Разбираю на реальных цифрах, как внедрять ИИ в малом и среднем бизнесе: с чего начать, сколько стоит и где сливают бюджет. Три уровня внедрения, пошаговый план пилота и чек-лист готовности.
Все слышали: «надо внедрять ИИ». И все видели истории про то, как компании тратят миллионы, а потом тихо сворачивают проект. Проблема почти никогда не в технологии. Проблема в том, с чего начали.
Если вы собственник малого или среднего бизнеса и хотите понять, что с этим ИИ вообще делать — вы попали правильно. Без презентационного глянца, без гарантий «10x рост», с реальными цифрами и честным взглядом на то, где грабли.
Вот цифра, от которой у меня слегка сводит челюсть: по данным CNews за март 2026-го, российский бизнес свернул или заморозил около 9 из 10 ИИ-проектов. Не потому что технология не работает. Потому что не умели считать и не понимали зачем.
Нет, не парадокс. Это классическая схема хайпа. Вы слышали «надо внедрять», потратили деньги, запустили пилот, пилот не выстрелил — свернули. Причём не потому что ИИ плохой. Просто не было ответа на базовый вопрос: зачем конкретно нам это нужно и как мы это измерим.
Первый — тот самый «умный» чат-бот. Средний ретейлер потратил около 1,2 млн ₽ на «ИИ-поддержку клиентов». Бот начал работать, отвечать на вопросы — но через два месяца оказалось, что операторы всё равно закрывают большинство тикетов вручную. Почему? Потому что никто не прописал, какие именно вопросы бот должен уметь закрывать. База знаний не была готова. Итог: деньги потрачены, операторы остались.
Второй — найм ML-специалистов без задачи. Компания наняла двух дата-сайентистов «сделать ИИ для продаж». Полгода работы, 4 с лишним миллиона зарплат — и на выходе модель, которую отдел продаж отказался использовать. Потому что никто не спросил у продавцов, что им реально нужно.
Третий — это уже про данные. Дистрибьютор запустил ИИ-прогнозирование спроса. Красиво выглядело. Но в CRM история заказов была только за последние восемь месяцев, поля заполнены от силы на 40%. На выходе — красивый интерфейс с неправильными числами. Проект тихо умер. Мусор на входе, мусор на выходе. Это не фигура речи — это закон.
Знаете, какой вопрос я слышу чаще всего? «Игорь, а какой ИИ посоветуешь внедрить?» Не «у нас вот такая задача», а именно «какой ИИ». Это и есть корень проблемы.
ИИ — это инструмент, а не цель. ChatGPT, YandexGPT, GigaChat, свои ML-модели — неважно что, если непонятно для чего конкретно. Примерно как спросить «какой станок купить» без понимания, что вы будете производить.
Если этот порядок нарушен — почти гарантированно потеряете деньги. Проверял не один раз.
По опыту работы с клиентами из e-commerce, торговли и услуг, вот где ИИ отбивает себя быстро и внятно:
А вот что не нужно автоматизировать с помощью ИИ в малом бизнесе прямо сейчас: сложные переговоры с клиентами, нестандартные решения в продажах, управленческие решения на основе интуиции и опыта. Эти задачи ИИ пока не закрывает на том уровне, который нужен бизнесу с живой репутацией.
Хорошо, с задачей определились. Дальше вопрос: что именно внедрять и сколько это стоит? Я делю внедрение на три уровня — по бюджету и сложности.
| Уровень | Что это | Бюджет | Срок до результата | Когда выбирать |
|---|---|---|---|---|
| 1. SaaS «из коробки» | Готовые сервисы: чат-боты, AI-тексты, аналитика | 5 000–30 000 ₽/мес | 2–4 недели | Первое знакомство, нет IT-команды |
| 2. AI-агент под задачу | Кастомная сборка на API + интеграции | 150 000–500 000 ₽ разово | 4–12 недель | Конкретная задача, есть бюджет на пилот |
| 3. ML-модель | Разработка собственной модели / файн-тюнинг | от 1 000 000 ₽ | 3–6 месяцев | Доказанный ROI на уровнях 1–2, большой объём данных |
Мой совет: начинайте с уровня 1, даже если бюджет позволяет третий. Не потому что третий плохой. А потому что быстрый успех маленькой задачи даёт команде уверенность, а вам — понимание, куда вложить следующие деньги.
Видел слишком много историй, когда компания сразу шла в кастом на несколько миллионов. Полгода разработки. А потом оказывалось, что задача на самом деле решается готовым SaaS за 15 000 ₽ в месяц.
Я бы рекомендовал такую последовательность — проверял её на достаточном количестве клиентов, работает.
Выпишите всё, что в вашей компании делается руками и повторяется больше 20 раз в неделю. Буквально в таблицу: задача — сколько человеко-часов — сколько стоит этот час. Чаще всего вылезает что-то в духе: «менеджер отвечает на одни и те же вопросы по почте», «SMM-специалист пишет описания карточек», «сотрудник разбирает входящие обращения и раскидывает по отделам». Это ваши первые кандидаты на автоматизацию.
Одной. Не трёх, не пяти. Одной. Это сложнее, чем кажется — всегда хочется решить всё сразу. Но размазать ресурсы по нескольким пилотам одновременно значит не получить внятного результата ни по одному. Выберите задачу с наибольшим соотношением «частота × цена часа» — и идите с ней.
Пилот — это не «запустили и смотрим». Пилот — это строго ограниченный эксперимент: один отдел или один канал (например, только входящий Telegram), зафиксированные метрики успеха до старта (количество закрытых обращений, время ответа, экономия часов) и дата, когда вы оцените результат. Если через 30–60 дней метрики выросли — масштабируете. Если нет — меняете инструмент или задачу. Это нормально. Пилот для того и нужен.
Масштабировать то, что не работает — дорогостоящая ошибка. Масштабировать то, что работает — удовольствие. Клиент в сфере оптовой торговли запустил ИИ-бота для обработки входящих заявок на сайте. Пилот — один менеджер, один канал, 30 дней. По итогам: время первого ответа упало с 4 часов до 3 минут, менеджер стал закрывать вдвое больше реальных сделок. После этого масштабировали на весь отдел. Без пилота — скорее всего накупили бы всего лишнего и потратили бы в три раза больше.
Это, наверное, самая ценная часть статьи. Потому что грабли стандартные — и можно просто обойти их.
«Надо всё» — синдром полного пакета. Берут самое дорогое решение с максимальным набором функций. Используют 15% из них. Платят за 100%.
Игнор сопротивления команды. Сотрудники не понимают, зачем это, боятся потерять работу или просто привыкли делать по-старому. Без работы с командой пилот обречён. Сначала надо объяснить зачем, потом обучить, потом поддержать в первые недели. Если пропустить хотя бы один шаг — инструмент будет стоять незадействованным.
Нет ответственного внутри. ИИ-проект без внутреннего «чемпиона» — человека, который его продавливает изнутри, следит за метриками и говорит «стоп, это не то» — почти гарантированно умирает через 3 месяца.
Ожидание магии. «Внедрим — и продажи вырастут x2». Нет. ИИ — инструмент автоматизации, а не генератор выручки сам по себе. Он экономит время, снижает ошибки, ускоряет обработку. Это реально и ценно. Но это не волшебная таблетка.
Пропуск данных. Прежде чем думать о модели — посмотрите, в каком состоянии ваши данные. CRM заполнена? История операций полная? Если нет — ИИ не поможет, пока вы это не починили.
Я намеренно вынес это в отдельный раздел, потому что здесь большинство недооценивает объём работы.
ИИ — это функция от данных. Не от бюджета, не от модели, не от крутости подрядчика. Если в вашей CRM поля заполнены процентов на сорок, а история сделок — только за последние два месяца, то даже самая мощная языковая модель не поможет. Будет красивый интерфейс с неправильными ответами.
Минимум для старта:
Если этого нет — первый шаг не «выбрать ИИ-решение», а «навести порядок в данных». Звучит скучно. Но это реальная точка входа.
В малом и среднем бизнесе «внутренний чемпион» — это обычно один из руководителей или старший менеджер, которому вы даёте мандат: следить за проектом, общаться с подрядчиком, доносить обратную связь от команды. Это не «CTO» в полном смысле слова. Это человек, который знает и задачу, и команду изнутри. Без этого человека — не начинайте. Серьёзно.
Главный тренд 2026-го — переход от «одного ИИ-инструмента» к связанным агентным системам. Когда не один бот отвечает на вопросы, а несколько агентов работают в связке: один принимает обращение, другой классифицирует, третий пишет ответ, четвёртый эскалирует сложное к человеку. Для малого бизнеса это пока излишне. Но через год-два это станет нормой даже для небольших команд.
2026-й стал годом «давайте считать». Бизнес научился требовать ROI от ИИ-проектов, отказываться от красивых пилотов без измеримого результата и интегрировать инструменты в реальные процессы, а не рядом с ними. Это хорошая новость. Это значит, что рынок взрослеет. И если вы заходите сейчас — вы уже можете учиться на чужих ошибках 2024–2025 годов, а не повторять их.
YandexGPT 5, GigaChat Max, отечественные решения для автоматизации — они становятся реально рабочими для бизнес-задач. Особенно там, где важна работа с русским языком и соблюдение требований к хранению данных. Для малого бизнеса это открывает возможности, которых не было год-два назад: качественная обработка обращений на русском, генерация текстов, аналитика — всё это доступно уже сейчас по адекватным ценам.
Если ваш бизнес связан с маркетплейсами — у меня есть готовые инструменты автоматизации под WB и Ozon. Работа с отзывами от 4 900 ₽
Прежде чем идти к подрядчику или выбирать SaaS — пройдитесь по этим вопросам. Это 2 минуты, которые могут сэкономить месяцы и сотни тысяч рублей.
Первое — задача раньше технологии. Не «какой ИИ», а «какую задачу я хочу решить и как измерю результат». Это сэкономит вам больше всего денег.
Второе — начинайте с малого. SaaS за 15 000 ₽ в месяц и один процесс на 30 дней лучше, чем 2 млн ₽ на кастомный проект без пилота. Малый успех — это топливо для следующего шага.
Третье — данные решают. ИИ — это функция от качества данных. Прежде чем выбирать инструмент, посмотрите, в каком состоянии ваша база.
Ну и напоследок вопрос, который я задаю себе и клиентам: через год, оглянувшись назад, вы хотите сказать «мы попробовали что-то маленькое, получили результат и пошли дальше» — или «мы потратили полгода и полтора миллиона, а проект так и не взлетел»? Решение за вами. Мне кажется, ответ очевиден. Но большой вопрос — найдётся ли смелость начать с малого.
Помогу разобраться с точкой входа, выбрать задачу и посчитать, окупится ли это у вас конкретно. Без воды — разбор под ситуацию.
Для обеспечения оптимальной работы и улучшения пользовательского опыта на сайте на ваше устройство могут загружаться куки-файлы, в том числе сервиса Яндекс.Метрика. Дополнительную информацию Вы можете найти в Политике обработки персональных данных.
