выбор остается за человеком.
Для малого бизнеса это правило важнее, чем для корпорации, поскольку запаса прочности у него нет. Вся ответственность в любом случае висит на директоре, собственнике или главном бухгалтере, и переложить ее на ИИ-инструмент невозможно.
Возможности нейросетей при этом растут быстро, и отдача от них измеряется реальными деньгами: они сокращают сроки подготовки документов, ускоряют сбор отчетности, дают собственнику картину бизнеса за день вместо месяца. Разумное отношение к ним ничем не отличается от отношения к любой другой технологии в компании: сначала определить задачу, потом выбрать инструмент, дальше проверять результат и считать эффект. Такой подход дает бизнесу и скорость, и контроль над тем, что происходит с его финансовыми показателями.