Сначала маленький участок, потом корпоративный интеллект

Идея корпоративного ИИ звучит красиво.

Модель знает продукты компании. Видит задачи. Читает звонки. Понимает переписки. Помогает менеджерам. Подсказывает руководителю. Обучает новичков. Находит слабые места. Сохраняет опыт лучших сотрудников.

В таком виде это почти неизбежная картина будущего.

Но если пытаться начать с неё сразу, проект почти гарантированно развалится.

Не потому что ИИ слабый.

А потому что компания перескакивает через первый обязательный слой: маленький доверенный контур.

Почему нельзя начинать со всей компании

“Давайте загрузим всё” - естественная, но опасная идея.

Всё - это слишком много.

Всё содержит:

• хорошие данные;
• плохие данные;
• устаревшие инструкции;
• случайные успешные сделки;
• слабые звонки сильных менеджеров;
• сильные звонки слабых менеджеров;
• неполную CRM;
• задачи, поставленные задним числом;
• переписки без контекста;
• внутренний жаргон;
• исключения, которые выглядят как правила.

Если дать это ИИ без рамки, он не создаст корпоративную мудрость.

Он создаст статистическую кашу.

Поэтому правильный вопрос не “что ещё мы можем подключить”.

Правильный вопрос:

какой маленький участок мы можем сделать достаточно надёжным, чтобы его выводам можно было доверять?

Почему мы начинаем со звонков

В Дожми Продажи мы сознательно начинаем не со всего корпоративного мозга.

Мы начинаем с коммуникаций.

И ещё точнее - с тех участков коммуникаций, где можно связать факт, гипотезу, критерий, калибровку и следующий шаг.

Звонок хорош как первый контур не потому, что продажи живут только в звонках. Продажи шире: есть переписки, почта, CRM, мессенджеры, задачи, история сделки.

Но звонок даёт богатый материал.

В нём видно:

• как менеджер входит в разговор;
• какие вопросы задаёт;
• слышит ли клиента;
• фиксирует ли следующий шаг;
• как работает с возражением;
• где теряет инициативу;
• что обещает;
• переводит ли интерес в действие.

Но даже звонки нельзя просто “скормить” ИИ.

Их нужно разбирать по критериям.

Нужно понимать, что считать фактом.

Нужно отделять уверенный вывод от предположения.

Нужно калибровать спорные случаи.

Нужно давать руководителю право подтвердить, отклонить или уточнить вывод.

Что такое доверенный контур

Доверенный контур - это не место, где ИИ всегда прав. Это место, где понятно:

• какие данные используются;
• какую задачу мы решаем;
• какие критерии применяем;
• где источник вывода;
• какой уровень уверенности;
• кто калибрует спорные случаи;
• что происходит после вывода;
• где решение возвращается человеку.

Такой контур может быть небольшим.

Например:

Проверяем, фиксируют ли менеджеры следующий шаг после отправки КП.

Это не звучит как “корпоративный интеллект”.

Но именно здесь начинается реальная польза.

Потому что результат можно проверить.

Есть коммуникация. Есть факт. Есть критерий. Есть пример. Есть спорный случай. Есть решение руководителя. Есть следующий шаг для команды.

Почему маленький контур не слабость

Маленький контур часто воспринимается как недостаточная амбиция.

Хочется сразу большого продукта. Большой автоматизации. Большого ИИ, который видит всю компанию.

Но сильные системы не строятся с магической ширины. Они строится с проверяемой глубины.

Сначала один сценарий.

Сначала несколько критериев.

Потом библиотека подтверждённых паттернов.

Потом рекомендации.

Потом расширение на другие каналы.

Потом связь с CRM, переписками, письмами, задачами, маркетингом и обучением.

Если идти наоборот, система будет выглядеть большой, но внутри будет недоверенной.

Где появляется калибровка

Калибровка - это центральный слой.

Без неё ИИ превращается в авторитетный голос. С ней ИИ становится рабочим инструментом.

Калибровка отвечает на вопросы:

• модель правильно поняла критерий;
• человек согласен с оценкой;
• руководитель подтверждает, что этот паттерн важен;
• спорный случай действительно спорный, а не ошибка промпта;
• рекомендация уместна для этого этапа, сегмента и канала;
• можно ли передавать этот вывод менеджерам.

Это не бюрократия.

Это способ не дать ИИ подменить управление.

Почему следующий шаг не должен рождаться из фантазии

Один из самых привлекательных сценариев - рекомендованный следующий шаг.

Менеджер поговорил с клиентом. Система сказала, что делать дальше. Написала сообщение. Предложила цель касания.

Это действительно полезно.

Но только при одном условии: рекомендация не должна быть общей фантазией модели.

Она должна опираться на:

• текущую коммуникацию;
• этап сделки;
• сегмент клиента;
• правила компании;
• канал общения;
• похожие успешные кейсы;
• подтверждённые руководителем паттерны;
• ограничения и уровень уверенности.

Если этого нет, следующий шаг становится красивым, но опасным текстом.

Он может звучать хорошо и быть неправильным для бизнеса.

Почему людям это не всегда нравится

Здесь появляется трение.

Люди хотят волшебную палочку.

Они хотят, чтобы ИИ сразу сказал:

• где проблема;
• кто виноват;
• что написать клиенту;
• кого обучить;
• какой скрипт поставить;
• какой следующий шаг выбрать.

И чем убедительнее отвечает модель, тем труднее объяснить, почему нужно идти медленнее.

Но зрелое внедрение часто выглядит именно так: медленнее на старте, чтобы быстрее и безопаснее масштабироваться потом.

Сначала доверие. Потом скорость. Не наоборот.

Как это выглядит в продуктовой логике

Для нас правильная цепочка такая:

коммуникация -> факт -> гипотеза -> калибровка -> подтверждённый паттерн -> рекомендованный следующий шаг -> действие.

Не:

коммуникация -> ИИ сказал -> менеджер сделал.

И не:

вся база компании -> корпоративный мозг -> готовые решения.

Пока паттерн не подтверждён, он не должен становиться инструкцией.

Пока данных мало, система должна показывать осторожность.

Пока руководитель не откалибровал вывод, это гипотеза, а не истина.

Это менее эффектно для презентации, зато устойчиво для реальной команды.

Вывод

Корпоративный ИИ возможен.

Но он не начинается с большой модели, которой дали всю компанию.

Он начинается с маленького участка, где компания научилась делать простую, но трудную вещь: превращать реальные коммуникации в факты, факты - в гипотезы, гипотезы - в подтверждённые паттерны, а паттерны - в следующий шаг, за который человек всё ещё несёт ответственность.

Большой корпоративный интеллект не должен заменять руководителя.

Он должен помогать руководителю видеть больше, проверять быстрее и принимать решения осознаннее.

И если в серии есть один итоговый вывод, он такой:

ИИ не должен становиться новым способом снять ответственность с человека. Хороший ИИ-продукт должен делать обратное: показывать основание вывода, границы уверенности и точку, где решение возвращается к руководителю.