Что продают под названием «ИИ-сотрудник»
«ИИ-сотрудник», «цифровой сотрудник», «нейросотрудник», «виртуальный сотрудник» — это не термины, а упаковка. Под ней обычно лежит одно из трёх.
| Что это на самом деле | Что делает | Где граница |
|---|---|---|
| Чат с ролью | Модели написали «ты менеджер», и она отвечает обычными словами | Ничего не делает в ваших системах и не знает ваших данных |
| Ассистент по документам | Отвечает по материалам компании и показывает источник | Отвечает, а действует дальше человек |
| Агент с инструментами | Сам ходит в CRM, документы и почту, выполняет цепочку шагов | Может выбрать неверный шаг, поэтому нужны ограничения и контроль |
Все три бывают полезны. Вопрос в том, за что вы платите: за рабочую систему или за слово «сотрудник» в презентации.
Есть и главное отличие от человека: сотрудник отвечает за результат, а система нет. Поэтому честнее говорить не «у нас работает ИИ-менеджер», а «эту часть работы делает ИИ, а за результат отвечает вот этот человек».
Сколько в этом хайпа
Три цифры, которые стоит держать в голове, когда вам показывают презентацию.
- 95 %организаций без измеримой отдачи от генеративного ИИ, MIT NANDA
- 40 %+проектов с агентами закроют к концу 2027 года, прогноз Gartner
- ≈130настоящих поставщиков агентов из тысяч, оценка Gartner
- 95 % организаций не получили измеримой отдачи от генеративного ИИ при вложениях в 30–40 млрд долларов, говорится в предварительном отчёте MIT NANDA 2025 года. Основа там скромная: 52 интервью, опрос 153 руководителей и разбор 300 публичных внедрений, так что это сигнал, а не точное измерение.
- Больше 40 % проектов с ИИ-агентами закроют к концу 2027 года, прогнозирует Gartner. Причины: растущая стоимость, неясная польза и слабый контроль рисков.
- Настоящих поставщиков агентов около 130 из тысяч, оценивает там же Gartner. Остальные занимаются agent washing: называют агентами обычных чат-ботов и автоматизацию.
Вывод не в том, что ИИ не работает. Вывод в том, что между «внедрили ИИ-сотрудника» и «получили результат» лежит большая работа, и продают её не всегда.
Что у нас реально делает ИИ
Нас 10 человек, за плечами более 200 реализованных проектов, из них более 120 коммерческих ИИ-проектов и более 20 госзаказов. По нашей оценке, мы работаем в 3–4 раза быстрее традиционной студии разработки, а иногда в 10 раз. За этим стоят вполне конкретные вещи.
- В команде
- Графический и продуктовый дизайн
- UX-исследования
- Тестирование
- Простые задачи в разработке
- У менеджера проекта
- Документы и сметы
- Коммерческие предложения
- Разбор прошлых проектов
- Подсказка следующих шагов
- У новичка
- Обучение по курсу для его роли
- Знакомство с процессами до начала работы
Дизайнеров, тестировщиков и джунов мы поэтому не нанимаем. Подробно об этом в статье кого мы перестали нанимать, а про обучение новичков в статье об адаптации сотрудников.
А вот с чем мы не согласны: что нейросеть уже может быть полноценным продавцом-консультантом. На наш взгляд, люди обычно понимают, где ИИ, а где человек. Исследования дают картину сложнее, разбор в статье ИИ в продажах.
И есть риск, которого нет у обычного сотрудника: ИИ может пропасть в один момент. У нас такое уже было, об этом в статье про AI-first компанию.
Как «нанять» ИИ-сотрудника и не разочароваться
Относитесь к нему как к новичку на испытательном сроке.
- ИнструкцияОдна роль: что входит и что нет
- НаставникЧеловек, который проверяет и отвечает
- Испытательный срокНастоящие примеры и сравнение с тем, как было
- ДопускБольше самостоятельности только по статистике
- Инструкция. «Отвечает на обращения» слишком широко. «Отвечает на вопросы о доставке по такому-то регламенту, а всё про деньги передаёт человеку» уже можно проверить.
- Наставник. Это конкретный человек, который смотрит на ошибки и решает, что поправить. Если такого человека нет, система быстро начнёт работать сама по себе.
- Испытательный срок. Проверяйте на настоящих примерах из вашей работы и сравнивайте с тем, как процесс работает сейчас. Демо на подготовленных данных ничего не доказывает.
- Допуск. Для старта подходит схема из статьи про ИИ-агентов: ИИ готовит, человек подтверждает. Часть простых случаев на полный автомат переводят, когда статистика покажет стабильное качество.
Как проверить поставщика
Большинство громких обещаний можно перевести в простую просьбу.
- «Заменит менеджера»Назвать задачи и того, кто проверяет результат
- «Работает на любых данных»Проверку на ваших данных до полной оплаты
- «Почти не ошибается»Примеры ошибок и что система делает, когда не уверена
- «Подключим за день»Показать, что уже работает в ваших системах, а что только в демо
- «На самых новых моделях»Объяснить, что будет, если модель или поставщик отключатся
Если вместо ответов вы снова получаете презентацию, это повод насторожиться. Как отличать настоящий результат от красивой упаковки, мы разобрали в статье про ИИ-слоп.
Что изменится в 2027 году
Прогнозы в этой теме стареют быстро, поэтому только то, что можно проверить.
- Агенты смогут дольше работать без человека. Лаборатория METR измеряла, с какими по длине задачами ИИ справляется сам хотя бы в половине случаев. На длинной дистанции эта длина удваивалась примерно каждые 7 месяцев, а с 2024 года быстрее. Весной 2026 года лучшая из публичных моделей дошла примерно до 12 часов работы человека без контекста проекта, с очень широким разбросом, от 5 до 60 часов. У других моделей было около 6 часов, а при требовании 80 % успеха чуть больше часа. С мая METR предупреждает, что замеры выше 16 часов ненадёжны, а с сентября эту страницу больше не обновляет. Оговорка важная: это лабораторные задачи, в основном про программирование, а не ваша CRM со всеми её исключениями.
- Рынок почистится. Если прогноз Gartner сбудется, значительная часть нынешних проектов с агентами закроется, а с ними и часть поставщиков. Поэтому заранее спрашивайте, кому принадлежат ваши данные и настройки.
- Цена ошибки останется прежней. Чем дольше агент работает без присмотра, тем дороже пропущенная ошибка. Поэтому в цене будут те, кто умеет ставить задачу и проверять результат.
