1. Внедрять ИИ ради ИИ
«Конкуренты внедряют — и нам надо» — худшая мотивация. ИИ — инструмент для конкретных задач: понимать текст, классифицировать, извлекать данные, готовить черновики. Если задача формулируется как «хотим ИИ», а не «тратим 3 часа в день на разбор писем» — начните с поиска задачи.
2. Начинать с самого сложного
Первый проект должен быть скучным и измеримым: разбор входящих заявок, черновики ответов, сортировка документов. «ИИ-стратегия компании» и «полная замена отдела продаж» — путь к разочарованию и потраченному бюджету.
3. Ждать от ИИ точности калькулятора
Модель ошибается — это свойство технологии, а не брак. Проектируйте процесс под это: проверки на критичных шагах, человек подтверждает важное, пороги уверенности. Где ошибка недопустима и правила жёсткие — там обычный алгоритм, он надёжнее и дешевле.
4. Убрать человека из цепочки сразу
Правильная последовательность: ИИ готовит → человек подтверждает → статистика показывает, где ИИ стабильно прав → только эти сценарии переводятся в автомат. Пропуск этапа черновиков — самая дорогая ошибка из списка: цену платят клиенты.
5. Скормить модели всё подряд
Не отправляйте в API персональные данные и коммерческую тайну без необходимости: чувствительные поля маскируются, объём передаваемого контролируется, для строгих случаев есть локальные модели. Это и безопасность, и экономия на токенах.
6. Не посчитать экономику
У ИИ есть месячная стоимость: API, сервер, поддержка. Посчитайте до старта: сколько часов экономится, сколько стоит час, сколько стоит работа системы. Формула та же, что в статье про стоимость автоматизации. Здоровый проект окупается за 1–4 месяца.
7. Поверить, что «настроил и забыл»
Данные меняются, ассортимент обновляется, появляются новые типы вопросов. Без регулярного взгляда на журнал ответов качество тихо деградирует. Закладывайте лёгкое сопровождение — час-два в месяц, не больше, но регулярно.