02 серпня, 2026, 13:35 1154
AIN.UA
853 статті
Олександр Рубан, головний виконавчий директор та партнер-засновник Ringostat, у своїй статті для AIN розглядає формування розбіжності між впровадженням ШІ у бізнес-процеси та його фактичним впливом на прибуток компанії.
Існує відчуття, що ШІ на сьогодні став своєрідним корпоративним ажіотажем. Його присутність відчувається у кожній презентації, кожному тематичному дослідженні, у розмовах на рівні “ми теж уже впровадили”. Проте, якщо зупинитися і поставити просте запитання — що насправді змінилося в бізнесі — відповідь часто стає значно менш однозначною.
Згідно з даними McKinsey, наприкінці 2025 року близько 88% світових компаній вже використовували ШІ щонайменше в одному процесі. Однак, 94% опитаних визнали, що не бачать від цього “суттєвої” бізнес-цінності.
І це добре вписується в ширший контекст ринку. Оскільки масштабування ШІ на рівні організації — коли він реально впливає на продуктивність, дохід або швидкість прийняття рішень — все ще є радше винятком, ніж правилом. В результаті формується дивна розбіжність між “наявністю ШІ” та його бізнес-ефектом. І це не завжди починається з технології.
LLM-моделі як найзручніша ілюзія трансформації
Існує досить типовий сценарій. У компанії з’являється ChatGPT, Claude або будь-який інший генеративний інструмент. Спочатку команда експериментує, потім запроваджує локальні вдосконалення. Далі виникає відчуття, що “ми вже використовуємо ШІ”.
І це частково правда. Проте, переважно змінюється не система роботи, а швидкість окремих операцій. Звіти та відповіді генеруються швидше, аналіз стає менш обтяжливим.
В результаті рутинні завдання частково передаються до ШІ, але відповідальність за результат, контекст та рішення залишається за людиною.
Багато досліджень, зокрема Future of Jobs Report від World Economic Forum, все частіше описують цей зсув не як “зникнення професій”, а як зміну набору завдань у межах однієї ролі. Тобто, професії не зникають, а трансформуються.
Це, однак, не означає, що ШІ ніде не замінює людей. Для частини компаній автоматизація справді стає способом зменшення витрат на персонал. І це також одна з можливих бізнес-стратегій.
У Ringostat ШІ — насамперед інструмент для масштабування можливостей команди. Тому під час AI-трансформації в компанії не звільняли людей через те, що їхню роботу навчився виконувати штучний інтелект.
Але сам по собі такий підхід ще нічого не гарантує. Якщо ШІ лише прискорює окремі завдання, а сам процес залишається незмінним, продуктивність окремих людей може зрости, а бізнес-результат — майже ні.
У цьому й полягає головна пастка “ChatGPT-ефекту”. Він створює ілюзію трансформації через швидкість, але не впливає на результати роботи. А це є ключовим. Бо бізнес платить не за виконання завдань як таких, а за результат, який вони створюють.
Який це вигляд має всередині компанії, де AI вже став робочою нормою
У нашій компанії є два основні напрямки: розробка продуктів на базі ШІ та внутрішня ШІ-трансформація.
Ми розглядаємо ШІ як спосіб перебудови процесів і продукту так, щоб ефект можна було виміряти в бізнес-метриках. Це інший рівень завдання, де важливо не “чи використовуємо”, а “що саме змінюється”.
Тому для кожної ШІ-ініціативи ми намагаємося розрахувати її грошовий еквівалент. А також — прив’язати цей результат до конкретних показників команди. Якщо наприкінці впровадження KPI залишилися незмінними, дуже складно говорити про реальну цінність трансформації. Навіть якщо суб’єктивно всім здається, що покращення відбулося.
Поява ChatGPT кілька років тому стала першим поштовхом: наша команда почала активно експериментувати з ШІ у повсякденній роботі, але досить швидко стало зрозуміло, що окремих ініціатив недостатньо. Тоді ми створили посаду Head of AI, щоб системно розібратися з можливостями технології для бізнесу. Повного розуміння, куди приведе цей напрямок, не було. Але було відчуття, що пропустити цей момент буде значно дорожче.
Досить швидко ми зрозуміли й інше. Доступ до ШІ ще не означає його ефективне використання.
Тому з’явилися спільні правила роботи, окрема команда AI Productivity Team, яка допомагає департаментам перебудовувати процеси, і постійний обмін практичними прикладами між командами.
Сьогодні всередині компанії використовується майже три десятки ШІ-інструментів. Частина з них універсальна — ChatGPT, Claude. Це базовий шар, з якого все починається. Але далі йдуть цікавіші речі.
Наприклад, у відділі підтримки працює власний чатбот, який зараз обробляє близько 15% усіх звернень клієнтів. У маркетингу використовуються Synthesia AI для створення відеоконтенту. У технічних командах — спеціалізовані інструменти для розробки. Паралельно з цим ми створюємо власні ШІ-рішення.
Наприклад, TARS (або, як ми називаємо його між собою, Тарас) — внутрішній ШІ-асистент, підключений до корпоративних баз знань. Він допомагає знаходити інформацію, збирати дані з різних систем і брати на себе частину рутинних завдань. Іноді це складний пошук у внутрішній документації. Іноді — ранковий звіт, який більше не потрібно формувати вручну.
У певний момент ШІ перестає бути чимось окремим і стає частиною роботи. Так само непомітно, як колись стали електронна пошта, CRM чи корпоративні месенджери.
Навіть окремі локальні зміни можуть давати відчутний ефект. Наприклад, продуктивність підрозділу Automation QA за лютий-квітень 2026 року зросла вчетверо завдяки системному використанню ШІ.
Де AI починає працювати як система, а не як інструмент
ШІ майже ніколи не працює локально. Можна в кілька разів прискорити одну команду і не отримати помітного результату для бізнесу загалом. Причина проста: будь-яка система впирається у свою найвужчу ланку.
Наприклад, у нашому технологічному департаменті є команда, яка формує технічні завдання, команда розробників, яка їх реалізує, і команда мануальних QA, яка тестує результат.
Якщо різко підвищити продуктивність лише manual QA, загальна швидкість системи майже не зміниться. Бо обмеження залишаться в інших точках процесу.
Саме тому ШІ починає давати відчутний ефект не тоді, коли його просто додають до процесу. А тоді, коли весь пайплайн розглядається як єдина система.
Такий підхід вже дає вимірюваний результат і на рівні всієї компанії. За перше півріччя 2026 року з ШІ ми зекономили близько 4% річних витрат. Ціль на друге півріччя — ще 5–7%.
Та сама логіка працює і в клієнтських проєктах. Найбільший ефект ШІ дає тоді, коли змінюється не окрема операція, а спосіб роботи всього процесу.
Коли аналіз дзвінків у продажах, наприклад, перестає бути вибірковою ручною роботою. Коли керівнику більше не потрібно прослуховувати десятки розмов навмання, щоб зрозуміти, що відбувається в команді.
Після підключення мовної аналітики дзвінків з ШІ з’являється зовсім інший масштаб: керівник бачить не фрагмент, а всю систему комунікацій. Змінюється не тільки час, а й якість рішень.
Є й інший напрямок, який часто недооцінюють — голосові ШІ-рішення на кшталт AI VoiceBot. Це голосовий агент на базі штучного інтелекту, який сам телефонує і приймає дзвінки, веде діалог у реальному часі й відповідає на запитання в середньому за дві-три секунди.
Його ключовий ефект у тому, що він може взяти на себе значну частину стандартних телефонних звернень. Для одних компаній це спосіб частково замінити роботу операторів. Для інших — можливість масштабувати комунікацію без розширення штату й звільнити команду від рутинних дзвінків.
Як наслідок, різко скорочується кількість пропущених звернень і бізнес перестає втрачати потенційних клієнтів.
За нашими оцінками, до 90% рутинних дзвінків можна автоматизувати без втрати якості. AI VoiceBot працює 24/7 і здатен обробляти до 120 тисяч дзвінків на добу без розширення штату.
Ми самі використовуємо цей продукт для обробки дзвінків у неробочий час. І хоча рівень пропущених звернень у нас і раніше був невисоким, зараз він наближається до нуля.
Аналіз же клієнтських проєктів показує, що середній показник пропущених вхідних дзвінків, які міг би автоматично обробити голосовий ШІ-агент, сягає близько 15%. І це вже не про телефонію. А про маркетинговий бюджет, який уже був витрачений.
Про потенційний продаж, який може не відбутися. Саме тому в багатьох випадках ШІ тут працює не як інструмент автоматизації, а як спосіб не втрачати те, за що бізнес уже заплатив.
Чому більшість AI-ініціатив не доходять до бізнес-ефекту
Якщо подивитися на невдалі ШІ-проєкти, то причина рідко в самій технології.
Інструмент можна придбати за кілька хвилин. Перебудова процесів і впровадження займають місяці. І саме вони зазвичай виявляються найскладнішою частиною трансформації.
Є й інша проблема. Коли ШІ впроваджується тому, що всі навколо вже впроваджують ШІ.
У певний момент з’являються десятки внутрішніх агентів, нових інструментів і гучних анонсів. Роботи стає більше. А зрозуміти, що саме покращилося для бізнесу, стає складніше.
ШІ-трансформація починається лише там, де з’являються конкретні цифри та стратегія. Якщо їх немає, рано чи пізно вся історія починає нагадувати дорогий експеримент, а не системну зміну. Якщо продуктивність зростає, це має знайти відображення в KPI, цілях і способі оцінки роботи. Інакше частина ефекту просто губиться всередині системи.
І нарешті останнє. ШІ-трансформація не закінчується в день запуску. Насправді в цей день вона тільки переходить у наступну фазу.
Нові процеси потрібно переглядати. Результати — перевіряти, а гіпотези — перегравати заново. Мабуть, у цьому і є головна особливість роботи з ШІ. Це не про впровадження. Це про постійне налаштування системи, яка весь час змінюється.
Источник: www.ukrinform.ua