Автоматизація без магії: як зрозуміти, де бізнесу справді потрібен AI
Владислав Рядов уже близько трьох років займається автоматизацією бізнес-процесів, побудовою ERP-систем та інтеграцією штучного інтелекту. За його досвідом, головна помилка бізнесу — починати не з проблеми, а з технології.
«Правильна автоматизація — це не та, де найбільше штучного інтелекту, а та, яка найкраще вирішує бізнес-проблему».
Не кожному бізнесу потрібна однакова автоматизація
Коли клієнт приходить із запитом «А що нам можна автоматизувати?», універсальної відповіді немає. У транспортної компанії проблеми можуть бути пов'язані з документацією, звітністю, паливом чи ремонтами. У товарного бізнесу — із замовленнями, клієнтами та рекламою.
Саме тому Владислав створив AI-бота-аудитора. Він не просто ставить однакові запитання всім користувачам, а змінює наступні питання залежно від попередніх відповідей. У результаті бізнес отримує не перелік модних технологій, а своєрідний roadmap: що можна автоматизувати, скільки це може коштувати і чи є в цьому економічний сенс.
Наприклад, якщо працівник витрачає на певну дію 15 хвилин на тиждень, немає сенсу створювати під неї систему за €1000–2000. Автоматизація має окупатися, а не просто існувати.
Чотири рівні: від готового сервісу до власної розробки
Владислав радить рухатися від найпростішого рішення до складнішого:
- готовий сервіс або інтеграція;
- no-code платформи на кшталт Zapier, Make чи n8n;
- AI для роботи з неструктурованою інформацією;
- кастомна розробка, коли інших варіантів недостатньо.
Такий підхід дозволяє не витрачати час і гроші на розробку того, що вже існує на ринку.
Іноді достатньо підключити ChatGPT до Google Drive з таблицями й отримувати потрібну інформацію звичайним запитом. В одному з кейсів клієнт міг запитати, яка машина за певний період витратила найбільше коштів на пальне, не створюючи для цього окрему систему.
AI добре працює там, де багато неструктурованих даних
Один із практичних кейсів Владислава — автоматизація фінансового контролю транспортної компанії в Європі.
Система моніторить вхідні листи, знаходить потрібні інвойси, розпізнає їх, структурує дані та зберігає інформацію в базі. Далі дані потрапляють у Google Таблиці, де можна бачити витрати по кожній машині та категорії.
Система також шукає аномалії. Наприклад, якщо вантажівка витратила підозріло багато пального або занадто часто заїжджає на заправку, власник отримує сповіщення.
Ще цікавіший випадок — інвойс на автомобіль, якого взагалі не було в автопарку. Система винесла такий рахунок в окрему категорію та повідомила власника. За перший тиждень це допомогло запобігти витратам у €500.
Не варто доручати AI те, що краще рахує база даних
AI зручний для розпізнавання документів, пошуку інформації, роботи з великими масивами неструктурованих даних і запитів звичайною людською мовою.
Але математичні розрахунки краще залишати системам, які створені саме для цього.
Якщо потрібно порахувати пробіг, витрати, години чи суми, надійніше передати ці операції базі даних. AI може сформувати потрібний запит, а сама база виконає розрахунок. Це зменшує ризик помилок і «галюцинацій».
Такий самий принцип працює з інвойсами: AI може витягнути дані з документа, але результат варто додатково перевіряти. Наприклад, система може самостійно скласти всі позиції рахунку та порівняти їх із підсумковою сумою. Якщо значення не збігаються — документ передається людині на перевірку.
AI не обов'язково має бути центром системи
Інший кейс Владислава — CRM для компанії з Чехії, яка займається ремонтом побутової техніки.
Уся система працює через Telegram-бот: адміністратор створює заявку, система перевіряє доступність майстра, передає йому замовлення, а майстер після виконання додає коментар, фото та змінює статус.
Там є історія заявок, статистика, графік роботи майстрів, інформація про оплату та інші дані.
І при цьому AI у цій системі практично не потрібен. Причина проста: правила чіткі, дані структуровані, а операції можна виконати звичайним кодом.
Це важливий принцип: якщо задачу можна стабільно та дешевше вирішити кодом або готовим сервісом, AI не обов'язково додавати лише заради AI.
Окреме питання — дані та конфіденційність
Під час обговорення учасники також звернули увагу на юридичні ризики роботи з персональними даними.
Коли бізнес передає документи, бухгалтерську інформацію чи дані клієнтів зовнішнім AI-сервісам, потрібно враховувати вимоги законодавства країни, у якій працює компанія. Для різних юрисдикцій правила можуть відрізнятися, тому архітектуру системи варто продумувати разом із фахівцями, які розуміються на місцевому законодавстві.
Для частини проєктів може бути доцільним використання локальних моделей або власної інфраструктури — особливо коли йдеться про великі обсяги даних, конфіденційність чи специфічні вимоги клієнта.
Починати варто не з AI, а з бізнес-проблеми
Сьогодні спокуса додати AI практично в кожен процес дуже велика. Але технологія сама по собі не робить систему кращою.
Спочатку потрібно зрозуміти, що саме забирає час, де виникають помилки, скільки це коштує бізнесу і який результат має дати автоматизація. І лише після цього обирати інструмент.
Бо іноді найкращим рішенням буде AI. Іноді — no-code. Іноді — звичайний код. А іноді найкраще рішення взагалі нічого не автоматизувати.
З чого почати автоматизацію вже сьогодні
Перш ніж шукати AI-рішення, варто пройти простий алгоритм:
- Знайдіть процес, який регулярно забирає час або створює помилки.
- Порахуйте його реальну вартість: скільки годин на місяць на нього витрачається і скільки коштує робота людини.
- Перевірте, чи є готовий сервіс, який уже вирішує цю задачу.
- Якщо готового рішення немає — спробуйте no-code, наприклад n8n, Make або Zapier.
- Додавайте AI там, де є неструктуровані дані: документи, листи, тексти, великі масиви інформації або запити звичайною мовою.
- Для точних розрахунків, чітких правил і критичних операцій залишайте код та бази даних джерелом правди.
- І завжди перевіряйте, що відбувається з даними, які ви передаєте зовнішнім AI-сервісам.
Головне — не автоматизувати заради самої автоматизації. Хороша система не та, у якій найбільше AI, а та, яка забирає конкретну проблему за адекватні гроші й працює надійно.
Якщо процес можна вирішити за 20 хвилин готовим інструментом — не потрібно будувати під нього систему місяць. А якщо автоматизація щомісяця економить десятки годин або допомагає уникнути помилок на сотні чи тисячі євро — тоді її вже варто розглядати як реальний бізнес-інструмент.