ИИ ускорил шаг, а процесс — нет: почему узкое место переезжает и куда ставить агента
Ускорение шага ускоряет процесс, только если этот шаг — узкое место. Иначе очередь переезжает на следующий шаг, и срок заявки почти не меняется.
A2 Labs начинает не с агента, а с замера процесса: меряет путь заявки, обращения или документа от входа до результата, находит узкое место и ставит агента туда, где выигрывает весь процесс, — а если хватит правки маршрута, так и говорит.
Почему ускорение одного шага не ускоряет процесс?
Сквозное время процесса — это сумма времени всех шагов вместе с ожиданием между ними. Ускоряя один шаг, вы сокращаете только его долю. Это закон Амдала из теории вычислений: общий выигрыш ограничен долей той части, которую ускорили.
Условный пример. Шаг занимает 20% сквозного времени заявки, агент ускорил его в 10 раз. Процесс ускорится в 1 / ((1 − 0,2) + 0,2 / 10) = 1,22 раза: сквозное время сократится на 18%, а не в 10 раз.
| Доля шага в сквозном времени | Во сколько раз ускорили шаг | Во сколько раз ускорился процесс | Сквозное время |
|---|---|---|---|
| 2,5% — час работы в заявке, которая идёт 5 рабочих дней | в 10 раз | в 1,02 раза | −2% |
| 20% | в 10 раз | в 1,22 раза | −18% |
| 20% | шаг убрали совсем | в 1,25 раза | −20% |
| 50% | в 10 раз | в 1,82 раза | −45% |
| 80% | в 10 раз | в 3,57 раза | −72% |
Отсюда главная мысль: заявка идёт пять дней, хотя работы в ней на час. Остальное время она ждёт — в очереди, на согласовании, до следующей пакетной выгрузки. Агент, который «пишет быстрее», ожидание не трогает.
Хуже того, ускоренный шаг подаёт работу быстрее, чем её успевают принять дальше. В MWS это назвали эффектом пробки: «на одном участке работа идет быстро, а на остальных накапливается очередь» [2]. «Автоматизировать один этап и ждать экономии — типичная ошибка», — говорит Егор Ворогушин из «Софтлайн Решений» [3].
Что показывают данные?
Российские исследования 2026 года сходятся: эффект от ИИ видят немногие, и упираются чаще не в модель, а в процесс и в отсутствие замера.
| Исследование | Что нашли | Доля компаний |
|---|---|---|
| «КОРУС Консалтинг», более 80 компаний | Могут подтвердить реальный бизнес-эффект от внедрения ИИ | 12% [1] |
| «КОРУС Консалтинг» | Вообще не измеряют эффект от внедрения ИИ | 44% [1] |
| «КОРУС Консалтинг» | Отслеживают отдельные показатели, но не связывают их с экономикой бизнеса | 25% [1] |
| Strategy Partners, выборка в публикации не раскрыта | Не готовы адаптировать процессы под работу ИИ-агентов | 64% [4] |
| Strategy Partners | Не считали окупаемость проектов с ИИ-агентами или получили результат ниже плана | 57% [4] |
| Strategy Partners | Нет владельца процесса, который мог бы самостоятельно принимать решения | 73% [4] |
| Портал «ИТ-инфраструктура», 140 руководителей ИТ | Уже фиксируют ощутимый экономический эффект от ИИ | 8% [5] |
| Портал «ИТ-инфраструктура» | Называют ключевым ограничением внутренние процессы | 57% [5] |
| «Инфосистемы Джет» | Не видят устойчивого экономического эффекта от ИИ | 46% [6] |
| «Инфосистемы Джет» | Крупные компании, которые отказываются от ИИ-агентов из-за незрелости процессов, инфраструктуры данных и сложностей интеграции | 44% [6] |
Strategy Partners формулирует правило прямо: «метрика эффекта должна быть определена до запуска проекта» [4].
Даже в ИТ картина та же. В разработке ПО ИИ-помощники распространены шире всего, но, по оценке эксперта ГЦ НТЭ и РАНХиГС Дмитрия Пшиченко в «Ведомостях», экономия времени отдельного разработчика «может составлять 20–40% на типовых задачах», а релизы ускорились «максимум на 5–10%, а иногда вообще не изменились» [7]. Это оценка эксперта, а не данные исследования. Механизм хорошо виден в данных вендора Faros AI: в командах, где ИИ используют активно, разработчики сливают на 98% больше изменений, а время ревью растёт на 91% [8]. Узкое место переехало с написания кода на проверку.
Мировые данные — о том же. По опросу BCG 2024 года (1 000 руководителей, 59 стран), 74% компаний ещё не получили ощутимой ценности от ИИ, а около 70% проблем внедрения связаны с людьми и процессами, 20% — с технологиями и только 10% — с алгоритмами [9]. Отчёт DORA 2025 — тоже данные о разработке ПО — говорит коротко: «AI doesn't fix a team; it amplifies what's already there», то есть ИИ не чинит команду, а усиливает то, что в ней уже есть [10].
Почему при этом пилоты так редко доходят до прода — в отдельном разборе «Только 1 из 10 пилотов ИИ доходит до прода».
Как «переезд» узкого места выглядит в заявках, обращениях и документах?
Ниже три схемы — типовые сценарии, а не наши кейсы. Цифр в них нет нарочно: у каждой компании они свои.
| Процесс | Что ускорили | Куда переехала очередь | Что смотреть |
|---|---|---|---|
| Обращения в контакт-центре | Бот первой линии отвечает за секунды | Растёт очередь второй линии: сложные обращения и переводы на человека | Время до решения обращения, долю переданных человеку, повторные обращения |
| Заказы из почты в 1С | Агент за минуты заводит черновики заказов | Черновики копятся у менеджеров на проверке и проведении | Время от письма до проведённого заказа, число непроведённых черновиков |
| Входящие документы | Распознавание сканов стало быстрее | Согласование идёт раз в день пакетом — документ ждёт следующего пакета | Время от получения до проводки, долю возвратов на доработку |
Во всех трёх случаях метрика шага улучшилась, а сквозное время — почти нет. Бывает и хуже: ускоренный шаг нагружает соседний — например, черновиков стало больше, и их надо перепроверять. Поэтому рядом с главной метрикой всегда держат сдерживающие. Как устроен агент ввода заявок и где в нём человек — в разборе «Агент ввода заявок из почты в 1С:ERP и ТМС».
Как найти настоящее узкое место?
Не по ощущениям, а по карте процесса. Четыре шага:
- Выбрать единицу и границы. Заявка, обращение или документ; где начинается и где заканчивается её путь.
- Разделить время работы и время ожидания. Сколько единица в работе на каждом шаге и сколько лежит между шагами. Ожидание обычно больше работы.
- Найти, где копится очередь. Неразобранные письма, непроведённые черновики, документы на согласовании. Узкое место — там, где очередь растёт.
- Проверить, куда переедет. Мысленно снимите узкое место: хватит ли мощности следующему шагу? Если нет, менять придётся оба.
Откуда данные. Выгрузка статусов из ваших систем — 1С, CRM, почты, контакт-центра — за 3–6 месяцев. Если выгрузки нет, хватит выборки 30–50 случаев с отметками времени: точность ниже, и это честно пишут в отчёте. Платформа процессной аналитики (process mining) не обязательна; если она у вас есть, берём её данные.
Какие цифры записать до и после?
Владельцу процесса нужна не точность агента, а метрики процесса. Их пять, плюс сдерживающие — чтобы ускорение одного шага не ухудшило соседний. Без цифр «до» эффект не доказать: без зафиксированного baseline «компания не может доказать эффект даже удачного пилота» [3].
| Метрика | Тип | Как считать | Откуда взять |
|---|---|---|---|
| Сквозное время | процесса | Медиана от входа до результата: от письма до проведённого заказа, от звонка до решения | Отметки времени статусов в 1С, CRM, тикет-системе; на выборке — вручную |
| Пропускная способность | процесса | Сколько единиц доведено до результата за неделю | Журнал документов или обращений со статусом «завершено» |
| Очередь по этапам | процесса | Сколько единиц ждёт на каждом шаге на конец дня или недели | Срез статусов на дату, отчёт по непроведённым документам |
| Доля с первого раза | процесса | Доля единиц без возврата, переделки и повторного обращения | Исправления и возвраты в журнале, повторные обращения того же клиента |
| Стоимость единицы | процесса | Затраты процесса за период, делённые на число единиц; часы считаем деньгами, только если их высвобождают | Бюджет подразделения, табель, счета подрядчиков, расход на модель |
| Жалобы | сдерживающая | Жалобы на тысячу единиц | CRM, контакт-центр |
| Возвраты на следующем шаге | сдерживающая | Сколько работы следующий шаг вернул назад | Журнал согласований и исправлений |
| Доля переданных человеку | сдерживающая | Доля единиц, которые агент не довёл и отдал сотруднику | Журнал агента |
| Доля перепроверяемых ответов | сдерживающая | Сколько ответов агента люди перепроверяют вручную | Журнал агента и контрольная выборка |
Метрики самого агента — точность, стоимость и время ответа — тоже нужны, но это рабочие показатели команды. Решение о пилоте и запуске принимают по метрикам процесса.
Куда ставить агента?
По каждому шагу процесса — один из четырёх ответов. Агент — лишь один из них.
| Ситуация на шаге | Ответ | Что делаем |
|---|---|---|
| Шаг не создаёт ценности: перепечатка между системами, повторная проверка | Убрать | Убираем шаг или заменяем его связкой систем |
| Узкое место, вход структурирован, работа идёт по правилам | Поправить без ИИ | Правило, связка двух систем, шаблон, отказ от пакетной обработки |
| Узкое место, вход неструктурирован (письма, сканы, голос) от 500 в месяц, ошибка дорогая или необратимая | Помощник человеку | Агент готовит, решает человек |
| То же, но ошибку можно исправить | Агент сам | Агент работает с порогом уверенности и выборочной проверкой |
| Шаг не на узком месте | ИИ не ставим | Даже если шаг «удобный»: процесс от этого быстрее не станет |
Иногда лучший ответ — без ИИ. «РусГидро» разобрала данные закупок за пять лет и на одном из маршрутов нашла возможность сократить цикл на 14% — анализом процесса, без агента [11]. В «ЛАНИТ-Терком» говорят о том же: если задачу «эффективнее решить без искусственного интеллекта, это тоже правильный результат» [12]. Правку маршрута и связку систем делаем как автоматизацию бизнес-процессов, агента — как внедрение ИИ-агента.
Что записать до пилота?
Одну страницу, которую обе стороны согласуют до старта. Без неё пилот нечем оценить, и спор о результате начинается после того, как деньги потрачены.
Чек-лист: страница до пилота
- Главная метрика процесса с порогом. Например: медианное время от письма до заказа в 1С снижается с X до Y при той же или лучшей доле с первого раза.
- 2–3 сдерживающие метрики и границы, за которые они не должны выйти.
- Способ замера. Тот же журнал и та же формула, что в цифрах «до»; сравниваем периоды или один канал против остальных.
- Что меняет заказчик на соседних шагах — иначе очередь переедет туда.
- Кто принимает решение и когда.
- Правило остановки: при каких значениях метрик пилот останавливаем.
Что происходит после запуска?
Узкое место смещается — и это нормально: сняли одно ограничение, следующим стал другой шаг. Поэтому в сопровождении каждый месяц показываем ту же метрику процесса и где теперь узкое место, и предлагаем следующий шаг. Развитие — отдельной сметой.
Если ИИ-система уже работает, а эффекта не видно, начинаем с того же вопроса: улучшает ли она процесс целиком. Эксплуатация ИИ-системы другого подрядчика — от 60 000 ₽ в месяц, подробнее — на странице эксплуатации ИИ-систем.
Как мы это делаем?
Начинаем с бесплатной диагностики процесса — около двух недель. Меряем один процесс от входа до результата, к третьему дню формулируем гипотезу узкого места, с четвёртого дня параллельно собираем Прототип. В конце — карта процесса, цифры «до», узкое место и куда оно переедет, решение по каждому шагу, расчёт эффекта и работающий Прототип. Подробно о шагах — как мы работаем.
Дальше — по вашему выбору. Пилот на одном участке за 3–4 недели стоит 300 000–900 000 ₽; оцениваем его по метрике процесса, записанной до старта. Или сразу запуск: от 150 000 ₽ по направлению, ИИ-агенты — от 400 000 ₽. Если узкое место снимается правкой маршрута, это линия «Автоматизация» — от 180 000 ₽. Сопровождение — от 50 000 ₽ в месяц. Цены по шагам — в разборе «Сколько стоит внедрить ИИ-агента».
Работает команда из четырёх ролей: Deployment Strategist (стратег внедрения) ведёт диагностику и карту процесса; Forward Deployed Engineer (инженер продакшна) встраивает агента в ваши 1С, CRM и почту; AI Platform Engineer (инженер платформы) отвечает за модели — в российских облаках или в вашем контуре; AgentOps Engineer (инженер эксплуатации) — за метрики после запуска.
В кейсе федерального B2B-дистрибьютора рядом с ИИ-разбором обращений в одном контуре собраны KPI по точкам и аналитика трендов и причин: поток виден целиком, а не только работа модели. Кейс целиком →
A2 Labs — российская команда внедрения ИИ-агентов, сайт a2labs.ru.
Источники
- «КОРУС Консалтинг», исследование эффекта от внедрения ИИ, CNews, 02.09.2026: более 80 компаний; 12% могут подтвердить реальный бизнес-эффект, 44% не измеряют эффект, ещё 25% отслеживают отдельные показатели без связи с экономикой бизнеса — cnews.ru
- MWS (МТС), итоги митапа, Хабр, 01.09.2026: «Возникает эффект пробки: на одном участке работа идет быстро, а на остальных накапливается очередь»; «Нельзя просто выбрать самый очевидный участок для автоматизации и ожидать пропорционального роста эффективности всей команды» — habr.com
- Е. Ворогушин, «Софтлайн Решения», ict-online, 10.09.2026: «Автоматизировать один этап и ждать экономии — типичная ошибка»; «без зафиксированного baseline — исходной стоимости и параметров процесса — компания не может доказать эффект даже удачного пилота» — ict-online.ru
- Strategy Partners, факторы успеха ИИ-агентов, пересказ «Новостей IT-канала», 14.09.2026: 64% не готовы адаптировать процессы под ИИ-агентов; 57% не рассчитывали ROI или получили ниже запланированного; в 73% компаний нет владельца процесса, который мог бы самостоятельно принимать решения; «метрика эффекта должна быть определена до запуска проекта»; выборка в публикации не раскрыта — novostiitkanala.ru
- Портал «ИТ-инфраструктура», опрос 140 руководителей ИТ, ComNews, 26.03.2026: 8% фиксируют ощутимый экономический эффект от ИИ; 57% называют ключевым ограничением внутренние процессы — comnews.ru
- «Инфосистемы Джет» и Smart Ranking, CNews, 26.08.2026: устойчивого экономического эффекта от ИИ не видят 46% компаний; 44% крупных компаний отказываются от ИИ-агентов из-за недостаточной зрелости процессов, инфраструктуры данных и сложностей интеграции — cnews.ru
- «Ведомости», 11.03.2026: оценка Д. Пшиченко (ГЦ НТЭ, РАНХиГС) — экономия времени разработчика «может составлять 20–40% на типовых задачах», релизы ускорились «максимум на 5–10%, а иногда вообще не изменились»; оценка эксперта, не данные исследования — vedomosti.ru
- Faros AI, AI Productivity Paradox Report, 23.07.2025: более 10 000 разработчиков, 1 255 команд; при высоком уровне использования ИИ — на 98% больше слитых изменений, время ревью +91%; данные вендора о разработке ПО — faros.ai
- BCG, 24.10.2024: опрос 1 000 руководителей в 59 странах; 74% компаний ещё не показали ощутимой ценности от ИИ; около 70% проблем — люди и процессы, 20% — технологии, 10% — алгоритмы — пресс-релиз BCG «Where's the Value in AI?» на prnewswire.com
- DORA 2025, анонс отчёта, 24.09.2025: почти 5 000 специалистов; «AI doesn't fix a team; it amplifies what's already there»; данные о разработке ПО — блог отчёта DORA
- «РусГидро» и Proceset, ComNews, 28.09.2026: анализ процесса закупок по данным за пять лет; «На одном из маршрутов нашли возможность сократить цикл на 14%» — comnews.ru
- М. Смирнов, «ЛАНИТ-Терком», «Российская газета», 28.09.2026: «Если выяснится, что ее эффективнее решить без искусственного интеллекта, это тоже правильный результат» — rg.ru
Расчёт по закону Амдала и три схемы переезда узкого места — условные примеры, а не данные наших проектов. Исследования приведены с выборкой, как её раскрывает публикация; данные о разработке ПО — иллюстрация механизма, а не замер на заявках. Наш опыт описан обезличенно: заказчики под NDA.