Как ИИ стал четвёртой промышленной революцией и поменял подходы к работе с клиентами

Автор: Никита Прохоров, независимый директор, совладелец и исполнительный директор агентства по управлению репутацией «Сидорин Лаб».

Четвёртая промышленная революция — уже не метафора будущего, а рабочий термин для описания того, что происходит здесь и сейчас. Искусственный интеллект меняет производство, логистику, управление персоналом и, пожалуй, самое чувствительное место любого бизнеса — работу с клиентами.

В B2C-продажах изменения стремительны. По итогам 2025 года почти 40% респондентов уже применяли сервисы AI (искусственного интеллекта) для онлайн-покупок, а 53% планируют начать это делать в ближайшее время. 47% просят алгоритмы порекомендовать им продукт, 43% ищут вместе с искусственным интеллектом выгодные предложения. В b2b, по данным исследований, 66% компаний используют технологии обработки визуальных данных, а 50% — интеллектуальную поддержку принятия решений. ИИ уже умеет обрабатывать возражения и рассылать коммерческие предложения. Классический KPI «объём продаж» перестаёт быть человеческой историей — это история алгоритмов.

ИИ за работой

В «Сидорин Лаб» обрабатывают больше 50 миллионов сообщений в год из соцсетей, СМИ, отзывов. Раньше это был ручной труд, а сейчас аналитику собирают за несколько часов, и решение по репутационному кризису принимают быстрее за счёт скорости сбора и обработки информации.

Никита Прохоров Независимый директор, совладелец и исполнительный директор агентства по управлению репутацией «Сидорин Лаб»

«Я сам готовлю много фактуры через ИИ. Делаю слайды для новых презентаций, собираю первичную аналитику и тренды. ИИ быстро собирает структуру, помогает найти слабые места в логике, предлагает варианты подачи».

При такой работе быстро становится понятно, что каждый раз заново объяснять контекст проекта, tone of voice бренда, ограничения и требования к результату неудобно. Поэтому следующий шаг — собственные ИИ-помощники с базой знаний. В них загружают регламенты, презентации, примеры текстов, аналитику, позиционирование, документы по проекту и рабочие правила команды.

Такой помощник не заменяет специалиста, но помогает быстрее собирать черновики, проверять логику, готовить сводки и не терять накопленный контекст. Главное помнить об информационной безопасности. Кроме того, ИИ хорошо встраивается в HADI-циклы, где работа строится через гипотезу, действие, данные и выводы. Для маркетинга это важный инструмент: он сокращает путь от идеи до проверки и хорошо помогает в трендвочинге, потому что быстро собирает и группирует разрозненные сигналы: публикации, обсуждения, повестку отрасли, повторяющиеся формулировки, слабые сигналы изменений в поведении аудитории.

Похожий подход в ИТ-компаниях. В «Неосистемах Северо-Запад ЛТД» ИИ используют как рабочий инструмент в нескольких направлениях. ИИ генерирует черновики технических заданий и пользовательских инструкций. Он же суммаризирует и агрегирует различные заметки, превращая разрозненные записи в структурированный итог. Помогает находить слепые зоны при планировании: подсвечивает то, что человек мог упустить. Полезен в самообучении и фильтрации информации в профильных статьях, когда из большого объёма текста нужно вытащить только полезное.

Кроме того, в компании запустили транскрибацию звонков с помощью ИИ и это сильно упростило работу с записями: теперь их не нужно переслушивать часами, достаточно прочитать текст и найти нужный фрагмент по ключевым словам.

В «АКЪЮЛ» пошли ещё дальше. Здесь для отдела контроля качества в дистрибуции построили собственную мультиагентную систему. Она транскрибирует звонки, разделяет реплики по ролям, определяет сценарий разговора (самый сложный этап), оценивает по чек-листу и генерирует персонализированные рекомендации. Точность совпадения с ручной оценкой — 99%. Покрытие выросло с 30–50% до 100%.

В колл-центре «Неосистемы Северо-Запад ЛТД»

В руках человека

ИИ — помощник, который берёт на себя рутину, структурирует информацию и улучшает качество там, где человеческих ресурсов объективно не хватает. По мнению экспертов, именно такая автоматизация транзакций выявила ценность того, что ИИ не умеет.

Евгений Коппалов Руководитель Проектной службы компании «Неосистемы Северо-Запад ЛТД»

«Классические KPI, которые фокусируются на цифрах: объём продаж, количество сделок, конверсия, уступают место другим показателям: уровню удовлетворённости клиентов, количеству успешно решённых комплексных задач, длительности сотрудничества, рекомендациям и повторным обращениям, достижению бизнес-целей клиента».

Евгений приводит в пример историю, связанную с крупным предприятием в сфере гофроиндустрии. Клиент столкнулся с необходимостью оптимизировать производственные процессы в условиях импортозамещения, но не знал, с чего начать. Менеджеры организовали серию бесплатных встреч с экспертами, провели аудит текущих процессов, выявили узкие места и предложили несколько вариантов решений — от поэтапной модернизации до комплексного внедрения цифровых инструментов.

Затем подробно разобрали плюсы и минусы каждого варианта с учётом бюджета и сроков клиента. В результате клиент выбрал поэтапный план, что позволило снизить риски и дало быстрый эффект: производительность выросла на 12%, а затраты на обслуживание оборудования сократились на 8%.

То, как именно ИИ встраивается в работу с клиентами и где проходит граница между автоматизацией и человеческим участием, подтверждает и практика внедрений. Дмитрий Титов, CEO компании «Альпес», рассказывает о проекте для дистрибьютора строительной химии, где создали платформу для отдела качества, в которой человек остаётся главным, а ИИ-помощник — рабочим инструментом.

Платформа анализирует весь массив входящих и исходящих звонков — около пяти тысяч. ИИ-агент определяет, кто участвует в разговоре (менеджер или клиент), проверяет соблюдение сценария общения и выставляет оценку по заданным критериям. За счёт этого супервайзер больше не тратит время на сплошное прослушивание всех записей: он работает только с теми звонками, которые система помечает как требующие внимания. По состоянию на начало 2026 года стоимость обработки одного звонка составляет 2 рубля 35 копеек с учётом расходов на API, распознавание речи и обработку данных. Но такой результат не возник сам собой: на настройку и оптимизацию пайплайна ушло несколько месяцев — команда подбирала модели, дорабатывала распознавание речи, настраивала логику разделения ролей и калибровала систему скоринга. В первые два месяца модель, например, путала менеджера с клиентом.

Дмитрий Титов CEO компании «Альпес»

«Этот проект хорошо показывает реальное место ИИ в бизнесе: технология работает эффективно там, где ею руководит человек. ИИ берёт на себя масштабируемую рутину, а человек отвечает за правила, обучение, интерпретацию результатов и управленческие решения».

Схожую картину описывает Никита Прохоров. По его словам, ИИ забирает ту часть работы, которую никто особо не любил.

Никита Прохоров Независимый директор, совладелец и исполнительный директор агентства по управлению репутацией «Сидорин Лаб»

«После громкого инфоповода бренд оказывается в эпицентре обсуждений, сотен публикаций, комментариев, репостов. Раньше кто-то из команды садился и вручную это всё разгребал часами. Сейчас за несколько минут с помощью ИИ весь этот массив раскладывается по темам: где реальная угроза репутации, где люди просто выпускают пар, а где обычный информационный фон. Что со всем этим делать — это уже человеческое решение. Потому что у инструмента нет ни истории отношений с клиентом, ни понимания, что именно сейчас лучше сказать».

Перспективы

Говоря о дальнейшем развитии искусственного интеллекта в работе с клиентами, эксперты отмечают несколько значимых трендов, которые, по их мнению, будут определять повестку в ближайшие годы. Уже сейчас доступ к наиболее передовым моделям всё чаще регулируется не только рыночными, но и политическими механизмами, и эта тенденция, по всей видимости, будет укрепляться по мере усложнения самих нейросетей.

Дмитрий Титов CEO компании «Альпес»

«Для бизнеса это означает, что стратегия работы с ИИ-инструментами должна предусматривать не только оценку их функциональности, но и анализ устойчивости доступа к ним. Когда работаешь со стратегиями, важно, чтобы клиенты были уверены в своей безопасности. Поскольку алгоритмы обучаются на тех данных, которые получают, важно чётко разделять, какую информацию можно доверять публичным моделям, а какую следует оставлять в закрытых контурах».

Уже сейчас многие приходят к созданию собственных ИИ-помощников с локальной базой знаний, куда загружаются регламенты, шаблоны и рабочие правила, но не чувствительная клиентская фактура. Такой подход позволяет сохранить контроль над данными, не отказываясь от преимуществ автоматизации, и становится стандартом для организаций, работающих со стратегическими или конфиденциальными проектами.

Что касается бизнес-показателей. Вопреки распространённому мнению о том, что ИИ автоматически снижает затраты, практика показывает: стоимость токенов, настройки инфраструктуры и доработки моделей требует отдельного и внимательного расчёта. Процесс интеграции ИИ в реальные бизнес-процессы не мгновенный, а предполагает период калибровки, обучения системы и устранения ошибок, что занимает время и ресурсы. Удельные затраты снижаются по мере отработки механизмов и масштабирования решений. Смысл не в том, что ИИ дорог или дёшев, а в том, что его экономическая эффективность напрямую зависит от качества подготовительной работы и зрелости процессов, в которые он встраивается.

Эксперты сходятся во мнении: со временем разрыв между теми, кто использует ИИ системно, и теми, кто обходится без него, будет только нарастать. Но этот разрыв — не столько технологический, сколько управленческий. Решающее преимущество получат те руководители, чей экспертный взгляд позволяет превращать данные алгоритмов в точные, взвешенные и ответственные решения.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.