Генеративный ИИ уже проник в офисы, но не в бизнес-планы. Пока руководители размышляют о стратегиях, сотрудники потихоньку подписываются на ChatGPT и автоматизируют рутину. Эта «теневая автоматизация» — симптом главного парадокса: технологии уже здесь, но системной трансформации нет. О том, почему ИИ стал личным инструментом, а не корпоративным активом, и как МСБ может это изменить, рассказали эксперты конференции Conversations.
Генеративный ИИ уже проник в офисы, но не в бизнес-планы. Пока руководители размышляют о стратегиях, сотрудники потихоньку подписываются на ChatGPT и автоматизируют рутину. Эта «теневая автоматизация» — симптом главного парадокса: технологии уже здесь, но системной трансформации нет. О том, почему ИИ стал личным инструментом, а не корпоративным активом, и как МСБ может это изменить, рассказали эксперты конференции Conversations.
Разрыв между компаниями в вопросах внедрения ИИ становится все заметнее. Те, кто работает с крупными клиентами и вынуждены подтягивать процессы, безопасность и стандарты, формируя более зрелый культурный код, явно впереди. Остальные продолжают двигаться стихийно.
На этом фоне особенно ясно проявляются реальные запросы СМБ: не стратегическая трансформация, а быстрые решения «в один клик», способные сразу влиять на продажи, коммуникации и качество клиентского сервиса. А параллельно — растет интерес к голосовым интерфейсам, возможностям персонализации и оптимизации штата за счет применения ИИ-инструментов.
Когда ИИ есть, а трансформации нет
Во многих компаниях сотрудники самостоятельно оформляют подписки на ChatGPT или Claude, используют отечественные модели для удобства: написать письмо, сгенерировать картинку, отредактировать текст или ответить клиенту. Это напоминает ранние годы массового появления облачных сервисов, когда работники приносили свои решения в обход IT-отделов.
Сегодня это явление даже обзавелось собственным термином — Shadow AI, или теневой ИИ. Разница лишь в том, что теперь нейросети могут влиять на бизнес-процессы куда сильнее — но в СМБ этот потенциал пока не раскрыт.
Руководители же в большинстве своем не задумываются о том, чтобы внедрять ИИ на стратегическом уровне: они не фиксируют риски, не задают единые правила работы с нейросетями и не выстраивают политику использования.
Причин несколько:
- низкая автоматизация процессов в принципе — нет четких цепочек, которые можно было бы переключить» на ИИ;
- нет простых и готовых решений, которые они могли бы приобрести;
- нет центра экспертизы, позиции на уровне компании, кто мог быть внедрять genAI на стратегическом уровне;
- нет бюджетов на массовое внедрение genAI;
- нет давления регулятора и больших юридических рисков, чтобы контролировать и следить за использованием genAI.
Так формируется характерная для СМБ картина: ИИ присутствует в повседневной работе, но не меняет саму суть бизнес-процессов. Этим объясняется, почему компании пока только пробуют технологии, а не переходят к системным изменениям, которые дают кратный эффект.
Портрет клиента
Одним из самых недооцененных факторов внедрения генеративного ИИ в бизнес становится портрет клиента, с которым он работает.
При одинаковом размере две компании могут показывать радикально разную готовность к автоматизации, просто потому что они продают разным клиентам и живут в разных контекстах.
Одни компании живут в мире клиентов. Даже если у них всего 30–50 сотрудников, им приходится соблюдать правила, которые диктует крупный заказчик: документы должны быть оформлены правильно, данные — защищены, каждое действие — сохранено в логах, процессы — описаны, а решение — реплицируемо. И в этот культурный код ИИ ложится естественно. Если появился инструмент, который может взять на себя 70% типовой задачи, то задача руководства — встроить его в систему так же аккуратно, как и любой другой элемент.
Алексей Сметанин
основатель presentsimple.ai
«По моим наблюдениям, за последний год отношение бизнеса к генеративному ИИ изменилось. На примере нашей компании: если раньше казалось, что ИИ не способен конкурировать с дизайнером, то сегодня даже дизайнер не отличил, где слайды сверстаны с ИИ, а где нет.
Роль дизайнера же кардинально меняется. ИИ отлично справляется с рутинными, шаблонными задачами — тем, что можно назвать ремеслом. В результате ценность дизайнера смещается от исполнителя к арт-директору и стратегу».
По словам Сметанина, на уровне процессов они используют ИИ прежде всего как инструмент для ускорения ключевых рабочих сценариев: написания кода, составления коммерческих предложений и подготовки презентаций. Это снимает рутинную нагрузку с команды и позволяет бизнесу действовать быстрее.
Совсем по-другому живут компании, работающие с микробизнесом или локальными услугами. Их реальность проще: меньше документов, меньше формальностей, больше скорости и интуитивных решений. Здесь процессы редко бывают описаны в виде цепочек, регламенты, скорее, исключение, чем норма, а знания хранятся внутри сотрудников, а не в системах.
Это не плохо и не хорошо — просто другой способ существования бизнеса, где гибкость важнее процедур. И в такой среде ИИ появляется иначе. Он не приходит через стратегию, он появляется через людей: кто-то начал пользоваться ChatGPT, кому-то понравился голосовой ассистент, кто-то оформил подписку на генерацию картинок.
Руководство обычно реагирует просто: «Ну раз помогает, молодцы, используйте». Так в компанию попадает ИИ, который улучшает жизнь отдельных сотрудников, но не меняет компанию как систему.
Ступени внедрения GenAI
Попытки описать зрелость внедрения GenAI в компаниях обычно сложны, но для практики СМБ достаточно трех фундаментальных ступеней.
Уровень 1. ИИ как надстройка над человеком
На этом уровне ИИ помогает сотруднику, но не меняет сам процесс работы. Например:- менеджер генерирует текст письма или коммерческого предложения в ChatGPT;- маркетолог создает баннеры в Midjourney или другой нейросети;- HR просит ИИ отранжировать резюме, но все равно вручную принимает решение;- юрист проверяет договор через Claude, но сам вносит финальные правки.
Уровень 2. ИИ становится первым исполнителем, человек — контроллером
В Enterprise это уже происходит:- ИИ создает черновик документа, а юрист проверяет только рискованные блоки;- голосовые помощники закрывают до 70% входящих обращений, а менеджер берет только сложные кейсы;- система автоматически готовит отчеты, а аналитик только подтверждает выводы. В СМБ такой переход встречается единично, потому что нет понимания, как пересобрать роли: если ИИ будет делать 80% рутины, то чем будет заниматься рядовой менеджер?
Уровень 3. ИИ ведет процесс от начала до конца
На третьей ступени ИИ перестает быть инструментом и становится системой исполнителей, где несколько агентов взаимодействуют друг с другом.
Агент принимает заявку → агент уточняет данные → агент собирает информацию → агент готовит документ → агент уведомляет клиента → человек только проверяет или подключается к сложным кейсам.
Сценарий для СМБ мог бы выглядеть так:
- оформление заказа от звонка до счета;
- обработка входящего лида до консультации;
- цикл найма вакансия → фильтр → первоначальный звонок → назначение собеседования.
Реальный спрос
Если взглянуть на практическое использование генеративного ИИ в малом и среднем бизнесе, становится ясно: СМБ не ищет трансформации ради трансформации.
Главная цель — повысить выручку, ускорить процессы и снять нагрузку с команды. Именно это формирует реальный спрос на продукты и сервисы в сегменте.
Компании активно применяют ИИ для создания контента и маркетинговых материалов. В клиентских коммуникациях машина помогает генерировать сценарии общения, скрипты для звонков, персонализированные предложения и быстрые ответы на обращения. Также наметился тренд на юридическую поддержку по запросу: быстро проверить договор, найти потенциальные риски, улучшить формулировки.
Сергей Попков
сооснователь и генеральный директор образовательного холдинга Skillbox
«Мы используем ИИ в качестве помощника для преподавателей и студентов, для персонализации обучения, аналитики успеваемости и автоматизации бизнес-процессов. Например, ИИ-помощник в школе английского Skillbox снижает рутинную нагрузку на преподавателей в полтора-два раза, помогая готовить материалы к урокам и проверять задания.
Другой инструмент — ИИ-помощник для студентов программ ДПО. Ускоряет получение ответов на часто задаваемые вопросы, углубляет знания на основе анализа прогресса и обеспечивает навигацию по программе. Благодаря этому количество пользователей, завершивших вводный этап обучения за 30 дней, вырос на 50% (сравнение 2025 года к 2024-му), а доходимость программ выросла в два раза».
По его словам, ИИ действительно сделал знания доступнее. Но знать и уметь — разные вещи. Самостоятельно с ИИ сложно выстроить программу, отделить важное от второстепенного, удерживать мотивацию и довести обучение до нужного результата. Это и есть роль образовательного продукта: педагогический дизайн и методология, структура, практика, контроль прогресса и поддержка. ИИ усиливает этот путь — персонализирует, ускоряет отдельные этапы, снимает рутину, но не заменяет саму систему обучения. Поэтому мы говорим не о падении EdTech, а о его трансформации и роли технологий в процессе обучения.
Второй важный элемент — подход к продуктам. Малый и средний бизнес не хочет сложных внедрений: он не готов тратить недели или месяцы на настройку, описание процессов или обучение сотрудников. Для СМБ ключевое требование к инструменту — работать «из коробки» там, где сотрудники уже живут: в мессенджерах, CRM, электронной почте, телефонии. Из этого рождаются два продуктовых паттерна:- решения, которые можно быстро прикрутить к любой CRM, ATS или ERP без глубокой кастомизации, то есть где продукт подключается к существующей системе и начинает работать почти сразу;
— встроенные функции в привычную экосистему, которую компания уже использует. Так делают, например, Bitrix24 с собственными GenAI-модулями: инструмент готов к работе, не требует внешнего внедрения, персонал сразу понимает, как с ним взаимодействовать.
Валерий Ковальский
Head of AI red_mad_robot
«СМБ критически важна встроенность в привычные каналы: Telegram, WhatsApp Business и Битрикс24, поэтому любой отдельный дашборд — это уже барьер для входа.
Во-вторых, существует специфическое требование санкционной устойчивости. Например, при разработке платежного шлюза для одного клиента главным условием было: должно работать завтра, даже если OpenAI заблокирует аккаунты. Это подталкивает бизнес к выбору либо полностью локальных (что дорого), либо управляемых сервисов с рублевым биллингом.
В-третьих, СМБ нужны готовые решения, а не конструкторы. Мы видели, как даже крупные компании с IT-отделами отказывались от визуальных платформ в пользу готовых агентов. Оказалось, что настраивай сам — это тоже форма сложности. Бизнесу нужны решения под конкретные задачи, которые запускаются в три клика».
Сложности и нюансы
В 2025 году наблюдалось повышение спроса на голосовые интерфейсы и персонализированные сервисы. Голосовые агенты позволяют общаться с клиентом в режиме 24/7. По прогнозам, мировой рынок разговорного ИИ достигнет $32 млрд к 2030 году. что обусловлено развитием технологий обработки естественного языка (NLP).
Персонализированные рекомендации повышают конверсию и лояльность. Например, благодаря AI-ассистенту на ПМЭФ 2025 удалось снизить нагрузку на контакт-центр на 20%. 2 июня на линию поступил 351 звонок и только 22 человека выбрали разговор с живым помощником. Время обработки типового запроса было снижено в 10 раз, а точность ответа составляла 90%.
Однако для малого и среднего бизнеса путь к внедрению генеративного ИИ связан не только с возможностями, но и серьезными проблемами.
Во-первых, голосовые интерфейсы на практике могут создавать больше проблем, чем решать. Точность распознавания речи все еще не идеальна, особенно в шумной среде или при общении с клиентами, говорящими с акцентом. Кроме того, тотальная автоматизация ведет к потере личного, человеческого контакта, что для многих клиентов является критичным недостатком.
Во-вторых, персонализированные сервисы, основанные на больших данных, неизбежно вызывают у пользователей опасения по поводу конфиденциальности и безопасности их информации. Наконец, не стоит забывать про экономику и ресурсы. Внедрение таких технологий требует значительных первоначальных инвестиций и дорогой технической экспертизы.
Предлагаем взглянуть на то, как именно изменился технологический ландшафт генеративного ИИ за 2025 год. Мы адаптировали кривую Гартнера под российский рынок, чтобы отразить стадии зрелости технологий и подходов: от первых всплесков интереса и завышенных ожиданий до реального, устойчивого применения. Эта визуализация поможет понять, какие технологии и подходы стоит внедрять в первую очередь.
Но прежде чем инвестировать в трендовые решения, компании в СМБ должны тщательно взвешивать не только потенциальные выгоды, но и все перечисленные недостатки, чтобы генеративный ИИ стал реальным активом, а не источником новых проблем.
