Какие автоматизации внедрять первыми: 5 шагов по порядку

Андрей Марьясов, AI-консультант, основатель Auspex и Grow2.ai. Список автоматизаций, которые стоит сделать первыми, у всех примерно одинаковый. Порядок, в котором их делать, почти нигде не описан, а решает именно он. Вот пять шагов в той последовательности, в которой я проходил бы их сегодня, и критерий, по которому я их отбирал: измеримый результат за две недели.

TL;DR (за 30 секунд)

• Первая автоматизация — не автоматизация. Сначала данные и стадии воронки, роботы потом. Робот поверх грязной базы просто ускоряет беспорядок.
• Быстрая окупаемость живёт не там, где больше всего AI. Лучшие цифры дали повторяющиеся вопросы, ответ на которые уже лежит в базе.
• Критерий отбора — две недели до первой цифры. Не «запустим пилот», а конкретная метрика, которая в понедельник одна, а через четырнадцать дней другая.
• Реальные цифры из проектов: ≈572 тысячи гривен чистого эффекта за первый год на дилерской сети, 13 секунд медианного времени ответа в e-commerce, ≈€0,10 (≈$0,11) расходов на модель за диалог.
• Один из пяти шагов у меня до сих пор не сделан. Я говорю, какой именно и почему он пятый, а не первый.

Самая дорогая ошибка стоит не денег

В июне этого года мы разбирали собственную воронку лидов. Auspex внедряет CRM другим компаниям, и именно в нашей базе нашлось 453 дубликата, 31 450 лидов и двадцать три стадии воронки, большинство из которых означали одно и то же разными словами.

Теперь представьте, что мы оказались бы чуть энергичнее и повесили бы на эту базу робота для рассылки. Он отработал бы безупречно: 453 клиента получили бы по несколько одинаковых писем, а мы узнали бы об этом от самого терпеливого из них.

Ошибка здесь не в самой работе. Автоматизация поверх беспорядка просто делает беспорядок быстрее.

Поэтому я давно перестал смотреть на список автоматизаций и смотрю на их порядок. Список можно прочитать в любом блоге за десять минут. Порядок приходится покупать собственными провалами.

Критерий отбора: две недели до первой цифры

Я не выбираю автоматизации по количеству AI внутри. Я выбираю по одному вопросу: увижу ли я измеримую цифру за две недели?

Не «соберём требования» и не «запустим пилот», а цифра: количество противоречивых записей в базе, медиана времени ответа клиенту, часы рутины в неделю. Что-то одно из этого должно быть измерено в понедельник и измерено второй раз через четырнадцать дней.

Две недели здесь работают как предохранитель, а не как дедлайн. Если до первого результата нужно три месяца, вы не автоматизируете процесс, вы строите систему. Строить систему тоже когда-нибудь придётся, только не в первую очередь: за три месяца без единой цифры энтузиазм в команде заканчивается раньше, чем бюджет.

Шаг 1. Сначала данные, потом роботы

Самый скучный пункт в списке и единственный, без которого остальные четыре не работают.

Возвращаюсь к той самой воронке. Одиннадцатого июня мы перенесли в новую структуру из девяти стадий 18 799 живых лидов — остальное из тех 31 450 составили архив и дубликаты, переносить которые не было смысла. Ни одной ошибки переноса. Тринадцатого удалили дубликаты и разметили 14 615 карточек по сегментам — сконвертированные, замороженные, брак, активные. Два дня самой миграции, а вместе с подготовкой — неделя внимания одного человека, который понимает процесс, и ноль строк кода.

Роботы в этой воронке до сих пор не настроены. Это очерёдность, а не забывчивость: сначала база, в которой каждая запись означает ровно то, что написано, потом всё остальное.

Что вы измеряете через две недели: сколько записей в базе противоречат сами себе. Было много — стало ноль. На автоматизацию это не похоже, и это нормально. Это фундамент, на который встанет всё остальное.

Шаг 2. Ответы на вопросы, которые повторяются каждый день

Производственная компания, два завода, сеть из пятисот дилеров (имя не раскрываем по договорённости, цифры реальные). Дилеры каждый день спрашивали одно и то же: наличие, цена, статус отгрузки, условия оплаты. Менеджеры открывали ERP и читали ответ вслух.

Посчитали рутину: около 700 тысяч гривен в год рабочего времени уходило на вопросы, ответ на которые уже лежал в базе. Разработка AI-агента с доступом к ERP только на чтение стоила ≈110 тысяч гривен, обслуживание — ≈18 тысяч в год. Чистый эффект первого года составил ≈572 тысячи гривен, окупаемость — два-три месяца. Точность ответов превысила 95%. Уволенных менеджеров — ни одного: они перешли на нерутинные обращения, до которых раньше просто не доходили руки.

Два-три месяца — это быстрый край диапазона, а не норма. Типичная окупаемость — от двух до шести месяцев, и планировать лучше ближе к верхней границе. Полный разбор кейса, включая уровни защиты от выдуманных ответов, лежит на сайте Grow2.ai.

Почему этот шаг второй, а не первый. Повторяющиеся вопросы — это уже готовый и размеченный набор данных. Вам не нужно угадывать, чего хочет пользователь: он спрашивал вас об этом триста раз в прошлом месяце, и все триста запросов у вас сохранены.

Шаг 3. Ассистент в канале, где клиент уже сидит

Третья автоматизация не сводится к «поставить чат-бота на сайт». Сайт — это комната, в которую клиент заходит раз в несколько месяцев, а мессенджер — та, в которой он живёт.

Крупный украинский интернет-магазин одежды с сетью из более чем 30 офлайн-магазинов запустил AI-консультанта в конце марта; название не раскрываем по договорённости. Агент работает в Instagram (около двух третей диалогов), Viber, Telegram и чате на сайте, а результаты пишет в Bitrix24; заказ оформляет сам — тот автоматически попадает в 1С, а ссылку на оплату клиент получает прямо в чате. С апреля по июль агент провёл 6 448 диалогов. Самое интересное в этих данных — распределение, а не объём: 33% обращений приходят в нерабочее время, а 10% всех сообщений — между десятью вечера и восемью утра. Медиана ответа — 13 секунд, девяностый процентиль — 31 секунда. Июнь обошёлся примерно в €175 (≈$200; курс ЕЦБ ≈0,88 € за доллар, июль 2026) на 1 782 диалога, то есть ≈€0,10 (≈$0,11) за разговор. Сравнивать агента с менеджером нужно именно в этой единице — евро за диалог.

Распределение по каналам оказалось не таким, как мы описывали этот проект публично ещё весной: Instagram — 67,7%, Viber — 17,6%, Telegram — 11,9%, виджет на сайте — 2,9%. В наших собственных текстах главными каналами долго значились Telegram и Viber. Телеметрия за июнь показала Instagram с двумя третями всех диалогов, и тексты пришлось переписать.

Честная граница этого кейса: заказ в ERP до сих пор оформляет человек. Агент ищет по каталогу (в том числе по фотографии), проверяет остатки и размеры, показывает статус заказа, записывает диалог в CRM. Оформление — следующая итерация, она ещё в разработке. Кейс с телеметрией описывает архитектуру подробнее.

Что вы измеряете через две недели: медиану времени ответа и долю обращений, которые пришли, когда все спали.

Шаг 4. Заменить инструмент, из которого вы выросли

Пять лет назад это был бы плохой совет. Сегодня это мой любимый шаг.

Мы платили 45-50 долларов в месяц за SaaS для управленческого учёта. Не потому, что он был хорош, а потому, что переносить вручную историю учёта с 2019 года никто бы не взялся. Пятнадцатого мая я сделал первый коммит в собственную платформу. Двадцатого мая в ней уже вёлся боевой учёт. Пять дней.

Дальше шло ядро из восьми фаз, примерно две с половиной недели. Итого: 326 коммитов, около 52 800 строк TypeScript, 838 тестов, миграция 23 372 транзакций за 2019-2026 годы, четыре юрлица, три пользователя. Платформа называется Finickly, и это единственный случай в этой статье, когда я могу назвать имя: она наша собственная.

Инструмент, которым я это сделал, стоит 200 долларов в месяц — это самая дорогая позиция моего стека, а не весь стек; полный счёт и то, из чего он складывается, — в разборе стека. Дороже, чем SaaS, который мы заменили, и в этом вся мораль. Экономия здесь вообще не в подписке. Учёт теперь описан нашей логикой, а не логикой чужого продукта, под которую мы годами подгоняли свои процессы. Технический разбор описывает фазы, коммиты и миграцию данных.

Осторожно с этим шагом. Он работает, когда вы точно знаете, как должен работать процесс. Если не знаете, собственный инструмент аккуратно зафиксирует ваше непонимание в коде, и жить с ним придётся вам. Моя процедура отбора инструментов отвечает на смежный вопрос: стоит ли вообще тратить на эту штуку ещё два дня.

Шаг 5. Скорость ответа на лид

Этой автоматизации у меня нет.

Она стоит пятой в списке и первой в перечне того, что я наконец сделаю. Поэтому я даю её как рекомендацию, подкреплённую чужими данными, а не как собственный кейс. Разницу между первым и вторым обозначаю прямо.

Исследователи Harvard Business Review разобрали 1,25 миллиона лидов в 29 B2C- и 13 B2B-компаниях. Фирмы, которые пытались выйти на контакт в течение часа после заявки, почти в семь раз чаще доводили лид до содержательного разговора с человеком, принимающим решение, чем те, кто медлил ещё один час. По сравнению с теми, кто ждал сутки, разница оказалась больше чем в шестьдесят раз. Параллельный аудит 2 241 американской компании показал другую сторону: 23% не ответили на тестовую заявку вообще никогда, а среднее время ответа среди тех, кто ответил, составило 42 часа.

Оригинал исследования вышел в марте 2011 года. Прежде чем списывать его за давностью, сделайте проверку подешевле: оставьте заявку на собственном сайте и засеките, сколько минут пройдёт до первого звонка.

Пятый шаг, а не первый, несмотря на очевидный эффект. Причина та же: быстрый робот на грязной базе означает быструю рассылку не тем людям. Сначала чистые данные, потом скорость.

Чего нет в этом списке и почему

Меня регулярно спрашивают о трёх автоматизациях, которые звучат привлекательно: еженедельный дайджест для команды, мониторинг упоминаний бренда, автоматический онбординг нового клиента в первые три дня.

Я не ставлю их в список первых. Не потому, что они плохие. Потому что у меня нет ни одного внедрения, на которое я мог бы сослаться с цифрами, а рекомендовать без цифр — это ровно тот совет из блога, от которого я предостерегал в начале.

Отдельно стоят «скучные» финансовые процессы: счета, дебиторка, напоминания о визите. Они действительно окупаются первыми во многих компаниях, и Auspex подробно разобрал их в статье «С чего начать автоматизацию в SMB: 5 скучных процессов». Там ответ на вопрос «какие процессы». Здесь — ответ на вопрос «в каком порядке».

Порядок на одной странице

Шаг	Что делаете	Что измеряете через две недели	Чем подтверждено
1	Чистите данные и стадии воронки	Количество противоречивых записей	Собственная воронка Auspex: 31 450 лидов, 23 стадии → 9, ноль ошибок переноса
2	Ответы на повторяющиеся вопросы	Часов рутины в неделю	Дилерская сеть: ≈572 тыс. грн эффекта за год, окупаемость 2-3 мес., точность 95%+
3	Ассистент в мессенджере	Медиана времени ответа	E-commerce: 6 448 диалогов, медиана 13 с, ≈€0,10 (≈$0,11) за диалог
4	Замена SaaS, из которого вы выросли	Дней до боевого использования	Finickly: первый коммит → боевой учёт за 5 дней
5	Скорость ответа на лид	Минут от заявки до контакта	HBR: почти в семь раз выше шанс квалифицировать лид при ответе в течение часа

Три первые строки таблицы — о том, что уже работает. Четвёртая — о том, что мы сделали для себя. Пятая — о том, что я должен сам себе уже полгода.

FAQ

С чего начать, если в компании вообще нет CRM?

С CRM, и это не шутка. Шаг первый предполагает, что данные где-то лежат. Если они лежат в голове владельца и в трёх таблицах, автоматизировать нечего — сначала нужно место, где живёт история отношений с клиентом. Пустая CRM, которую аккуратно заполняют с первого дня, лучше автоматизации поверх таблиц.

Сколько стоит первая автоматизация?

Зависит от шага. Чистка данных стоит времени, а не денег: неделя внимания одного человека, который понимает процесс. Агент на повторяющихся вопросах — от нескольких тысяч евро разработки, и именно здесь мы в Grow2.ai предлагаем пилот от €1 800 с контрактным KPI. Оплата — авансом, а на ревью тридцатого дня действует простое правило: согласованная метрика не сдвинулась — возвращаем полную сумму. Формат выбран намеренно под то самое правило двух недель.

Можно ли пропустить первый шаг, если база «вроде нормальная»?

Проверьте одним запросом: у скольких контактов одинаковый телефон или почта. Если ответ не «ноль», база не нормальная, она просто ещё никого не обидела. Мы нашли 453 дубликата в базе компании, которая профессионально занимается чужими CRM.

Почему в списке нет AI-агента, который продаёт?

Потому что продажа — это нерутинное действие с высокой ценой ошибки, а первые автоматизации должны быть противоположными: рутинными, с низкой ценой ошибки, с готовыми данными. Агент, который отвечает на вопросы о наличии, ошибается в 5% случаев и портит вам день. Агент, который продаёт, ошибается в 5% случаев и портит вам клиента. Разница между ассистентом и продавцом разобрана отдельно: AI-агент vs чат-бот.

Две недели на результат — это реально?

Реально для первой цифры, а не для полной готовности. За две недели вы получаете медиану времени ответа, а не работающий отдел поддержки. За две недели вы видите, сколько дублей в базе, а не идеальную воронку. Смысл правила в том, чтобы рано понять, что вы делаете не то, пока это стоило двух недель, а не квартала.

Что делать, если ни одна из пяти не подходит моему бизнесу?

Тогда у вас либо очень специфический процесс, либо (чаще) ещё не описанный. Проверка простая: попросите сотрудника записать все действия за один рабочий день с точностью до пятнадцати минут. То, что повторится трижды за день у трёх разных людей, и будет вашей первой автоматизацией, даже если этого нет в моём списке.

Не оставит ли это людей без работы?

В дилерском кейсе уволенных ноль, и это не риторика — менеджеры перешли на обращения, до которых раньше не доходили руки. Автоматизация рутины высвобождает часы, а не ставки. Ставки сокращают другие решения, и AI обычно выступает в них удобным поводом, а не причиной.

Что дальше

Порядок, который я описал, — не универсальный закон, а результат нескольких дорогих ошибок и нескольких проектов, где всё сложилось. Он отвечает на вопрос «с чего начать» и не отвечает на вопрос «что именно сломано у вас». Второй вопрос требует взгляда на ваши процессы, и статья здесь не поможет.

Хотите пройти этот список на своих данных — напишите мне, и начнём с того, какой из пяти шагов в вашем случае первый, а какой можно пропустить.

Смотрите также:

• Как оценить AI-инструмент за 20 минут: мой фреймворк — процедура отбора перед тем, как что-то внедрять.
• Мой AI-стек 2026: что я реально использую каждый день — инструменты, которыми сделано всё описанное выше.
• AI-агент vs чат-бот: разница, цена, когда что выбирать — когда автоматизация должна не отвечать, а действовать.
• Как нанять AI-консультанта: чек-лист из 12 вопросов — если делать самому не хочется.

Опубликовал Андрей Марьясов, AI-консультант, основатель Auspex и Grow2.ai; внедрения ведут Auspex (CRM) и Grow2.ai (AI-агенты).