За 2025 год компании и госучреждения Нижегородской области потратили на внедрение и использование искусственного интеллекта 189 млн руб., годом ранее – 528 млн руб. В целом по стране затраты предприятий на ИИ за год выросли на 95%.
Внедрение ИИ в традиционные отрасли назвал в числе основных драйверов экономического развития Нижегородской области заместитель губернатора Егор Поляков. Однако, несмотря на повсеместное распространение ИТ-инструментов, многие компании до сих пор воспринимают их как прерогативу высокотехнологичных отраслей.
Основатель и генеральный директор компании «Нестарица» (производство и доставка питьевой воды, Нижегородская область) Валерия Мохова рассказала, почему цифровизация дает наибольший эффект в традиционных отраслях с исторически низким уровнем автоматизации. Собственную информационную систему «Нестарица» начала создавать в 2011 году, сейчас компания внедряет инструменты искусственного интеллекта в клиентский сервис, логистику, прогнозирование спроса и финансовый анализ.
– В 2011 году цифровизация бизнес-процессов еще не была мейнстримом. Чем вы руководствовались, когда начинали эту работу?
– Было понимание, что без этого нельзя. Как и многие в нашей отрасли, мы начинали с ручки, блокнота и таблиц Excel, но к 2011 году стало ясно, что дальше так нельзя. К тому моменту компания продавала около 4,5 тыс. бутылей воды в месяц, но вся информация о клиентах хранилась «в головах», и это серьезно ограничивало возможности масштабирования. Мы поняли, что нужна система.
Готовых решений под нас не существовало. Пакетных продуктов для доставки воды в те годы не было вообще, а универсальные CRM (Customer Relationship Management – программное обеспечение для управления и автоматизации работы с клиентами) были именно универсальными: они не понимали специфику доставки воды. Тогда я решила написать собственную информационную систему. Всю архитектуру первой версии формулировала, исходя из наших бизнес-процессов: какие данные должны храниться, что должен видеть логист, какие напоминания нужны оператору, как должен меняться статус заказа. Программист переводил эту бизнес-логику в код. Так все и началось.
– Внешних подрядчиков к этой работе не привлекали?
– По рекомендации знакомых я начала работать с ИТ-специалистом, который согласился в свободное от основной работы время писать программу для моей компании. Первые годы все технические задания я составляла сама. Последние лет десять их пишут руководители: логисты собирают замечания и предложения, руководитель отдела логистики сводит их и вносит правки, то же самое делает руководитель отдела по работе с клиентами. Программу мы дорабатываем постоянно – понимаем, что чего-то не хватает, и добавляем.
Сейчас я регулярно общаюсь с представителями компаний нашей отрасли из других регионов, рассказываю, как мы выстраивали цифровую инфраструктуру, какие решения дали результат, а какие оказались ошибочными. Коллеги используют часть наших подходов в своих компаниях.
– Какие процессы были автоматизированы в первую очередь, и почему именно они?
– Сначала мы автоматизировали то, что держалось на человеческой памяти. В нашем случае, клиентскую базу с историей заказов. У нас есть специфика повторяющихся покупок: клиент заказывает воду годами, раз в неделю или раз в десять дней. Поэтому история заказов и составляет основу сервиса. Второе – работа логиста. В заказе появились имя водителя и статус заказа. Для нас это было критично, потому что мы возим воду в день заказа и стараемся уложиться в три часа. Сегодня быстрой доставкой никого не удивишь, но в начале 2010-х это было настоящим «вау». Правда, этого эффекта мы добивались ценой огромных затрат – без цифровой инфраструктуры, в ручном режиме. Хотелось эту работу максимально облегчить.
Дальше система росла: привязка карточек клиентов к микрорайонам доставки, IP-телефония, датчики на машинах, а в 2016 году появилось мобильное приложение для водителей, синхронизированное с клиентской базой и модулем логистики.
– Неужели все было так гладко? Не было тупиковых решений, от которых приходилось отказываться?
– Самый свежий и показательный пример – интеграция нашей цифровой инфраструктуры с «Честным знаком». Я, как обычно, решила идти своим путем: писала техническое задание, работала со своим программистом, пыталась придумать, как эта система должна работать именно в нашей специфике. А специфика непростая. Одно дело, когда маршрутные листы у водителей сформированы заранее и известно, какая именно продукция куда поедет. Но совсем другое – когда заявки поступают непосредственно в день заказа. Маркировка накладывает на такую модель серьезные ограничения. В итоге мы потратили бюджет и, что гораздо неприятнее, около пяти месяцев работы. Это было по-настоящему критично: шел 2023 год, сроки по обязательной маркировке бутилированной воды поджимали, а рабочего решения у нас так и не было. Мне пришлось в последний момент нанимать команду специалистов, которая настроила интеграцию и связала ее с нашей клиентской базой.
Но если говорить о том, что сопровождает цифровизацию всегда, то это сопротивление людей. Каждый раз, когда вводишь что-то новое, приходится директивно переводить сотрудников на новую систему. Персонал почти всегда воспринимает изменения с негативом: большинство людей по натуре консерваторы, и это нормально. Каждое нововведение в итоге облегчает работу, но пока человек не почувствовал этого на практике, он сопротивляется. Сейчас, когда мы начали применять ИИ-агентов, сопротивление максимальное за всю историю.
– Но затраты стоят того? Какой экономический эффект дала цифровизация?
– Я не могу назвать, сколько точно денег мы потратили на цифровизацию за пятнадцать лет. Вложения шли постепенно, поэтапно, год за годом. Поэтому и эффект я оцениваю по тому, что изменилось в работе.
Самое наглядное – логистика. В 2014–2015 годах один логист мог вести максимум четыре–пять машин, и это была работа в авральном режиме. Сегодня один специалист спокойно ведет восемь–девять автомобилей, и при этом работа стала гораздо менее интенсивной. Еще один пример – обучение новых сотрудников. Раньше подготовка логиста занимала около шести месяцев, потом с помощью программы сократилась до трех, а с ИИ-агентами – до шести недель.
Изменилась и моя работа. Если раньше ежемесячный финансовый анализ отнимал у меня 4–5 часов, то сейчас я загружаю информацию в ИИ-агента, которого сама настроила под нашу управленческую аналитику, и через несколько секунд получаю все необходимые данные.
– Введение обязательной маркировки «Честный знак» стало драйвером цифровизации?
– Для нас – нет. К 2023 году, когда маркировка стала обязательной для бутилированной воды, у нас за плечами было уже 12 лет собственной информационной системы. Поэтому задача для нас была технической: нужно было встроить новый модуль в то, что уже работало.
Хотя в целом я положительно оцениваю маркировку продукции для производителей. Недавно центр «Мой бизнес» приглашал меня в качестве эксперта-практика на обучающий семинар по маркировке детских игрушек. Консультируя предпринимателей, я опиралась на свой опыт, который практически без потерь можно перенести из отрасли в отрасль.
– Прогнозирование спроса на питьевую воду – тоже специфическая задача, которая зависит и от сезона, и от праздников, и даже от погоды. Насколько точно удается предсказывать пики и спады?
– У нас оцифрованы данные за 15 лет работы, накоплена большая статистика – и за счет этого прогноз получается точным. Механика такая: количество заказов ежедневно прогнозирует ИИ-агент, и на основе прогноза формируется рекомендация – сколько машин выводить на линию в конкретный день. Но финальное решение я всегда оставляю за человеком.
Вот актуальный пример. При перебоях с топливом эффективность работы машин резко падает: водитель тратит в среднем около двух часов на то, чтобы заправиться. Прогноз по числу заказов при этом не меняется, а вот машин на линию нужно выводить больше – с поправкой на время, которое каждый водитель потеряет на заправке. Пока система такое учесть не может.
– Как именно сейчас устроен путь заказа?
– Когда клиент звонит в компанию, благодаря IP-телефонии оператор видит не номер телефона, а сразу карточку клиента: адрес, историю заказов, комментарии, напоминания. Оператору остается только уточнить, в какое время клиенту будет удобно принять воду. Дальше программа сама определяет, какая машина работает в этом микрорайоне доставки, и автоматически подставляет имя курьера. У логиста, который ведет эти машины, тут же появляется уведомление о новом заказе. Если клиент ждет воду прямо сейчас, логисту достаточно нажать одну кнопку, и заказ моментально уходит курьеру в мобильное приложение. Если доставка оформлена на вечер, то заявка просто передается в работу нужному курьеру на нужное время.
Отдельно скажу про правило, которое я ввела давно и которое мы соблюдаем строго: водитель никогда не звонит клиенту сам. Вся коммуникация идет только через логиста. Я считаю, что это правильно. Курьер постоянно в движении, ему банально неудобно дозваниваться.
– Вы уже неоднократно упомянули ИИ-агентов. В каких сферах они оказались наиболее востребованными?
– Внедрение инструментов искусственного интеллекта у нас идет в управленческом контуре компании. Прежде чем что-то поручать агентам, их нужно обучить.
Эффективность работы ИИ напрямую зависит от того, сколько контекста у него есть. Сначала я сформировала то, что можно назвать «конституцией компании»: принципы работы, цели, логику процессов. Дальше было обучение на реальных задачах – и это заняло 2–3 недели. В этот период мы делали работу параллельно – люди и ИИ-агент. Потом сверяли результаты, находили расхождения, выясняли причину каждого и превращали ее в правило.
– Почему вы вообще стали думать в этом направлении?
– Потому что увидели в нем ресурс для роста. Каналов продаж становится все меньше, а конкуренция в тех, что остались, становится все выше. Поэтому для роста продаж мы обратились в собственную клиентскую базу. Там накоплен огромный массив данных, и прежде всего это спящие клиенты: тысячи людей, которые когда-то заказывали у нас воду, а потом по каким-то причинам перестали. Теперь с этой базой работают ИИ-агенты.
Другая задача ИИ-агентов – это работа с постоянными клиентами. У каждого клиента своя периодичность заказов: кто-то заказывает две бутыли каждую неделю, кто-то – одну раз в 10 дней. ИИ-агент просчитывает ритм заказов каждого клиента, и, если заказ от клиента не поступает в нужное время, менеджер получает задачу позвонить клиенту. Вручную отследить этот момент по тысячам карточек клиентов раньше мы не могли. И, как правило, узнавали об уходе клиента через 1-2 месяца, когда он по факту уже нашел себе другого поставщика и вернуть его было гораздо сложнее.
– В финансовой аналитике тоже нашлись «слепые зоны»?
– Большую часть цифр можно было получить и раньше. Вопрос в том, чего это стоило. Чтобы посчитать какой-то показатель, нужно было поставить задачу программисту: написать отдельный модуль, встроить счетчик в основную программу, проверить, что он работает правильно. Поэтому аналитику мы делали только тогда, когда она действительно была необходима. Никто не станет тратить полдня на то, чтобы удовлетворить любопытство. А теперь мы можем позволить себе такую роскошь.
Недавно я из любопытства спросила у агента, сколько всего заказов компания выполнила с 2011 года. Через несколько секунд получила ответ: более 1 млн 350 тысяч.
Сейчас я плотно работаю с жизненным циклом клиента и с LTV (Lifetime Value) – суммарной ценностью клиента во время сотрудничества с компанией. Раньше такой запрос означал бы недели работы, а сейчас для ответа на него требуется меньше минуты.
– Как сейчас вы ощущаете себя в своей нише? Компании, которые встали на путь цифровизации позже, вас уже догнали? Теперь вы в равных условиях?
– Я считаю, что в равных условиях мы не находимся. Первое и главное - накопленные данные. У нас собрана аналитика за полтора десятилетия, а компания, которая внедрила систему в прошлом году, получила отличную программу, но с очень ограниченным объемом данных. А аналитика и прогнозы напрямую зависят от глубины данных. Кроме того, у нас есть накопленный опыт внедрения: мы научились автоматизировать, ставить задачи разработчикам, преодолевать сопротивление сотрудников.
Также значение имеет способ, которым компании приходят к цифровизации. Большинство игроков на российском рынке воды не разрабатывают собственную инфраструктуру, а покупают готовые пакетные решения. В этом много плюсов: за тебя все придумано и разработано, но я для себя вижу и принципиальные минусы.
Один из них – передача контроля над своей клиентской базой. Формально она защищена договорами, но фактически ты отдаешь ее стороннему сервису, а для меня это вопрос независимости бизнеса. Второй минус – финансовый. Работа на пакетном решении означает постоянные ежемесячные платежи, а у нас весь цикл свой, мы никому не платим.
– Вообще никаких затрат?
– Если речь именно о поддержке, это до 10 тыс. рублей в месяц. Сюда входят хостинг, серверы и редкая работа программиста раз в несколько месяцев. В год получается около 100–120 тыс. рублей. Крупные доработки требуются нечасто. Последняя была связана как раз с интеграцией «Честного знака» три года назад.
– Если бы сегодня к вам обратился руководитель производственной компании, который только начинает цифровизацию, какой совет вы бы дали исходя из пройденного пути?
– Для меня это не теоретический вопрос, я часто выступаю в роли консультанта. Во-первых, говорю, что это точно нужно делать. Сегодня войти в цифровизацию намного легче и дешевле, чем когда-либо раньше. Причина как раз в появлении инструментов искусственного интеллекта. Они способны сэкономить месяцы работы уже на самом первом этапе, когда ты только формулируешь задачи. Раньше написание технического задания было отдельной большой работой, и именно на ней многие останавливались.
Во-вторых, советую сначала подробно описать, как устроена работа в вашей компании: в каком виде хранятся данные, сколько времени занимает тот или иной повторяющийся процесс. И уже после подбирать инструмент под конкретную задачу или процесс, который нужно ускорить или упростить. Я делала так в 2011 году, когда писала первое техническое задание для нашей системы, и так же делаю сейчас с ИИ-инструментами.
Если бы я заходила в автоматизацию сейчас, то начала бы с минимального знакомства с ИИ-инструментами. Схема здесь простая: разобралась бы в основах, какое-то время смотрела бы и оценивала эффективность, и только потом масштабировала. И еще одно наблюдение из собственного опыта. В низкоцифровизированных отраслях эффект от цифровизации виден максимально быстро, а эффективность вырастает в разы. Поэтому я считаю, что у традиционных отраслей сейчас больше шансов выиграть от цифровизации, чем у технологичных.
Если опираться на индекс цифровизации отраслей, который считает Институт статистических исследований и экономики знаний Высшей школы экономики, то с одной стороны спектра по уровню цифровизации находятся информационные технологии, связь, финансовый сектор, крупная розничная торговля, по другую – сельское хозяйство, строительство, операции с недвижимостью. Я бы добавила к догоняющим еще целый пласт, который в такие рейтинги обычно не попадает: локальное производство продуктов питания, доставку, бытовые услуги, небольшой сервис. У таких компаний обычно нет ИТ-подразделений и бюджетов на разработку.
Данные накапливаются, но остаются неструктурированными – в записях операторов, таблицах и головах сотрудников.
Моя научная работа как раз об этом. Статья «Оценка потенциала применения технологий искусственного интеллекта в низкоцифровизированных отраслях экономики» вышла в журнале «Бизнес. Образование. Право», который входит в перечень ВАК. Исследование построено на реальных данных нашего бизнеса. Главный вывод: именно в низкоцифровизированных отраслях потенциал самый высокий.
Приведу две цифры. Если позвонить клиенту в первые 3–5 дней после того, как он пропустил привычный заказ, одного из трех удается удержать, а это – снижение оттока почти на треть. А предиктивные заказы, когда система сама предлагает доставку к моменту, когда вода заканчивается, дают около 10% к частоте покупок.
Результаты этой работы я представляю не только в научных публикациях, но и на отраслевых встречах и семинарах. Я 17 лет вижу одни и те же процессы изнутри: сначала строила их сама, затем переводила в цифру, а теперь анализирую накопленные данные с помощью ИИ. Поэтому могу оценить, что из нашего опыта можно перенести на другие отрасли и компании.
Материал подготовила Евгения Орлова
