02 серпня, 2026, 13:35 1168
AIN.UA
853 статті
Олександр Рубан, СЕО та керуючий партнер Ringostat, у своїй колонці для AIN досліджує, як формується розбіжність між інтеграцією ШІ в бізнес-процеси та його фактичним впливом на прибуток компанії.
Складається враження, що ШІ сьогодні перетворився на своєрідний корпоративний резонанс. Він присутній у кожній презентації, у кожному вивченому кейсі, у розмовах на кшталт «ми теж вже впровадили». Але якщо зупинити цей потік і поставити просте запитання — що насправді змінилося в бізнесі — відповідь часто стає значно менш чіткою.
Згідно з даними McKinsey, ще наприкінці 2025 року приблизно 88% компаній по всьому світу вже використовували ШІ хоча б в одному процесі. Однак 94% опитаних визнали, що не спостерігають від цього «суттєвої» бізнес-користі.
Це добре вписується в ширший ринковий контекст. Масштабування ШІ на рівні організації — коли він реально впливає на продуктивність, прибуток або швидкість прийняття рішень — все ще є радше винятком, ніж усталеною практикою. Внаслідок цього виникає дивний розрив між «наявністю ШІ» та його бізнес-ефектом. І цей розрив не завжди починається з технології.
LLM-моделі як найдоступніша ілюзія трансформації
Є досить типовий сценарій. У компанії з’являється ChatGPT, Claude або будь-який інший генеративний інструмент. Спочатку команда експериментує, потім вносить локальні вдосконалення. Після цього виникає відчуття, що «ми вже активно використовуємо ШІ».
І це частково правда. Втім, найчастіше змінюється не методологія роботи, а швидкість виконання окремих операцій. Звіти та відповіді формуються оперативніше, аналіз стає менш обтяжливим.
В результаті, рутина частково делегується ШІ, але відповідальність за результат, контекст та остаточні рішення залишається на людині.
Численні дослідження, зокрема «Future of Jobs Report» від World Economic Forum, все частіше описують цей зсув не як «зникнення професій», а як модифікацію набору завдань у межах однієї посади. Тобто, професії не зникають, а переформатовуються.
Це, однак, не означає, що ШІ ніде не замінює людей. Для частини компаній автоматизація справді стає шляхом до скорочення витрат на персонал. І це також є однією з можливих бізнес-стратегій.
У Ringostat ШІ — це насамперед інструмент для розширення можливостей команди. Тому під час нашої AI-трансформації ми не звільняли співробітників через те, що їхню роботу почав виконувати штучний інтелект.
Але сам по собі такий підхід ще нічого не гарантує. Якщо ШІ лише прискорює виконання окремих завдань, а основний процес залишається незмінним, продуктивність окремих працівників може зрости, а загальний бізнес-результат — майже ні.
У цьому й криється основна пастка «ChatGPT-ефекту». Він створює ілюзію трансформації через прискорення, але не впливає на кінцеві результати роботи. А це є ключовим. Адже бізнес платить не за виконання завдань як таких, а за результат, який вони генерують.
Як виглядає ситуація всередині компанії, де ШІ вже став робочою нормою
У нашій компанії є два основних вектори розвитку: створення продуктів на основі ШІ та внутрішня AI-трансформація.
Ми розглядаємо ШІ як спосіб перебудови процесів і продукту таким чином, щоб ефект можна було кількісно оцінити за допомогою бізнес-метрик. Це завдання вищого рівня, де важливе не «чи використовуємо», а «що саме змінюється».
Тому для кожної AI-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 відбулися поліпшення.
Поява ChatGPT кілька років тому стала першим поштовхом: наша команда почала активно експериментувати з ШІ у повсякденній діяльності, але досить швидко стало зрозуміло, що поодиноких ініціатив недостатньо. Тоді ми заснували посаду Head of AI, щоб системно дослідити можливості технології для бізнесу. Повного розуміння, куди цей напрямок призведе, не було. Але було відчуття, що пропустити цей момент буде значно дорожче.
Досить швидко ми усвідомили й інше. Доступ до ШІ ще не означає його ефективне застосування.
Тому були розроблені спільні правила роботи, сформована окрема AI Productivity Team, яка допомагає департаментам перебудовувати процеси, та налагоджено постійний обмін практичними кейсами між командами.
Сьогодні всередині компанії задіяно майже три десятки AI-інструментів. Частина з них є універсальною — ChatGPT, Claude. Це базовий рівень, з якого все починається. Але далі йдуть цікавіші рішення.
Наприклад, у департаменті підтримки функціонує власний чатбот, який зараз обробляє близько 15% усіх звернень клієнтів. У маркетингу використовується Synthesia AI для створення відеоконтенту. У технічних командах — спеціалізовані інструменти для розробки. Паралельно з цим ми розробляємо власні AI-рішення.
Наприклад, TARS (або, як ми називаємо його між собою, Тарас) — внутрішній AI-асистент, інтегрований з корпоративними базами знань. Він допомагає шукати інформацію, збирати дані з різних систем та 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 відокремленим і стає невід’ємною частиною робочого процесу. Так само непомітно, як колись стали електронна пошта, CRM чи корпоративні месенджери.
Навіть окремі локальні зміни можуть давати помітний ефект. Наприклад, продуктивність підрозділу Automation QA за лютий-квітень 2026 року зросла вчетверо завдяки системному використанню ШІ.
Де ШІ починає працювати як система, а не як окремий інструмент
ШІ майже ніколи не функціонує ізольовано. Можна багаторазово прискорити одну команду і не отримати помітного результату для бізнесу в цілому. Причина проста: будь-яка система обмежена своєю найвужчою ланкою.
Наприклад, у нашому технологічному департаменті є команда, яка формує технічні завдання, команда розробників, яка їх реалізує, і команда мануального QA, яка тестує результат.
Якщо різко підвищити продуктивність лише manual QA, загальна швидкість системи майже не зміниться. Адже обмеження залишаться в інших частинах процесу.
Саме тому ШІ починає демонструвати відчутний ефект не тоді, коли його просто додають до наявного процесу. А тоді, коли весь пайплайн розглядається як єдина взаємопов’язана система.
Такий підхід вже приносить вимірюваний результат і на рівні всієї компанії. За перше півріччя 2026 року завдяки ШІ ми зекономили близько 4% річних витрат. Наше завдання на друге півріччя — ще 5–7%.
Та сама логіка застосовується і в клієнтських проєктах. Найбільший ефект ШІ дає тоді, коли змінюється не окрема операція, а загальний підхід до роботи в рамках всього процесу.
Коли аналіз дзвінків у відділі продажів, наприклад, перестає бути вибірковою ручною працею. Коли керівнику більше не потрібно прослуховувати десятки розмов навмання, щоб зрозуміти, що відбувається в команді.
Після інтеграції мовної аналітики дзвінків за допомогою ШІ з’являється зовсім інший масштаб: керівник бачить не фрагмент, а цілісну картину комунікацій. Змінюється не тільки час, а й якість прийнятих рішень.
Є й інший напрямок, який часто недооцінюють, — голосові AI-рішення, як-от AI VoiceBot. Це голосовий агент на базі штучного інтелекту, який самостійно здійснює та приймає дзвінки, веде діалог у реальному часі та відповідає на запитання в середньому за дві-три секунди.
Його ключовий ефект полягає в тому, що він може взяти на себе значну частку стандартних телефонних звернень. Для одних компаній це спосіб частково замінити роботу операторів. Для інших — можливість масштабувати комунікацію без розширення штату та 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 шкоди для якості. AI VoiceBot працює 24/7 і здатен обробляти до 120 тисяч дзвінків на добу без потреби збільшувати штат.
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 клієнтських проєктів показує, що середній показник пропущених вхідних дзвінків, які міг би автоматично обробити голосовий AI-агент, становить близько 15%. І це вже не про телефонію. А про маркетинговий бюджет, який вже був витрачений.
Про потенційний продаж, який може не відбутися. Саме тому в багатьох випадках ШІ тут виступає не як інструмент автоматизації, а як спосіб зберегти те, за що бізнес вже заплатив.
Чому більшість AI-ініціатив не досягають бізнес-ефекту
Якщо поглянути на невдалі AI-проєкти, то причина рідко полягає в самій технології.
Інструмент можна придбати за кілька хвилин. Перебудова процесів та їх впровадження займають місяці. І саме ці аспекти зазвичай виявляються найскладнішою частиною трансформації.
Є й інша проблема. Коли ШІ впроваджується лише тому, що всі навколо вже це роблять.
У певний момент з’являються десятки внутрішніх агентів, нових інструментів та гучних анонсів. Роботи стає більше. А зрозуміти, що саме покращилося для бізнесу, стає складніше.
AI-трансформація починається лише там, де є чіткі цифри та стратегія. Якщо їх немає, рано чи пізно вся ця історія починає нагадувати дорогий експеримент, а не системну зміну. Якщо продуктивність зростає, це повинно відображатися в KPI, цілях і методах оцінки роботи. Інакше частина ефекту просто губиться всередині системи.
І нарешті, останнє. AI-трансформація не завершується в день запуску. Насправді, саме в цей день вона переходить у наступну фазу.
Нові процеси потребують перегляду. Результати — перевірки, а гіпотези — переосмислення. Мабуть, у цьому й полягає головна особливість роботи зі ШІ. Це не про впровадження. Це про постійне налаштування системи, яка весь час еволюціонує.