Внедрение ИИ в бизнес - страница 34

Как и многие предприниматели, Кирилл начитался про ИИ и решил, что это именно то, что выведет его бизнес на новый уровень. Но вместо того, чтобы проанализировать процессы и понять, где реально нужна автоматизация, Кирилл пошел на поводу у своего айтишника Вадима.

«Слушай, есть крутая тема…»

Вадим, штатный системный администратор, давно хотел поиграть с ИИ. И когда босс заговорил об автоматизации, Вадим тут же предложил:

– Кирилл Сергеевич, давайте внедрим ИИ для прогнозирования потока клиентов! Система будет анализировать данные о погоде, пробках, сезонности и предсказывать, сколько машин приедет в каждый сервис. Это поможет нам оптимально распределять механиков и заказывать запчасти.

Идея звучала круто. Кирилл загорелся. Еще бы – представить инвесторам автосервис с ИИ-прогнозированием, это ж совсем другой уровень!

Эйфория и реализация

Наняли разработчиков за 250 000 рублей, плюс 50 000 ушло на сервера и настройку. Три месяца работы, еще 100 000 рублей на доработки – и вот она, система прогнозирования потока клиентов!

На презентации разработчики показали красивые графики, диаграммы и заявили, что точность прогноза составляет 85%. Кирилл был в восторге.

А теперь посмотрим, что происходило в реальности

Проблема №1: Автоматизировали не то

В погоне за крутой технологией Кирилл забыл задать простой вопрос: а что реально тормозит бизнес? Если бы он провел аудит процессов, то понял бы, что основные проблемы совсем в другом:

● Клиенты ждали по 20—30 минут, чтобы записаться на ремонт по телефону

● Механики тратили уйму времени на заполнение бумажных отчетов

● Закупщик вручную сверял остатки запчастей, что приводило к постоянной нехватке или, наоборот, избытку деталей

А прогнозирование потока? На самом деле, сервисы и так работали почти на пределе мощности, с загрузкой 80—90%.

Проблема №2: Не учли сложность внедрения

Для работы системы нужны были качественные исторические данные. Но в автосервисах Кирилла данные вели кое-как: где-то в Excel, где-то в CRM, а где-то на бумаге. Пришлось потратить два месяца и еще 80 000 рублей, чтобы привести данные в порядок.

Проблема №3: Не посчитали выгоду

Допустим, система научилась прогнозировать поток с точностью 85%. И что? Как это влияет на прибыль?

Расчет показал: даже идеальное прогнозирование давало экономию примерно 20 000 рублей в месяц на всю сеть. То есть система окупится через 24 месяца в лучшем случае. Но ведь еще нужно платить за поддержку, обновления…

Финальный счет

● Потрачено: 400 000 рублей (разработка, настройка, данные)

● Ежемесячная экономия: около 20 000 рублей

●Упущенная выгода: автоматизация записи клиентов могла бы увеличить поток на 25% и принести дополнительно 300 000 рублей прибыли в месяц

Итог: Кирилл потерял 300 000 рублей прямых затрат (не считая упущенной выгоды), автоматизировав не тот процесс.

Как Кирилл исправил ситуацию

Через полгода после провального внедрения Кирилл наконец-то сделал то, что следовало сделать в самом начале – провел аудит процессов:

Выписал все бизнес-процессы и их проблемы

Оценил каждый по фреймворку «4В»

Рассчитал потенциальную экономию от автоматизации

Выбрал три процесса с самым быстрым ROI

В итоге первым делом автоматизировали запись клиентов через чат-бота и голосового помощника. Затраты – 150 000 рублей, результат – увеличение потока на 20% уже в первый месяц. Окупилось за 3 недели!

Оценка процессов Кирилла по фреймворку «4В»