Выйти из операционки с помощью ИИ, не отдав ему руль

Если загуглить «как собственнику выйти из операционки», вся первая страница скажет одно и то же: наймите зама, опишите регламенты, делегируйте людям. Совет не плохой. Просто дорогой, долгий и упирается в вечное «пока объяснишь - сам сделаешь».

Я на своей практике вижу другой рычаг. Часть работы, за которую держится собственник, перестала быть человеко-задачей и стала настраиваемым процессом. Не «найми и надейся», а «настрой и проверяй по ключевым точкам». И тут сразу включается главный страх: отдам ИИ - потеряю контроль. Внедрю - сломаю.

В этой статье я разберу, как выйти из операционки с помощью ИИ так, чтобы руль остался у вас. Что отдавать первым, где ставить точки контроля, как не нарушить 152-ФЗ с данными клиентов и с чего начать за выходные. Без хайпа и без обещаний «ИИ сделает всё за вас».

Что значит «выйти из операционки» - и почему ИИ поменял уравнение?

Коротко: раньше выход из операционки означал одно - переложить рутину на нанятого человека. ИИ сдвинул уравнение: управленческую и когнитивную рутину впервые можно оцифровать. McKinsey оценивает, что потенциал автоматизации управленческих задач вырос с 16% в 2017-м до 49% в 2023-м. То, за что держался собственник, стало настраиваемым процессом, а не только человеко-задачей.

Операционка - это не «работа». Это задачи ниже вашей ставки: почта, счета, расписание, отчёты, первичные ответы клиентам, ресёрч. По данным Time Etc в обзоре Forbes, предприниматель тратит на мелкую административку около 36% рабочей недели. Треть времени владельца уходит на то, что не требует владельца.

Старый способ снять эти 36% один: нанять человека и надеяться, что он не уйдёт через полгода. ИИ добавил второй способ. Генеративные модели понимают естественный язык, поэтому впервые попали в зону автоматизации не конвейерные, а именно управленческие задачи - планирование, отслеживание, отчётность (McKinsey). Свежий отчёт McKinsey MGI за 2025 год идёт дальше и говорит: ИИ-агенты технически способны закрыть активности, покрывающие около 57% рабочих часов в США.

Это не значит «увольте всех и посадите бота». Это значит, что у вас появился рычаг, которого не было. И вопрос теперь не «делегировать или нет», а «что именно, кому и с какими точками контроля».

Почему главный барьер - это страх потерять контроль?

Коротко: не цена и не сложность держат собственника в операционке, а страх «а вдруг сделают не так». Он одинаково работает и против найма человека, и против ИИ. Разница в том, что у ИИ контроль можно встроить в саму конструкцию: градация прав, лог действий, точки подтверждения. Контроль перестаёт быть «проверять всё вручную» и становится архитектурой.

По разборам практиков вроде amsales и Platrum, главная причина остаться в операционке - именно страх потерять контроль над бизнесом. «А вдруг сделают не так» одинаково стопорит и делегирование человеку, и внедрение ИИ. Это вопрос доверия, а не технологии.

С ИИ у этого страха есть неприятное обоснование. Кейс Moffatt против Air Canada (2024): чат-бот авиакомпании выдал клиенту неверную информацию о тарифе, и суд признал компанию ответственной за слова своего бота. Аргумент «бот же дал ссылку на правильную политику» отклонили. То есть отпустить руль полностью - это реальный юридический риск, а не паранойя.

Но есть и обратная ловушка - пытаться проверять за ИИ вообще всё. Anthropic в своём разборе контроля агентов обнаружил любопытную вещь: когда человеку сыплется поток запросов на подтверждение, он одобряет около 93% из них не глядя. Это называется approval fatigue - усталость от подтверждений. Если поставить галочку «подтвердить» на каждый чих, контроль превращается в бездумное «ок, ок, ок», и вы снова в операционке, только теперь в роли кнопки.

Вывод простой. Контроль - это не «смотреть за всем». Контроль - это градация: что ИИ делает сам, что через ваше подтверждение, что не трогает вообще. Дальше разберём эту градацию по полочкам.

Что отдавать ИИ первым?

Коротко: сортируйте задачи по цене ошибки. Цена ошибки - это обратимость плюс ущерб от сбоя плюс чувствительность для клиента. Первыми отдавайте то, где ошибка обратима и не бьёт по клиенту напрямую: черновики писем, сортировку почты, конспекты встреч, отчёты из готовых данных, ресёрч, скрининг резюме, ответы по базе знаний. Это высокая частота и низкий риск - идеальный старт.

Разложу на квадранты. По одной оси - как часто задача повторяется, по другой - сколько стоит ошибка. Начинать надо с угла «часто повторяется, ошибка дешёвая».

Что сюда попадает и что отдавать в режиме «ИИ делает сам»:

1. Черновики писем и коммерческих предложений - вы правите готовое, а не пишете с нуля.
2. Сортировка и разбор входящей почты, вытаскивание сути.
3. Конспекты и резюме встреч, звонков, длинных переписок.
4. Отчёты и первичная аналитика из уже готовых данных.
5. Ресёрч по теме - собрать, сравнить, свести в таблицу.
6. Скрининг резюме по вашим критериям.
7. Ответы на типовые вопросы клиентов по базе знаний.

Всё это безопасно отдавать с авто-режимом, потому что ошибка обратима: неудачный черновик вы перепишете, кривой конспект переспросите. Клиент этого даже не увидит.

Масштаб такой автоматизации уже не гипотетический. Klarna запустила ИИ-ассистента поддержки, который за первый месяц провёл 2,3 миллиона чатов - объём работы примерно 700 сотрудников на полную ставку. Время решения обращения упало с 11 минут до менее чем двух. Это ровно квадрант «часто и дёшево по цене ошибки» - первичная поддержка по базе знаний.

Но у той же Klarna есть вторая половина истории, и она важнее первой. К ней вернёмся в разделе про то, что ИИ отдавать нельзя.

Как устроен контроль, чтобы не вернуться в операционку?

Коротко: контроль держится на трёх вещах. Первое - подтверждение (human-in-the-loop) только на необратимых и публичных действиях, а не на каждом. Второе - границы среды: доступ по умолчанию read-only, лимиты, изоляция. Третье - лог всех действий и кнопка отката. Это даёт свободу без потери руля: ИИ работает сам там, где дёшево, и спрашивает вас там, где дорого.

Индустрия уже стандартизировала слои контроля, и их можно перевести на язык владельца.

Точка подтверждения (human-in-the-loop). ИИ останавливается и ждёт вашего «да» перед действием, которое нельзя отменить или которое клиент воспримет как обещание компании. Отправка денег, публичная цена или скидка, отправка договора, оффер или увольнение. Здесь галочку ставите вы. Именно этот слой не сработал в кейсе Air Canada - бот дал публичное обещание без проверки.

Gate по цене ошибки, а не на всё подряд. Помните про approval fatigue: одобряют 93% не глядя. Поэтому подтверждение вешают только на границе высокого риска. Черновик письма - сам. Платёж по этому письму - через вас. Если поставить gate на оба, вы перестанете читать оба.

Границы среды вместо доверия. По модели контроля от Anthropic, агенту дают не доверие, а периметр: он физически не может выйти за границы, что бы он ни «решил». В переводе на бизнес - доступ по умолчанию только на чтение, лимиты на суммы и количество действий, изоляция от критичных систем.

Лог и откат. Каждое действие ИИ пишется в журнал, который вы можете открыть. Плюс возможность откатить проблемное исполнение. Это ваш аудит: не «я всё видел в моменте», а «я в любой момент могу поднять, что было сделано, и отменить».

Такой контроль стоит проектировать заранее - на это же намекает статистика. MIT в отчёте GenAI Divide за 2025 год приводит цифру: около 95% пилотов генеративного ИИ не дают измеримого эффекта на прибыль. Но причина не в том, что ИИ плохой. Готовые решения с полки плюс партнёрство дают результат примерно в 67% случаев, а самодельные внутренние сборки - втрое реже. И максимальный эффект - в бэк-офисе, а не в маркетинге, куда уходит половина бюджетов. Gartner добавляет прогноз: больше 40% проектов агентного ИИ будут отменены к концу 2027-го из-за размытой ценности и недостаточного контроля рисков. Контроль - это не тормоз, это то, что отличает работающий проект от отменённого.

152-ФЗ и данные клиентов: почему это ядро контроля?

Коротко: контроль тут не только управленческий, но и юридический. Когда сотрудник вставляет текст с персональными данными клиента в ChatGPT, это трансграничная передача данных на серверы за рубежом. По 152-ФЗ это требует уведомить Роскомнадзор до начала передачи, а старые согласия клиентов ни слова не говорят про нейросети. Штрафы за незаконную обработку ПДн - до 700 тысяч рублей. Отсюда простое правило.

Разберу простыми словами, без юридического тумана. Нарушение возникает, когда данные клиентов уходят в нейросеть без согласия, либо передаются за границу с нарушением порядка, либо обрабатываются сервисом с серверами вне России. По разбору Anti-Malware, момент, когда ваш менеджер копирует переписку с ФИО и телефоном клиента в зарубежный чат, - это и есть трансграничная передача на чужие серверы. Статья 12 требует уведомить Роскомнадзор заранее и получить от иностранного получателя сведения о мерах защиты.

Дальше две дыры, о которых обычно не думают. Первая: согласия, которые вы собирали с клиентов годами, не содержат ни слова про обработку нейросетями - значит, фактическая обработка выходит за рамки согласия (b-152.ru). Вторая: у большинства зарубежных LLM просто нет с вами договора поручения на обработку персональных данных. То есть формально вы отдаёте чужие данные тому, с кем не оформили отношения.

Что с этим делать - три законных пути:

1. Не отдавать сырые ПДн клиентов в зарубежный публичный чат вообще. Обезличивать: убирать имена, телефоны, номера договоров до того, как текст уходит в модель.
2. Работать на российском облаке с договором поручения (Yandex Cloud, GigaChat/SberCloud) - данные остаются в РФ-контуре.
3. Для чувствительного - разворачивать модель в собственном контуре (локальная LLM на своём сервере).

Вот почему для операционки я на практике держусь РФ-стека. Не из патриотизма, а потому что это дешевле, легально и данные не улетают туда, откуда их не вернуть. Зарубежный ИИ доступен через VPN и платёжного посредника, но для рутины с данными клиентов это лишний костыль и лишний риск.

Чем в России реально снимать операционку?

Коротко: рабочий РФ-стек уже собран и оплачивается в рублях. Модели - GigaChat от Сбера и YandexGPT в Yandex Cloud, оба в российском контуре. Оркестрация без кода - n8n и Albato, чтобы связать CRM, почту, Telegram и модель в один сценарий. CRM со встроенным ИИ - Битрикс24 с CoPilot. Поверхность для владельца - обычно Telegram-бот, куда падают события и где живёт агент.

Пройдусь по слоям, чтобы было видно, из чего собирается связка.

Модели. GigaChat работает с текстами, аналитикой, кодом, есть API и готовые сценарии автоматизации внутренних процессов и клиентских коммуникаций; оплата в рублях, данные в РФ. YandexGPT в Yandex Cloud силён там, где болит у собственника: ответы по базе знаний, разбор документов, отчётность, извлечение данных и автозаполнение полей в CRM. В одной торговой сети YandexGPT встроили в корпоративный чат, и он отвечает руководителям филиалов про динамику выручки и задержки поставок (обзор Teamly).

Оркестрация. n8n - это конструктор сценариев без кода: связывает CRM, почту, Telegram и модель в один поток с памятью контекста, разворачивается в российском облаке от нескольких сотен рублей в месяц. Albato - российский аналог Zapier, соединяет сервис А с сервисом Б за 10-15 минут. Именно этот слой превращает набор инструментов в работающий процесс.

CRM. Битрикс24 с CoPilot на собственной модели в российской инфраструктуре расшифровывает звонки, суммирует переписку, автозаполняет карточки, ставит задачи из чатов и писем. По заявлению вендора - экономит до 5 часов в неделю на сотрудника. Для темы важно, что данные остаются в РФ-контуре.

Куда это реально ложится: поддержка и FAQ по базе знаний, черновики ответов и КП, расшифровка и резюме звонков, автозаполнение CRM, дайджест выручки и остатков в Telegram руководителю, разбор входящих документов, первичная отчётность. Всё это - повторяющаяся рутина, где ИИ силён, и ровно те задачи из ваших 36% недели.

Я сам большую часть времени сижу не в красивых дашбордах, а собираю такие связки - «написать скриптик, чтобы оно работало без меня». Скучная правда в том, что чем меньше кода написал сам, тем меньше потом чинить.

Что нельзя отдавать ИИ?

Коротко: ИИ отдают процесс, но не решение. Стратегию, ключевые финансовые и юридические решения, живого клиента в горячем конфликте, публичные обещания без вашей проверки - оставляйте себе. ИИ силён на черновике и на рутине с обратимой ошибкой. Как только цена ошибки высокая или нужно человеческое суждение, включается человек. Даже флагманские кейсы пришли не к замене людей, а к гибриду.

Красная линия проста: человеческое мышление не сдают на аутсорс (её же формулирует Habr-разбор про то, где ИИ применять не стоит). ИИ ошибается и галлюцинирует - это не баг, это свойство. Поэтому есть зона, куда его не пускают.

Что не отдавать:

1. Стратегические решения - куда идёт бизнес, что запускать, от чего отказаться.
2. Ключевые финансовые и юридические решения - это ваша подпись и ваша ответственность.
3. Горячего клиента - спор, фрод, тяжёлый кейс, где нужен человек и эмпатия.
4. Публичные обещания без проверки - цена, скидка, срок, договор. Урок Air Canada именно тут.
5. Найм и увольнение как финальное решение - скрининг отдать можно, приговор нет.

И вот вторая половина истории Klarna, которую я обещал. После рекордных цифр компания в 2025-м вернула живых агентов на споры, фрод и тяжёлые кейсы, ужесточила пороги уверенности бота и улучшила передачу человеку. Даже самый громкий кейс автоматизации поддержки пришёл к связке ИИ плюс человек, а не к полной замене. Это не откат назад - это и есть правильная конструкция: ИИ снимает объём, человек держит сложное и чувствительное.

Здесь же лежит ответ на страх «сотрудники не примут». ИИ, настроенный по этой логике, снимает с людей рутину, а не людей. Он забирает копипасту и разбор входящих, а не работу, где нужна голова. Об этом проще договориться с командой, чем про «мы всех автоматизируем».

С чего начать за выходные?

Коротко: не автоматизируйте всё сразу - это верный способ, чтобы команда запуталась и вернулась к привычному. Возьмите одну задачу из квадранта «часто и дёшево по цене ошибки», соберите её на РФ-стеке за выходные, поставьте точку контроля, измерьте результат и только потом идите к следующей. Один процесс, одна метрика, один шаг.

Вот последовательность, которую я бы прошёл на месте перегруженного собственника.

1. Инвентаризация недели. Выпишите, на что уходят те самые 36%: счета, почта, расписание, отчёты, ресёрч, первичные ответы. Это ваша карта кандидатов.
2. Выбор одной задачи. Из списка берите самую частую и с самой дешёвой ошибкой. Обычно это черновики ответов, разбор почты или конспекты звонков. Не самую больную - самую безопасную для старта.
3. Готовое, а не своя платформа. Берите инструмент с полки под конкретную задачу (GigaChat, YandexGPT, Битрикс24 CoPilot, связка на n8n). MIT показал: готовое плюс партнёрство работает втрое чаще самоделок.
4. Точка контроля. Определите, что ИИ делает сам и что - только через ваше подтверждение. На старте почти всё в авто-режиме, потому что задача выбрана с дешёвой ошибкой.
5. Границы данных. Если в задаче есть ПДн клиентов - либо обезличивайте, либо ставьте её на РФ-контур с договором. Это не опционально.
6. Метрика. Замерьте одну цифру: сэкономленные часы, скорость ответа, число ошибок. Без метрики вы не поймёте, работает связка или просто радует.
7. Следующий процесс. Заработало - берите второй. Не раньше. Оценки практиков площадок вроде vc.ru говорят про 150-300% возврата за первый год при верном выборе точки, но это ориентир, а не гарантия - относитесь как к оценке, не как к обещанию.

Смысл всей конструкции в одном. Выйти из операционки с помощью ИИ - это не «отдал руль и ушёл». Это собрать процесс, где ИИ везёт рутину, точки контроля остаются за вами, а данные не утекают. Тогда вы покупаете то, ради чего всё затевалось: свободу и предсказуемость, а не новую тревогу.