Внедрение ИИ за 3 месяца: инженерный план

Внедрение ИИ за 3 месяца: инженерный план

Семь этапов внедрения ИИ за три месяца: что делать на каждом шаге, какие сроки и бюджеты закладывать и где чаще всего сгорают деньги.

Содержание

ИИ — это график работ, а не магия

«Хотим внедрить ИИ» — запрос, который мы слышим почти каждую неделю. Спрос на это вырос ощутимо: по данным vc.ru, число поисковых запросов «внедрение ИИ» в Яндексе за год выросло на 56% — с 7 600 до 11 900 показов в месяц. Бизнес перешёл от вопроса «что такое ИИ» к практическому «как его внедрить».

Проблема в том, что за запросом редко стоит план: ни сроков, ни этапов, ни понимания, на что именно уйдут деньги. Мы подходим к этому как к обычному инженерному проекту — раскладываем работу на понятные шаги. Реалистичный срок до первого работающего результата — около трёх месяцев. Ниже наш рабочий план: что происходит на каждом этапе, какие сроки и бюджеты закладывать и где чаще всего сгорает бюджет.

Месяц первый: аудит и выбор точки входа

Первый месяц — про разведку, а не про код. Мы смотрим, где в процессах команды утекает время: какие задачи повторяются и делаются руками. Это самый дешёвый этап, но именно он определяет, окупится ли всё остальное.

Источник на vc.ru закладывает на разведку две бесплатные недели — по одной на аудит процессов и на выбор точек внедрения. Мы поступаем так же: сначала находим рутину, затем отбираем 1–2 сценария с лучшим соотношением «сэкономленное время / сложность». Не самый эффектный процесс, а самый предсказуемый — тот, что точно даст результат и не утянет проект в бесконечные доработки.

Прежде чем закладывать бюджет, стоит честно ответить на три вопроса: какую конкретную задачу закрывает ИИ, есть ли для неё данные нужного качества и кто будет чинить пайплайн, когда источник изменится. Нет ответов — нет смысла идти дальше. По наблюдениям vc.ru, две самые частые ошибки на старте как раз отсюда: попытка автоматизировать всё сразу и запуск без предварительного аудита.

Месяц второй: пилот на одном процессе

Второй месяц — это минимальный работающий прототип на одном выбранном процессе. Не «платформа на вырост», а узкий сценарий, который можно запустить, измерить и показать команде. Здесь появляется первая ощутимая статья расходов: vc.ru оценивает пилотный проект в 2–4 недели и от 100 000 ₽.

Стоимость сильно зависит от сложности. Источник приводит три категории: простой FAQ-бот — 100 000–200 000 ₽ и около 5 000 ₽ в месяц на поддержку; Telegram-бот с интеграцией в CRM — 500 000–1 000 000 ₽ и ~15 000 ₽ в месяц; полноценный ИИ-агент — 1 500 000–3 000 000 ₽ и ~30 000 ₽ в месяц. Для пилота мы почти всегда советуем нижнюю границу: задача этапа — проверить гипотезу, а не построить финальную систему.

Пилот на одном процессе с быстрой проверкой экономики

Сразу после запуска считаем экономику. Чтобы было от чего отталкиваться, vc.ru приводит модельный расчёт: экономия 1,5–2 часа в день × 22 рабочих дня × 2 500 ₽/час даёт 82 500–110 000 ₽ в месяц при затратах около 3 000 ₽ в месяц. Это иллюстрация механики, а не обещание: ваши часы, ставка и нагрузка будут своими. Если цифры на вашем процессе не сходятся — лучше остановиться здесь, на потраченных деньгах пилота, чем масштабировать убыток. Как именно считать окупаемость на своих данных, мы разбирали в материале сколько это стоит и когда окупается.

Месяц третий: масштабирование и команда

Когда пилот показал положительную экономику, расширяем его на смежные участки и достраиваем интеграции — связываем ИИ-слой с CRM, биллингом и тем, что уже работает. Это самый объёмный по бюджету этап: vc.ru оценивает масштабирование в 4–8 недель и от 300 000 ₽, в зависимости от числа источников и систем.

Параллельно учим команду. Источник отводит на обучение 1–2 недели и от 50 000 ₽ — и отдельно отмечает, что игнорировать этот шаг нельзя: на освоение нового инструмента людям нужно около двух недель. Без обучения даже хороший инструмент простаивает — люди возвращаются к привычной рутине. Сами интеграции мы чаще всего собираем на низкокодовых сценариях; о подходе и инструментах — в заметке на чём собирают автоматизацию.

Сводный план: этапы, сроки, бюджеты

Ниже — те же семь этапов одним списком. Сроки и суммы приведены по vc.ru; это ориентир для планирования, а не фиксированная смета.

ЭтапСрокБюджетРезультат
Аудит процессов1 неделябесплатнокарта рутины
Выбор точек внедрения1 неделябесплатно1–2 сценария под пилот
Пилотный проект2–4 неделиот 100 000 ₽работающий прототип
Оценка ROI1 неделя—решение масштабировать / нет
Масштабирование4–8 недельот 300 000 ₽ИИ в релевантных участках
Обучение команды1–2 неделиот 50 000 ₽люди реально пользуются
Мониторингпостоянно10–15% от затратустойчивая работа

Что остаётся после трёх месяцев

Внедрение не заканчивается запуском. Дальше — мониторинг и итерации: модели и источники меняются, форматы данных «уплывают», и без присмотра даже аккуратный пайплайн со временем начинает врать. Источник закладывает на это 10–15% от затрат на постоянной основе — и это разумнее, чем чинить всё разом, когда отчёт однажды утром выдаст ерунду.

Главное, что стоит держать в голове: основной бюджет уходит не на саму модель. Деньги съедает инженерия вокруг неё — данные, интеграции и устойчивость. Поэтому экономия именно на этих этапах — самый частый способ сжечь бюджет и не получить результата.

Отдельный этап такого проекта — интеграция систем и API: данные должны надёжно проходить между источниками и приложением.

Если у вас есть процесс, который команда делает руками каждую неделю, — с него и стоит начинать. Опишите задачу: мы прикинем, в какой из трёх месяцев она уложится, сколько будет стоить пилот и есть ли вообще смысл его запускать. Честно скажем, если проще оставить как есть.

Читайте также

Сколько на самом деле стоит внедрить ИИ в бизнес
Разбор7 мин

Сколько на самом деле стоит внедрить ИИ в бизнес

Разбираем экономику внедрения ИИ по данным с vc.ru: на что уходят деньги, почему не на модель, когда вложенное возвращается и почему проваливается каждое четвёртое внедрение.

Сравнение ИИ-моделей: как выбрать под задачу бизнеса
Обзор8 мин

Сравнение ИИ-моделей: как выбрать под задачу бизнеса

GPT, Claude, Gemini, YandexGPT и GigaChat в одной таблице: контекст, цена за 1M токенов, доступность в РФ. Разбираем, как выбрать модель под задачу.

Автоматизация на n8n: какие сценарии под ключ
Гайд7 мин

Автоматизация на n8n: какие сценарии под ключ

Разбираем как инженеры: что n8n снимает в продажах, HR, финансах и поддержке, как устроены такие пайплайны и когда автоматизация вообще не нужна.

Кейсы внедрения ИИ: что общего у успешных
Разбор8 мин

Кейсы внедрения ИИ: что общего у успешных

Разбираем публичные кейсы внедрения ИИ — от BBVA до Klarna — и вытаскиваем закономерности: что объединяет успешные проекты и где они ломаются.