Внедрение ИИ в работу: 6 шагов и 6 отраслей с цифрами

Что такое внедрение ИИ и чем оно отличается от «попробовал нейросеть»

Внедрение - это когда конкретная задача перестала занимать твоё время и идёт по записанным правилам, а «попробовал» - это один хороший ответ в чате, после которого всё вернулось как было. Разница не в качестве ответа и не в модели, а в том, где живёт правило

Пока правило живёт у тебя в голове, каждый следующий раз начинается заново: ты вспоминаешь, что просил в прошлый раз, переформулируешь, дописываешь пропущенное. Когда правило записано отдельным текстом, следующий раз начинается с готового: ты открываешь то же описание задачи, подкладываешь новые исходники и получаешь тот же результат

Третий столбец и есть определение внедрения, только разложенное на признаки. Задача считается внедрённой, когда все пять строк перешли в правую колонку, а не когда ты нашёл хорошую нейросеть

Если хоть одна сцена твоя - у тебя уже есть кандидат на первую внедрённую задачу. Отдельные приёмы для таких задач разобраны в гайде «Нейросеть для работы: офисный день с ИИ без VPN»: там про то, ЧТО просить у нейросети в течение дня. Здесь - про то, как один такой приём превратить в процесс, который переживёт твой отпуск

Почему девять пилотов из десяти не доезжают до работы

Падают проекты в одном и том же месте: их начинают с инструмента, а не с задачи, и до рабочего состояния из 100 таких проектов доезжает 7-10. Внутри компаний это видно по цифрам

Лишь 7-10% проектов с большими языковыми моделями и ИИ-помощниками доходят до промышленной эксплуатации, пишет «Коммерсантъ» со ссылкой на исследование компании «Интеллектуальная аналитика». Там же цифра пожёстче: около 90% пилотов генеративного ИИ, запущенных за год, отложены или закрыты, и примерно половина из них остановлена именно потому, что экономического результата так и не показали

Вторая цифра объясняет первую. Только 26% российских компаний, которые уже закладывают бюджет на ИИ, имеют стратегию внедрения, посчитали «Ведомости» в разборе от 4 марта 2026 года. Остальные либо делают пилоты, либо только планируют. Стратегия тут звучит громко, а на уровне одного человека это всего лишь ответ на вопрос «какая задача, какой замер, кто принимает результат»

Дальше по этой теме идёт разбор ИИ для презентаций: 5 работ со слайдами и цена

Третья причина мельче, но обиднее. ИИ-инструменты экономят сотруднику в среднем 11 часов в неделю, и больше 6 из них тут же уходят обратно на присмотр за самим ИИ, показало исследование Work AI Institute на выборке в 6 000 офисных работников. Присмотр - это когда ты объясняешь задачу заново, проверяешь ответ, ловишь ошибку и переспрашиваешь. Чистыми остаётся меньше пяти часов, и именно эту разницу съедает отсутствие записанного правила

Есть и четвёртая причина, про которую в отчётах пишут реже. Пилот почти всегда запускают на задаче, которую руководителю не стыдно показать: крупной, заметной, с красивым названием. У такой задачи обычно нет ровного потока, зато есть согласования, и первый же спорный результат уходит на обсуждение к трём людям сразу. Пока идёт обсуждение, интерес гаснет, и проект тихо переезжает в следующий квартал. Скучная еженедельная задача этого недостатка лишена: её никто не обсуждает, поэтому она успевает дожить до второго замера

Отсюда весь дальнейший план. Мы берём одну задачу, меряем её секундомером, собираем помощника, меряем ещё раз и вычитаем из экономии время на доводку. Никакой стратегии на двадцать слайдов, только два числа и один файл с правилами. Что такое нейросеть в основе всего этого и как она вообще устроена, разобрано отдельно в гайде «Что такое нейросеть: без формул и практикум 15 минут»

Шаг 0. Что приготовить до старта

До первого шага нужны 3 вещи, и две из них уже лежат у тебя в кармане: секундомер в телефоне, список своих недельных задач и окно, где ты обычными словами пишешь ИИ, что сделать. Ни подписок, ни установки корпоративных систем на этом этапе не потребуется

Про третий пункт подробнее, потому что он единственный требует установки. Мы работаем в Claude Code - это программа-окно, в которое ты пишешь задачу обычными словами, а она делает работу с файлами у тебя на компьютере. Ставится она один раз, дальше просто открывается ярлыком. Если у тебя её ещё нет, поставь по отдельному гайду установки - там разложено по шагам, это занимает около пяти минут

Появилось окно с полем ввода внизу - всё готово, иди дальше. Вместо окна открылась пустая страница или программа не запустилась - ничего не сломалось, вернись к гайду установки и повтори последний шаг: чаще всего пропускают вход в аккаунт, программа просит его при первом запуске

Отдельно про то, чего НЕ нужно на старте: покупать корпоративную платформу, звать подрядчика, собирать рабочую группу и рисовать схему процессов. Всё это появляется позже и только у тех задач, которые уже доказали, что экономят время

Шаг 1. Выбрать одну задачу вместо «внедрить ИИ»

Первая задача выбирается по 3 признакам: повторяется не реже 1 раза в неделю, есть текст на входе и текст на выходе, результат виден глазами за 1 минуту. Формулировка «внедрить ИИ в отдел» под эти признаки не подходит вовсе, поэтому с неё и не начинают

Разберём признаки по очереди. Повторяемость нужна затем, что окупается только повторение: разовая задача не отобьёт даже время на описание. Текст на входе и выходе нужен, потому что с текстом нейросети работают увереннее всего. Проверяемость за минуту нужна, чтобы ты мог сразу сказать «годится» или «мимо», а не отправлять результат на согласование и ждать три дня

Последняя строка - главная. Первую задачу берут в зоне, где ошибка стоит дёшево, и это не осторожность, а расчёт: на дешёвой задаче ты успеешь пройти весь цикл несколько раз и научиться. На дорогой первый же промах закроет тему навсегда

Половина пути к первому результату уже пройдена: у тебя есть ровно одна задача, названная словами. Следующий шаг - узнать про неё правду

Шаг 2. Замерить задачу до того, как трогать ИИ

Замер - это 3 числа, снятые секундомером на трёх обычных подходах к задаче: сколько минут ушло всего, сколько из них на поиск исходников и сколько на переделки. Три раза нужны потому, что один заход всегда врёт в ту или другую сторону

Считать надо не «примерно», а по часам, и вот почему. Ощущение времени у всех смещено в сторону «да я быстро», а реальная задача почти всегда включает хвосты: найти прошлый файл, вспомнить формулировку, дождаться, пока выгрузится таблица. Хвосты и есть то, что съедает больше всего, и увидеть их можно только замером

Три прогона занимают три недели, если задача недельная, и это нормально. Ускорить можно так: взять три последних случая по памяти и по следам в почте, но тогда числа будут грубее, и сравнивать их надо честно - грубые с грубыми

Если три числа разошлись в два раза и больше - это не ошибка замера, а признак, что под одним названием у тебя живут две разные задачи. Раздели их и замерь каждую отдельно

Шаг 3. Собрать помощника под эту задачу

Помощник собирается не кнопкой «создать агента», а описанием: ты открываешь окно Claude Code и диктуешь задачу словами так, как объяснял бы новому сотруднику в первый рабочий день. Никакого программирования на этом шаге нет

Ключевая деталь, которую пропускают почти все: к описанию нужно приложить два-три СВОИХ готовых примера. Прошлый отчёт, прошлое письмо, прошлую сводку. Без примеров помощник выдаёт усреднённый текст из интернета, с примерами - попадает в твой формат с первого раза

Пришёл черновик, похожий на твой формат - всё идёт как надо, переходи к правкам. Пришёл общий текст ни о чём - значит примеров было мало или они были не твои: приложи ещё два и повтори просьбу, это нормальная часть работы, а не поломка

Дальше самое важное действие всего шага. Всё, что ты сейчас написал, сохрани в отдельный файл рядом с задачей и назови его понятно, например «правила недельного отчёта». Именно этот файл, а не переписка, и есть собранный помощник: переписка закроется, файл останется

Термин, который тут неизбежен: правила задачи иногда называют промптом. Промпт - это просто текст задания своими словами, ничего технического за этим словом не стоит

Шаг 4. Замерить второй раз и вычесть правки

Второй замер снимается на той же задаче и по тем же 3 числам, плюс появляется четвёртое: сколько минут ушло на доводку того, что принёс ИИ. Именно четвёртое число решает, внедрение это или его имитация

Работает простое правило половины. Если доводка съедает больше половины исходного времени задачи, помощник не готов: у него не хватает правил, и лечится это возвратом на предыдущий шаг, а не новой нейросетью. Если доводка меньше трети - задачу можно готовить к передаче

Последние две строки - это ровно те 6 часов присмотра из исследования Work AI Institute, только на твоём столе. Их не устраняют полностью, но сокращают: каждое стоп-правило, добавленное в файл, снимает один класс правок навсегда

Отдельная честность про цифры. Считать экономию надо по чистому времени, а не по «ощущению скорости»: минуты до минус минуты после минус минуты доводки. Всё, что считается иначе, потом не выдерживает ни одного разговора с руководителем

Ещё одна ловушка второго замера - брать для него самый удачный случай. Первый заход почти всегда получается быстрее остальных, потому что ты только что держал в голове всё описание и подложил идеально подходящие исходники. Честное число собирается из трёх подходов подряд, включая тот, где исходники пришли кривыми и половину пришлось искать заново. Если разница между тремя числами укладывается в 20-30%, замеру можно верить, если разлетается вдвое - у задачи ещё нет устойчивого правила

Две трети пути позади: у тебя есть задача, файл с правилами и два числа, которые можно показать. Осталось сделать так, чтобы это работало без тебя

Шаг 5. Отдать задачу второму человеку

Задача считается внедрённой в тот момент, когда её по твоему файлу «правила задачи» делает другой человек и получает тот же результат без единого вопроса к тебе. До этого момента это личный приём, а не внедрение

Проверка устроена жёстко и занимает один заход. Ты отдаёшь файл, отдаёшь исходники и уходишь из комнаты. Всё, что человек спросит вслух, - это дыра в правилах, и её надо дописать в файл, а не объяснить голосом

Дальше начинается лестница: одна переданная задача → вторая → связка из нескольких. Как выглядит эта лестница целиком, разобрано в гайде «5 уровней автоматизации на Claude», а как раздать разные задачи разным помощникам - в разборе «Команда ИИ-сотрудников на Claude». Обе статьи - следующая ступень, и они имеют смысл ровно тогда, когда первая задача уже прошла все шесть шагов

Если второго человека рядом нет, проверка всё равно делается: отложи файл на две недели и вернись к нему, не заглядывая в переписку. Всё, что придётся вспоминать, - та же самая дыра в правилах

Отдельно про то, чего на этом шаге делать не стоит. Не надо отдавать человеку доступ к своей переписке с ИИ и не надо садиться рядом, чтобы «подсказать по ходу»: и то, и другое возвращает правило обратно тебе в голову, а файл остаётся неполным. Не надо и переписывать файл красиво под передачу - он рабочий документ, а не регламент, и живёт короткими строками вида «цифры берём из таблицы за прошлую неделю». Договориться нужно ровно о двух вещах: кому уходит готовый результат и что делать, если исходников на этой неделе не пришло вовсе

Как это выглядит на живом примере: недельный отчёт

Возьмём типовой недельный отчёт, который в пятницу собирают из 3 источников: почты, таблицы с цифрами и заметок после встреч. Пройдём по нему все шесть шагов, с числами на каждом

Шаг 1: задача проходит фильтр целиком - повторяется еженедельно, на входе текст и таблица, на выходе текст, проверяется глазами за минуту, цена ошибки низкая. Шаг 2: три замера дают в среднем 47 минут, из них 18 уходит на поиск прошлых материалов и 7 на переделки после первой вычитки

Шаг 3: в окне Claude Code появляется описание из четырёх кусков - роль, три прошлых отчёта как образец, порядок исходников и стоп-правило «нет данных». Всё это уезжает в файл «правила недельного отчёта»

Шаг 4: второй замер даёт 19 минут, из них 6 на доводку. Считаем честно: 47 минус 19 равно 28 минут экономии на один отчёт, доводка уже вычтена внутри второго числа. За 50 недель это 23 часа, почти три рабочих дня, и это на одной задаче из списка в дюжину строк

Шаг 5: файл уходит помощнику, тот задаёт четыре вопроса - куда отправлять, что делать с пустой неделей, в каком порядке идут блоки и нужны ли ссылки. Все четыре ответа дописываются в файл, и со следующей пятницы отчёт выходит без автора

Здесь чаще всего ошибаются так: считают экономию по первому удачному разу, когда всё сложилось. Честное число берётся из трёх подходов после, ровно как из трёх подходов до

И маленькая деталь, которая в этом примере решает больше всего. Из 47 минут исходного времени 18 уходило на поиск прошлых материалов, и ИИ эту часть не трогает вовсе: он не знает, где лежит прошлый отчёт. Поэтому вместе с описанием задачи в пример добавили ещё одно правило для себя - складывать исходники в одну папку по ходу недели, а не собирать их в пятницу. Без этого второй замер показал бы 30 минут вместо 19, и половина эффекта осталась бы неполученной. Разбор задачи почти всегда вскрывает такую соседнюю привычку, и чинится она без всякого ИИ

Что уже внедрено в медицине, образовании и судах

В этих трёх отраслях ИИ давно стоит в рутине, и видно это по числам: 16 млн обработанных исследований на одной медицинской платформе, 62% школьников с нейросетями и 35% судов, где ИИ делает черновую работу. Общее у всех трёх одно - человек оставляет за собой последнее слово

Медицина. К московской платформе анализа снимков подключены более 2 000 медорганизаций из 75 регионов, а обработано с их помощью более 16 млн исследований, сообщило РИА Новости 28 июля 2026 года. Сервисов на платформе 18, и все они делают одно и то же по сути: подсвечивают врачу зоны возможной патологии на снимке, а диагноз ставит врач. При этом внутри самих учреждений картина неровная: ИИ-алгоритмы главным трендом цифровизации назвали 54% опрошенных, показал опрос более 200 медучреждений, а вот электронный документооборот с мобильными приложениями связали у себя только 24%

Образование. С 1 сентября 2026 года в российских школах вводится профиль «Искусственный интеллект» - не отдельный предмет, а углублённый уровень информатики для 8-11 классов, пишут «Аргументы и Факты». Снизу это движение уже произошло само: 62% российских школьников используют нейросети для учёбы, по данным фонда «Общественное мнение»

Суды. Тут внедрение выглядит осторожнее всего, и формулировка председателя Верховного суда объясняет почему:

«Решение всегда принимает человек, а искусственный интеллект может взять на себя лишь рутинную работу»

Игорь Краснов, председатель Верховного суда РФ, «Известия», 27 мая 2026 года

Рутина в судах - это расшифровка речи в протокол, поиск документов, сравнение практики и черновики решений. По данным Совета судей, ИИ в той или иной мере использовали 35% судов страны, сообщало «Право.ру» в мае 2025 года. Обрати внимание на устройство: ИИ везде на подхвате, решение за человеком, и ровно так же устроен твой помощник из шага 3

Есть у этих трёх отраслей и общая слабость, о которой полезно знать заранее. Внедряют они не то, что интереснее, а то, что легче всего проверить: снимок либо содержит подозрительную зону, либо нет, протокол либо совпадает с записью, либо нет. Там, где проверка сложная и спорная, ИИ не ставят вовсе, и это не отставание, а тот же принцип, что и в шаге 1 - брать задачу, результат которой видно глазами за минуту. Твой список кандидатов стоит просеять ровно этим ситом

Что уже внедрено в ритейле, логистике и на производстве

В ритейле, логистике и на производстве внедрение измеряют деньгами и процентами: около 5 млрд рублей дополнительной операционной прибыли за год у торговой сети и минус 26-30% аварийности у городского перевозчика. Механика при этом та же - повторяющийся поток, замер до и после

Ритейл. ИИ-решения принесли торговой сети X5 около 5 млрд рублей дополнительной операционной прибыли за 2025 год, говорится в сообщении самой компании от 1 июня 2026 года. Список задач при этом скучный до зевоты: прогноз спроса, управление запасами, ценообразование, подбор ассортимента, рекомендации покупателю. Ни одной задачи из будущего, всё это делали и раньше руками

Логистика. Система контроля усталости водителя в московском общественном транспорте снизила аварийность на 26-30%, предиктивное обслуживание у производителя тяжёлых грузовиков убрало 15% простоя техники, а автоматическая маршрутизация у крупного ритейлера сняла 2-5% стоимости доставки на паллету, собрал «Инвест-Форсайт» в обзоре от 11 марта 2026 года. Каждая цифра тут - результат замера до и после на одном узком участке, а не на всей отрасли разом

Производство. Ожидания у отрасли высокие: 88% производителей рассчитывают, что ИИ даст минимум 5% операционной прибыли, и на ИИ с автономными системами уходит 51% бюджетов трансформации, показало исследование, разобранное «Ведомостями» 3 февраля 2026 года. Там же названо главное препятствие, и оно не в моделях: мешают разрозненные данные, которые лежат в разных системах и не сходятся между собой

Разбор того, какие именно бизнес-задачи закрываются нейросетями и с чего начать компании, есть отдельно в гайде «ИИ для бизнеса: клиенты, контент и рутина без VPN». Здесь важнее другое: во всех шести строках таблицы работает один и тот же механизм, и его можно повторить в одиночку

Что из отраслевых примеров можно повторить в одиночку

Повторяются не технологии, а 3 механизма: ИИ ставят на повторяющийся поток, человеку оставляют последнее слово и результат меряют до и после. Ни один из трёх не требует ни бюджета, ни отдела разработки

Первый механизм - поток вместо разового случая. В медицине это снимки, которые идут каждый день, в ритейле - заказы, в судах - протоколы. У тебя это тот самый пятничный отчёт или пять типовых ответов клиентам. Правило одно: чем ровнее поток, тем больше отдача от одного описанного правила

Второй механизм - человек на выходе. Врач ставит диагноз, судья принимает решение, ты вычитываешь отчёт. Нигде из шести отраслей ИИ не отпускают без проверки, и это не осторожность отсталых, а способ, которым эти системы вообще получилось внедрить. Твоё стоп-правило «нет данных» из шага 3 - тот же приём в миниатюре

Третий механизм - замер. Компания, которая называет 5 млрд рублей, знает, откуда это число: она замерила процессы до и после. У тебя вместо миллиардов будут 47 и 19 минут, и это ровно та же работа, просто в масштабе одного человека

Есть и четвёртый механизм, который в отраслевых новостях обычно не видно, потому что он скучный. Это стандартный вход: снимок приходит в одном и том же формате, заказ - одним и тем же файлом, протокол - одной и той же записью. Пока вход разный каждый раз, любое правило приходится переписывать заново, и никакой помощник этого не спасает. В масштабе одного человека это значит ровно одно: сначала наведи порядок в исходниках задачи, а потом описывай правила. Час, потраченный на одинаковую папку и одинаковые имена файлов, окупается быстрее, чем любая переформулировка задания

Чего повторять НЕ надо: масштаба. Отраслевые примеры красивы платформами и миллионами исследований, но начинались они с одного узкого участка, и попытка повторить сразу масштаб - это и есть тот пилот, который потом закрывают

На чём чаще всего спотыкаются

5 мест, где внедрение разваливается чаще всего, и все пять чинятся возвратом на шаг назад, а не сменой нейросети. Ни одно из них не связано с тем, какую модель ты выбрал

Отдельная примета, которую видно только через месяц: задача внедрена, а ты всё равно делаешь её сам, потому что «так быстрее». Это верный признак, что передачу второму человеку пропустили, и лечится он возвратом к шагу 5, а не силой воли

Шестая примета встречается реже, но стоит дороже всех: задачу внедрили, а данные для неё лежат там, куда помощнику доступа нет. Ровно об этом говорят и на производстве, где главным препятствием называют не модели, а разрозненные данные в несходящихся системах. На своём столе это выглядит безобидно - цифры в закрытом отчёте, к которому есть доступ только у коллеги. Лечение простое и не техническое: либо договориться о регулярной выгрузке в понятном виде, либо взять другую задачу, где исходники уже у тебя

И честная граница. Внедрение не спасает задачу, у которой нет повторяемой части: если каждый раз всё по-новому, помощнику не на чем учиться. Такие задачи существуют, их немного, и правильный ход - вернуться к списку кандидатов и взять следующую строку. Если совсем не идёт, начни с более простого шага: заведи себе одного помощника под личные мелочи по гайду «ИИ помощник: как завести себе за вечер без VPN», а к внедрению вернись, когда появится привычка

Что меняется, когда одна задача внедрена

Меняется не количество нейросетей на компьютере, а место, где живёт правило: раньше оно было у тебя в голове, теперь лежит файлом «правила задачи» и работает без тебя. Изменение одно, но тянет оно за собой всё остальное

Первое заметно уже в пятницу: час, который уходил на отчёт, освободился. Второе - список кандидатов из шага 0 больше не пугает, маршрут известен

Третье замечают не сразу: когда правила записаны, работа видится набором потоков, а не потоком случайностей. Вот эта штука повторяется, эта нет, эту можно описать, эту нельзя

Дальше вылезает следующий слой: одна задача передана, а рядом стоят ещё одиннадцать строк, и результат одной становится исходником для другой. Одиночные помощники его не закрывают, нужны роли и порядок передачи - разобрано в «Команде ИИ-сотрудников на Claude»

Источники

• «Коммерсантъ», почему бизнес не может правильно внедрить ИИ - 7-10% проектов доходят до промышленной эксплуатации, около 90% пилотов отложены или закрыты
• «Ведомости», ИИ-рывок 2026 - стратегия внедрения есть у 26% компаний, объём рынка генеративного ИИ
• Work AI Institute, разбор на Habr - 11 часов экономии и больше 6 часов присмотра за ИИ, выборка 6 000 сотрудников
• РИА Новости про платформу анализа снимков - более 2 000 медорганизаций, 75 регионов, более 16 млн исследований
• Опрос медучреждений о цифровизации - ИИ-алгоритмы главным трендом назвали 54% из более чем 200 учреждений
• «Аргументы и Факты» про профиль «Искусственный интеллект» в школах - 8-11 классы, старт 1 сентября 2026 года
• Фонд «Общественное мнение» о школьниках и нейросетях - 62% школьников используют нейросети для учёбы
• «Известия» про обобщение практики Верховным судом - реплика председателя суда о том, что решение принимает человек
• «Право.ру» о доле судов с ИИ - 35% судов, задачи от расшифровки речи до черновиков решений
• X5 Group, сообщение о результатах ИИ-решений - около 5 млрд рублей дополнительной операционной прибыли за 2025 год
• «Инвест-Форсайт» про ИИ в логистике - минус 26-30% аварийности, минус 15% простоя, минус 2-5% стоимости доставки
• «Ведомости» о проблемах внедрения ИИ на производстве - 88% производителей ждут минимум 5% операционной прибыли, главный барьер в данных

Памятка: одна задача от замера до передачи

Девять строк, по которым проходит первая внедрённая задача

Частые вопросы