Обложка

Воркшоп для собственников и CEO

ИИ — новый слой производительности бизнеса

От хайпа к измеримому ROI: практика внедрения искусственного интеллекта в компаниях России и Беларуси.

Василий Рыжонков

Предприниматель, AI-стратег

МИНСК · 16 июня 2026

SOURCE: SELF AI · ВНУТРЕННИЕ ДАННЫЕ КЛИЕНТСКИХ ВНЕДРЕНИЙ 2024–2026

01 / 58

Об авторе

Exhibit 02 · Founder · Self AI × AI Builders Lab

Василий Рыжонков — предприниматель · AI-стратег

Предприниматель, AI-стратег · Сооснователь SelfAI.team · Основатель AIBuildersLab.ru

Практик внедрения ИИ в бизнес-процессы. Сопровождаю компании в ИИ-трансформации: от диагностики зрелости до портфеля инициатив с измеримой отдачей. За последний год — 15+ внедрений ИИ в компаниях (ОМК, Harat's, HFLabs, Altai Travel), 6 собственных AI-продуктов в продакшене (SalesKitAI, Serenta, AIlina, ChannelOS), вайб-кодинг проекты с нуля и разговоры со 150+ собственниками о том, что работает, а что — нет.

Все кейсы в этой презентации — проекты, реализованные нашей командой. Не пересказ чужих историй из отчётов.

SelfAI.team AIBuildersLab.ru CAIO-as-a-Service Корпоративные программы

ЧЕМ ПОМОГАЮ

Диагностика и ИИ-аудит→ Портфель инициатив→ Внедрение и обучение команд

YouTube

@Vasily_Ryzhonkov

Telegram-канал

@VR_speaking

SELF AI · AI BUILDERS LAB · 2026

02 / 58

Клиенты

Exhibit 03 · Track record · 2024–2026

С кем уже работали

SELF AI · SELFAI.TEAM

Внедрение ИИ в крупный бизнес, корпоративные программы, CAIO-as-a-Service. Коробочные ИИ-продукты: ИИ база знаний, Serenta, SalesKitAI.

AI BUILDERS LAB · AIBUILDERSLAB.RU

Образовательные продукты и заказная разработка ИИ для малого и среднего бизнеса: воркшопы, AI Product Challenge, Builder Sprint, ИИ-решения на заказ.

ВТБ

Toyota

ОМК

СберЗвук

Металлургия

HoReCa Hub

PropTech

FMCG / Healthcare

15

внедрений ИИ

14+

клиентов

6

отраслей

93%+

качество решений

ВАЖНО

Каждый кейс дальше — наш проект «от диагностики до результата»: туризм, ритейл, HoReCa, микробизнес. Я буду возвращаться к этому на каждом слайде с кейсом.

SOURCE: SELF AI · CLIENT PORTFOLIO · 2026

03 / 58

Содержание

О чём будем говорить

90 минут, которые дадут ясность: почему, где, как и с чего начать.

I · ПОЧЕМУ СЕЙЧАС

Стоимость упала в 60×, автономность удваивается. Почему 2026 — последнее окно для старта

II · ГДЕ ЭФФЕКТ

Карта функций, коэффициенты, расчёт в деньгах для вашей отрасли

III · УРОВНИ ЗРЕЛОСТИ

L1–L4, окно arbitrage, новая роль «начальник агентов»

IV · РЕАЛЬНЫЕ КЕЙСЫ

5 внедрений нашей команды — туризм, ритейл, HoReCa, ИТ, микробизнес

V · СИСТЕМНОЕ ВНЕДРЕНИЕ

Почему пилоты умирают и как выстроить архитектуру

VI · ЧТО ДЕЛАТЬ СЕЙЧАС

6 шагов: от метрики до калькулятора

5

КЕЙСОВ

8+

ФРЕЙМВОРКОВ

2

LIVE-ДЕМО

1

ДОМАШКА

AI BUILDERS LAB · MINSK 2026

04 / 58

Почему сейчас

I

Почему сейчас

Что происходит с ИИ в бизнесе и почему 2026 — переломный год

AI BUILDERS LAB · MINSK 2026

05 / 58

Почему сейчас

Exhibit 06 · Bad asks pattern

«Давайте автоматизируем продажи / поддержку / HR» — так начинаются 80% запросов.

Это вход в тупик. Эффект не масштабируется, узкое место смещается, capacity растворяется. Хороший вопрос звучит иначе — «где у нас узкое место и как ИИ снимает именно его».

ПРОДАЖИ

«Внедрим ИИ в продажи»

«Хотим выглядеть модно, конкуренты уже»

Отдел хочет инструмент — не результат

ПОДДЕРЖКА

«Разгрузим поддержку»

«Операторы перегружены, давайте бота»

KPI оператора, а не клиента

HR

«Автоматизируем HR»

«Сделаем — и от нас отстанут с ИИ»

Чтобы отчитаться, а не для эффекта

⚠ КОНТЕКСТ 2024–2026

Выручка под давлением
Сокращения 20–25%
Жёсткий контроль инвестиций

✕ ЧТО ПОЛУЧАЕТСЯ НА ПРАКТИКЕ

Много пилотов
Мало масштабирования
Почти нет измеренного ROI

SOURCE: SELF · INTERVIEWS WITH 100+ RU EXECS · 2025

06 / 58

Почему сейчас

Exhibit 07 · Pilot mortality funnel

Из 100 запущенных пилотов — 80 умирают в первый год.

Главные причины — не «технология не та». Главные причины — отсутствие пересборки процессов, метрик, владельца результата и связки с CRM/ERP.

FUNNEL · 12 МЕСЯЦЕВ

100%Запустили AI-пилот

▼

→ 80%Умерли

▼

→ 20%Работают

−80%

смертностьпилотов в первый год

ПОЧЕМУ ПРОВАЛИВАЮТСЯ · ОСНОВНЫЕ ПРИЧИНЫ

35%

Нет пересборки процессов«Прикрутили чат» → процесс остался прежним

25%

Нет метрик ROI и baselineНеясно, был ли эффект — нечего масштабировать

20%

Слабые данные и интеграцииИИ работает «в вакууме», без CRM/ERP

20%

Нет владельца результатаНикто не отвечает за эффект — пилот «рассасывается»

SOURCE: MIT NANDA / GARTNER 2024–2025 · SELF AI MARKET REVIEW

07 / 58

Почему сейчас

Exhibit 08 · Productivity layer · core idea

ИИ — это не «чатик», а новый слой производительности бизнеса.

Слой, который ускоряет три цикла: где течёт время, где дорогая ручная работа, где решения принимаются вслепую. Не «внедрить ИИ» — а снять конкретное узкое место.

⏱

Где течёт время

Повторяющиеся операции, согласования, ручные сверки и поиск информации

⚒

Где дорогая ручная работа

Документы, заявки, первичка, выгрузки, отчёты — вся «бумажная» инфраструктура

◎

Где решения принимаются вслепую

Прогнозы, ценообразование, приоритизация, скоринг — там, где данные есть, но не используются

SOURCE: SELF AI · INTERNAL FRAMEWORK 2026

08 / 58

Почему сейчас

Exhibit 09 · Cost vs. Capability · 2023–2026

Стоимость сложных когнитивных задач упала в 60 раз за 3 года.

Точность параллельно выросла: ошибки 15% → менее 0.1%. То, что в 2023 стоило тысячи долларов и было ненадёжно — сегодня дёшево и стабильно. Цена больше не аргумент против внедрения.

Стоимость 1M токенов · Возможности модели

Cost / 1M Capability ×

ГОД

МОДЕЛЬ

$ / 1M

ОШИБКИ

2023

GPT-4

$30.00

~15%

2024

Claude 3 Opus

$15.00

~8%

2025

GPT-4.5 / Claude 4

$5.00

~3%

2026

GPT-5.3 / Opus 4.6

$0.50

<0.1%

SOURCE: OPENAI / ANTHROPIC PUBLIC PRICING · SELF AI BENCHMARKS

09 / 58

Почему сейчас

Exhibit 10 · Autonomy horizon · doubling every 7 mo.

Длина автономных задач удваивается каждые 7 месяцев.

Сегодня агенты делают за 4–6 часов то, что пять лет назад заняло бы недели команды. И этот горизонт удваивается каждые 7 месяцев — закон Мура для автономных AI-задач.

ГОРИЗОНТ АВТОНОМНОГО ВЫПОЛНЕНИЯ · 50% TASK-COMPLETION TIME

2022–2023

Q&A и короткий код · минуты

2024

Сборка фичи end-to-end, исправление багов · 4–6 ч

2025–2026 · СЕЙЧАС

Автономный проект целиком · дни

2027–2028

Недели автономной работы агента

SOURCE: METR.ORG · TASK COMPLETION HORIZON STUDY 2024–2025

10 / 58

Почему сейчас

Exhibit 11 · AI use intensity in roles · 2025 → 2026

Уже 49% рабочих позиций используют AI на ≥25% задач.

Это не пилоты энтузиастов. Это структурный сдвиг — +13 п.п. за год. Меняется состав задач внутри ролей: переучивание должно обгонять технологию, иначе компания отстаёт за 12 месяцев.

% ПОЗИЦИЙ С AI ≥25% ЗАДАЧ

36%

НАЧАЛО 2025

↗

+13 п.п.

49%

2026

●

Это не пилоты энтузиастов

Реальное использование AI в ежедневных задачах, замеренное по US labor market data

●

Происходит структурный сдвиг

Меняется сам состав задач внутри ролей — а не только инструменты, которыми они выполняются

●

Переучивание должно обгонять технологию

Оргдизайн и L&D — критический фактор. Кто не подстроит процессы — отстанет за 12 месяцев

SOURCE: US LABOR MARKET STUDY 2025–2026 · ANTHROPIC ECONOMIC INDEX

11 / 58

Где эффект

II

Где эффект

Не по всей компании. Сосредоточен в конкретных функциях и задачах

AI BUILDERS LAB · MINSK 2026

12 / 58

Где эффект

Exhibit 13 · Task-level effect map · Anthropic Economic Index

Где ИИ даёт максимум, а где почти ничего

Эффект не «по всей компании». Он сосредоточен в текстовых и аналитических задачах. Физический труд — почти не затронут.

● Максимум эффекта

Работа со знаниями и текстами

Документы, аналитика, разработка, переписка, отчёты.

МаркетингПродажиРазработкаАналитикаЮристыБэк-офис

● Частичный эффект

Смешанная природа задач

Часть — в тексте и данных, часть требует согласований и живых решений.

ФинансыHR / ОбучениеЗакупки

● Низкий эффект

Координация и живой контакт

Межличностная координация, задачи с большой долей живого общения.

Управление командойПереговоры

● Почти ничего

Физический труд и поле

Выезды, работа на месте, ручные операции — горизонт робототехники, не ИИ.

ПроизводствоЛогистикаРозничный зал

SOURCE: ANTHROPIC ECONOMIC INDEX 2026 · SELF AI

13 / 58

Где эффект

Exhibit 14 · Top-10 measured work categories · OpenAI / Anthropic

Топ-10 рабочих категорий задач, которые ИИ уже делает

1

Практические советы и инструкции

6

Анализ данных

2

Поиск и проверка информации

7

Перевод

3

Письмо и редактура

8

Черновики деловой переписки

4

Программирование и техзадачи

9

Обобщение документов

5

Обучение и объяснение

10

Идеи и брейнсторминг

Это измеренные категории по сотням миллионов диалогов, а не маркетинг. Прикиньте: какая доля рабочего дня ваших офисных сотрудников состоит из этих 10 пунктов? Это и есть ваша «руда».

SOURCE: OPENAI / ANTHROPIC · USAGE STUDIES · 2025

14 / 58

Где эффект

Exhibit 15 · Коэффициент = доля применимых задач × реальная экономия

Эффект концентрируется, а не размазан по компании

КОЭФФИЦИЕНТ ЭФФЕКТА ПО ФУНКЦИЯМ

Разработка / IT

0,24

Наука / инженерия

0,18

Менеджмент / Юристы

0,175

Маркетинг / Продажи

0,17

Обучение / HR

0,15

Финансы / Бэк-офис

0,144

Клиентская поддержка

0,14

Производство / цех

≈0

Производство и логистика (≈47% ФОТ типичной компании) дают почти ноль. Весь эффект — в продажах, бэк-офисе, разработке и менеджменте.

«У нас меньше, чем обещают на рынке» — это норма, а не провал. Эффект зависит от доли знаниевых задач именно в вашем ФОТ.

Поэтому первый вопрос диагностики — не «какой ИИ купить», а «как устроен ваш ФОТ по функциям».

SOURCE: КОЭФФИЦИЕНТЫ ИЗ ДАННЫХ ANTHROPIC ПО ФУНКЦИЯМ · ОЦЕНКА AIBL

15 / 58

Где эффект

Exhibit 16 · Back-of-envelope · typical mid-size company

Сколько ИИ даёт в деньгах типовой средней компании

ДЕНЬГИ / ГОД = N × A × H_saved × C_hour × K_capture − затраты

N — людей в ролиA — доля задач под ИИH_saved — реальная экономия времениC_hour — полная стоимость часа (оклад + взносы + накладные)K_capture — доля времени, ставшая деньгами: 0,2–0,6

Профиль компании

Знаниевые роли

Сводный коэфф.

Часы / год

Деньги / год · K 0,3–0,5

≈ FTE

Металлопрофиль / производство · ~400 сотр.

100

0,15

≈26 000 ч

$130–220K

≈6

ИТ-лаборатория / R&D · ~80 сотр.

70

0,22

≈27 000 ч

$290–480K

≈6

Ритейл электроники · ~50 сотр.

30

0,17

≈9 000 ч

$50–85K

≈2

Юридическая / консалтинг · ~15 сотр.

12

0,18

≈3 800 ч

$40–65K

≈1

Финтех / микробизнес · ~10 сотр.

8

0,20

≈2 800 ч

$30–50K

≈1

LIVE

Точный расчёт по вашей функции: 152 процесса · 9 бизнес-функций → calculator-roi.selfai.team. Покажу вживую.

SOURCE: SELF AI · COEFFICIENT MODEL · ОЦЕНКА · 2026

16 / 58

Уровни зрелости

III

Уровни зрелости

Модель зрелости, окно возможностей и новые роли

AI BUILDERS LAB · MINSK 2026

17 / 58

Уровни зрелости

Exhibit 18 · Functions vs. processes

Начинать с функций — тупик. Начинать с процессов — масштабируется.

Когда «ИИ внедряется в одну функцию», узкое место не исчезает — оно смещается. Эффект рождается не внутри отдела, а в сквозном процессе между функциями.

✕

ТИПИЧНАЯ ЛОГИКА

«ИИ в одну функцию» — узкое место смещается в соседнюю

«Автоматизируем продажи»

Заявок больше → поддержка не справляется → клиент ждёт → NPS падает

«Разгрузим поддержку»

Узкие места просто сместились в продажи или сервис

«Ускорим HR»

Capacity «растворяется» — нет эффекта на P&L

✓

ПРАВИЛЬНАЯ ЛОГИКА

Сквозной процесс — эффект между функциями, а не внутри

Сквозной клиентский путь

ИИ помогает на всех этапах: от заявки до отгрузки и сервиса

Эффект между функциями

Не «ускорили один отдел», а пересобрали процесс — измеримо на P&L

Системный результат

Вместо локальных wins — эффект, который виден собственнику

SOURCE: SELF AI · CLIENT IMPLEMENTATIONS · 2024–2026

18 / 58

Уровни зрелости

Exhibit 19 · Cross-functional effect

Эффект рождается между функциями, а не внутри одной.

Главный принцип внедрений с измеримым ROI: единый контур данных, согласованные решения, портфельный подход — quick wins плюс big bets.

📦 ЗАКУПКИ

F1

🛒 ПРОДАЖИ

F2

🚚 ЛОГИСТИКА

F3

💰 ФИНАНСЫ

F4

Эффект

Между

функциями

01 · ЕДИНЫЙ КОНТУР

Сквозной поток данных

Закупки видят прогноз продаж, логистика — план поставок, финансы — кэш-флоу. Все на одной картине.

02 · СОГЛАСОВАНИЕ РЕШЕНИЙ

ИИ — инструмент координации

ML даёт прогноз, GenAI помогает интерпретировать его для каждой роли. Один язык для всех участников.

03 · ПОРТФЕЛЬНЫЙ ПОДХОД

Quick wins + Big bets

Быстрые сценарии (база знаний, поддержка) + крупные ставки (запасы, прогноз спроса). Один кейс ≠ трансформация.

SOURCE: SELF AI · ENTERPRISE FRAMEWORK · 2026

19 / 58

Уровни зрелости

Exhibit 20 · 4 maturity levels · architecture choices

4 уровня зрелости — это архитектурные выборы, не стадии роста

Компания может быть на L3 в обслуживании клиентов — и на L1 в финансах. Уровень выбирается на функцию, осознанно.

L1 · УРОВЕНЬ 1

Помощь

Сотрудники работают как раньше + ChatGPT в браузере и Copilot в Word. Ничего не меняется в самой работе.

ГДЕ: большинство компаний в этом зале — сейчас здесь.

L2 · УРОВЕНЬ 2

Перестройка процессов

Хотя бы один процесс собрали с нуля под ИИ. Не «быстрее», а «по-другому».

КЕЙС: Klarna начала здесь — с обработки споров между клиентом и продавцом.

L3 · УРОВЕНЬ 3

Агенты-сотрудники

Целые задачи делает ИИ; человек проверяет только сложные случаи. Появляется роль «начальник агентов».

КЕЙС: Salesforce — 1,5M обращений клиентов обработал агент.

L4 · УРОВЕНЬ 4

AI-платформа

Каждый новый клиент делает ИИ умнее для всех остальных. Сетевые эффекты.

КЕЙС: Ant Financial — ×10 клиентов JPMorgan, ÷10 сотрудников.

СИНТЕЗ: MCKINSEY REWIRING · BCG AGENTIC MATURITY · LAKHANI–IANSITI · DAUGHERTY

20 / 58

Уровни зрелости

Exhibit 21 · Maturity distribution · Daugherty + McKinsey

Где сейчас находится среднее предприятие

Только 15% компаний значительно масштабируют ИИ. 50%+ застряли на «экспериментировании». Это и есть ваше окно.

L1 · Помощь

50%

L2 · Перестройка

35%

L3 · Агенты

14%

L4 · Платформа

1%

Конкуренты вокруг вас — почти наверняка на L1. Переход на L2 в одной функции уже даёт измеримый отрыв. Дорого стоит не «отставание от Долины», а отставание от соседа по рынку.

SOURCE: PAUL DAUGHERTY, ACCENTURE · MCKINSEY STATE OF AI 2025

21 / 58

Уровни зрелости

Exhibit 22 · P&L divergence by AI strategy · index, T+0 = 100

Окно arbitrage: уровень выше — 18 месяцев форы

Если конкурент на один уровень выше — это 18 месяцев форы. На два — 3 года. На три — это другая компания.

Расхождение P&L при разных стратегиях ИИ

L4 · Платформа L3 · Агенты L2 · Rewiring L1 · Помощь

ИЛЛЮСТРАЦИЯ: СРЕДНИЕ ТЕМПЫ РОСТА МАРЖИ ПО AI-ЗРЕЛОСТИ · MCKINSEY + BCG MODELLING

22 / 58

Уровни зрелости

Exhibit 23 · «Начальник агентов» · Klarna + Salesforce reality

Появляется роль «начальник агентов»

Один человек управляет 5–20 AI-агентами как мини-командой. Это уже реальность Klarna и Salesforce, не футурология. На воркшопе «CEO-создатель» мы создаём такие AI-команды для каждой роли.

КЛЮЧЕВОЕ

Сотрудник 2027 — не работник, а руководитель цифровой команды.

Klarna headcount7 400 → 3 000

Цель Klarna к 20302 000

Контракторы CS700 → 0

Salesforce Agentforce1,5M обращений

Время решения14 → 2 мин

SOURCE: KLARNA PUBLIC REPORTS · SALESFORCE AGENTFORCE · 2025–2026

23 / 58

Реальные кейсы

IV

Реальные кейсы

Четыре внедрения нашей командой: туризм, ритейл, HoReCa, микробизнес

AI BUILDERS LAB · MINSK 2026

24 / 58

Реальные кейсы

Exhibit 25 · Case 01 · Travel · 700 employees

18 000 часов высвобождено за 6 месяцев · ≈27 млн ₽ capacity

✓ Реализовано · Self AI × AIBL Туризм 700 сотрудников 12 BU B2C + B2B

Бизнес вырос на +25%, штат — 0%

10 000 часов в месяц на рутину. Время «текло» по 6–7 процессам, а не в одном месте: документы, заявки, согласования, поддержка, онбординг, отчёты.

ПОЧЕМУ ЭТО СРАБОТАЛО

Процессы повторяемые — заявки, документы, поддержка
Данные были доступны, но не использовались
Начали с диагностики, а не с «давайте бота»

ВРЕМЯ ВЫСВОБОЖДЕНО

18 000^ч

за 6 месяцев · 90% от плановой цели проекта

CAPACITY В ДЕНЬГАХ

≈27^{млн ₽}

эквивалент при средней ставке сотрудника

РОСТ БИЗНЕСА · ШТАТ

+25% / 0%

бизнес растёт, штат не растёт

SOURCE: SELF AI · CLIENT ENGAGEMENT 2025

25 / 58

Реальные кейсы

Exhibit 26 · 4-step engagement playbook · 23 weeks

Как пришли к результату: 4 шага за 23 недели.

Не «купили подписку», а прошли последовательную программу — диагностика → приоритизация → внедрение → масштаб. Эффект мерили по каждому процессу, ИИ встроен в workflow, не живёт отдельно.

1

2 недели

Диагностика

Анализ 6–7 процессов
Карта где «течёт» время
ROI-матрица + риски

→

2

1 неделя

Приоритизация

Выбор 4 приоритетов
Baseline для каждого
Назначение владельцев

→

3

8 недель

Внедрение

ИИ внутри CRM, заявок
Не отдельно, а в workflow
Замер: baseline → факт

→

4

12 недель

Масштаб

Тиражирование на 12 BU
Стандарты, шаблоны
Постоянный ROI-мониторинг

★

КЛЮЧ УСПЕХА

Начали не с бота — с диагностики. Эффект мерили по каждому процессу. ИИ встроен в workflow, а не живёт отдельно.

SOURCE: SELF AI · ENGAGEMENT METHODOLOGY · 2025

26 / 58

Реальные кейсы

Exhibit 27 · Workshop artifact · function mapping

Шаг 1 на практике: карта функций и рутинных задач

Берём компанию, описываем функции с ответственными. Внутри каждой — типовые рутинные задачи условной недели, которые занимают больше всего времени.

КАРТА ФУНКЦИЙ С ОТВЕТСТВЕННЫМИ

Менеджмент команды

Владимир, Катя, Ольга

HR и обучение

Анастасия

Разработка ПО

Павел

Клиентский сервис

поддержка, эскалации

Продажи

КП, CRM, скоринг

Финансы

Брянцев, Пескова

Маркетинг

контент, лиды, аналитика

Операционка

Брянцев

ВНУТРИ КАЖДОЙ ФУНКЦИИ → РУТИННЫЕ ЗАДАЧИ НЕДЕЛИ

→ Подготовка отчёта к совету директоров · 8 ч/нед

→ Сверка закупок и складских остатков · 6 ч/нед

→ Обработка входящих заявок в CRM · 5 ч/нед

→ Подготовка КП под клиента · 4 ч/нед

→ Протоколы совещаний и follow-ups · 3 ч/нед

→ Поиск информации по базе знаний · 3 ч/нед

Каждая строка = потенциальный AI-кейс. Сумма строк = высвобожденные часы.

SOURCE: SELF AI · WORKSHOP ARTIFACT · MIRO (АНОНИМИЗИРОВАНО)

27 / 58

Реальные кейсы

Exhibit 28 · Case 02 · Retail · federal chain

140 млн ₽ высвобожденного капитала за один год

✓ Реализовано · Self AI × AIBL Ритейл Федеральный 15% неликвид · 500 млн ₽

15% запасов = неликвид (500 млн ₽)

Прогноз спроса был ручной, точность 65%. Не автоматизировали закупки — собрали единый контур: закупки + продажи + логистика + финансы.

ПОЧЕМУ ЭТО СРАБОТАЛО

4–5 лет данных продаж, промо, внешних факторов
Закупки/продажи/логистика готовы работать вместе
ML давал прогноз, GenAI объяснял его людям

КАПИТАЛ ВЫСВОБОЖДЕН

140^{млн ₽}

из 500 млн ₽ замороженных в неликвиде · −28% за год

ТОЧНОСТЬ ПРОГНОЗА

65 → 82%

точность прогноза спроса по SKU–магазин–день

НЕЛИКВИД

15 → 11%

доля неликвида в структуре запасов сети

SOURCE: SELF AI · CLIENT ENGAGEMENT 2024–2025

28 / 58

Реальные кейсы

Exhibit 29 · Path · sandboxes → unified contour

5 шагов: от песочниц к единому контуру

Путь от 5 экспериментов к 140 млн ₽ — портфельный подход. Не сделали ставку на одну функцию: проверили 5–7 направлений → выбрали запасы как самую крупную ставку.

1

Песочницы

2–3 МЕС

5–7 экспериментов
Разные направления
Поиск макс. эффекта

ИТОГЗапасы — крупнейшая ставка

2

Единый контур

КРОСС-ФУНКЦ.

Закупки + продажи
+ логистика + финансы
SKU–магазин–день

ИТОГОдин прогноз для всех

3

Пилот

3 МЕС

1 категория
2 региона
Замер vs baseline

ИТОГТочность 65 → 78%

4

Масштаб

6 МЕС

Все категории
Все регионы
Стандартизация

ИТОГТочность 82%

5

GenAI поверх

ПОСТОЯННО

ML для системы
GenAI для людей
«Почему?» понятно

ИТОГ140 млн ₽ за год

★

КЛЮЧ УСПЕХА · ТОТ ЖЕ, ЧТО В КЕЙСЕ 1

Не автоматизировали одну функцию. Собрали контур. Эффект родился между функциями — там, где раньше был зазор.

SOURCE: SELF AI · QUICK WINS + BIG BETS METHODOLOGY · 2026

29 / 58

Реальные кейсы

Exhibit 30 · Workshop artifact · value × feasibility per initiative

Шаг 2 на практике: матрица ценности для каждой инициативы

После карты функций берём идеи из песочниц, оцениваем ценность и осуществимость — и раскладываем по квадрантам. Вот реальный пример.

МАТРИЦА ЦЕННОСТЬ / ОСУЩЕСТВИМОСТЬ — РЕАЛЬНЫЙ КЛИЕНТ

3–5 БЫСТРЫХ ПОБЕД С ЭФФЕКТОМ

⚡ ИИ-платформа v0.1 — снижение хаоса по инструментам на 20–30%

⏱ ИИ-транскрибация встреч — экономия 30–40% времени на конспекты

🔄 ИИ-FAQ для адаптации — сокращение onboarding новых сотрудников

Это реальная матрица из воркшопа с клиентом. Каждый кружок — инициатива, размер = масштаб эффекта, цвет = квадрант. Строим прямо на сессии за второй час.

SOURCE: SELF AI · WORKSHOP ARTIFACT · КЛИЕНТСКАЯ МАТРИЦА (АНОНИМИЗИРОВАНО)

30 / 58

Реальные кейсы

Exhibit 31 · Case 03 · Harat's Pub · 93 venues

CEO задаёт вопрос на естественном языке — получает цифры за 10 секунд

✓ Реализовано · Self AI × AIBL

DATA → AI → INSIGHT → ACTION

ПОТЕНЦИАЛ ЭКОНОМИИ

847^К₽/мес

только по виски на одной точке после контрактного поставщика

ОХВАТ СЕТИ

93 / 70+

пабов в городах · все на одной картине, drill-down по любой точке

ЧТО ИЗМЕНИЛОСЬ

Отчёты собирались неделями → теперь секунды
Решения за часы, а не за месяцы
Без аналитика, без SQL — обычным текстом

SOURCE: SELF AI · HARAT'S PUB CASE STUDY · 2026

31 / 58

Реальные кейсы

Exhibit 32 · Live · text2sql to Harat's Pub data

AI-чат к данным сети Harat's Pub · live demo

● live demo

Естественный язык вместо SQL и BI-дашбордов

demo-harats.selfai.team/ai

Drill-down по любой точке за секунды
SoW + SoR — данные iiko в единой картине
Цифры за 10 секунд вместо отчётов за неделю
Без аналитика, без SQL — обычным текстом

Сколько мы тратим на виски по всей сети за квартал?

За Q1 2026 закупки виски по 93 пабам — 23.4 млн ₽. Топ-3 SKU: Jameson, Jack Daniel's, White Horse.

Где переплачиваем? Покажи разницу с лучшим прайсом

Отклонение от лучшего контракта в сети — +847 К₽/мес на одной точке. Если перевести на единого поставщика — экономия 10.2 млн ₽/год.

Запиши задачу директору закупок

Создан тикет в Asana. Срок 7 дней. Владелец: Е. Петров. Виден здесь и в SoR.

SOURCE: SELF AI · DEMO ENVIRONMENT · 2026

32 / 58

Реальные кейсы

На практике: создайте прототип дашборда сами

Мы начали с образа результата для CEO. Вот живое демо — задаёте вопрос, получаете цифры за 10 секунд.

LIVE DEMO · DEMO-HARATS.SELFAI.TEAM/AI

CEO: «Где мы теряем деньги?» → AI-аналитик показывает точки и расхождения.

СДЕЛАЙТЕ ЭТО САМИ — СЕГОДНЯ

1. Определите образ результата — что хочется видеть

2. Соберите данные (Excel, CRM, Google Sheets)

3. Загрузите в Claude / ChatGPT и задайте вопрос

4. За вечер — рабочий прототип дашборда

Первый шаг — не внедрить систему, а увидеть ответ. Когда CEO видит цифры за 10 секунд — он понимает, зачем всё это.

DEMO: DEMO-HARATS.SELFAI.TEAM/AI

33 / 58

Реальные кейсы

Exhibit 34 · HFLabs · IT · Data Quality · 90+ заказчиков

HFLabs: ИИ-поддержка для 90+ корпоративных заказчиков

✓ Реализовано · Self AI × AIBL IT · Data Quality Сбер, МТС, Yota, Ренессанс

Команда поддержки тонула в типовых вопросах — а онбординг новых инженеров занимал месяцы

HFLabs — российский лидер data quality (Сбер, Росгосстрах, МТС, Yota). 90+ корпоративных заказчиков на 4+ продуктах с разными конфигурациями. Каждый вопрос — уникальная комбинация продукта, версии и настроек клиента.

ЭКОНОМИЯ

$130–220K

в год

ВОПРОСОВ ЗАКРЫТО

70%

без участия человека

ОНБОРДИНГ

3×

быстрее для новых инженеров

РЕШЕНИЕ

Единая AI-база знаний для внутренней и внешней поддержки десятков заказчиков. Агент отвечает на типовые вопросы с учётом конкретной конфигурации клиента, версии продукта и истории кейсов. Новые инженеры обучаются через AI-наставника вместо менторства старших.

SOURCE: SELF AI · HFLABS · ПИЛОТ 2025–2026

34 / 58

Реальные кейсы

Exhibit 35 · Case 04 · Altai Travel · micro-business

База знаний и AI-наставник прямо внутри Telegram

✓ Реализовано · Self AI × AIBL Микробизнес Telegram + Sheets Без замены CRM

Менеджеры дёргали старших по любому вопросу

Не было денег на классическую CRM с базой знаний. Но был Telegram и Google Sheets. Внедрили AI-агента обучения внутри уже знакомого инструмента.

ПОЧЕМУ ЭТО СРАБОТАЛО

Не меняли инструменты — встроились в текущие
Менеджеры уже жили в Telegram
База знаний обновлялась силами компании

ВРЕМЯ HR / ОНБОРДИНГ

−78%

времени HR на обучение новичков

СРОК ВЫХОДА НА ЗАДАЧИ

3–5^дней

вместо 2 недель · в 3–4 раза быстрее

СТАТУС

Возвращаются
за полным внедрением

точечный кейс сработал → расширяют scope

SOURCE: SELF AI · ALTAI TRAVEL CASE · 2025

35 / 58

Реальные кейсы

Exhibit 36 · Workshop artifact · AI-assistant creation by employees

Шаг 3: сотрудники сами создают ИИ-помощников

Вместо «купить платформу за $50K» — научили сотрудников самих собирать простых ИИ-ассистентов первого уровня. За 2 часа каждый создаёт своего.

МОДУЛЬ 1 · БАЗА + PROMPT ENGINEERING

Задание: каждый участник описывает свои 3 главные рутинные задачи

Tools: Claude, ChatGPT, NotebookLM — подбираем стек под роль

Prompt: пишем системный промпт для ИИ-помощника по своей задаче

Result: рабочий ассистент первого уровня — прямо на воркшопе

ЧТО ПОЛУЧАЕТ КАЖДЫЙ УЧАСТНИК

✓ Рабочий ИИ-ассистент под свою главную задачу

✓ Промпт-шаблон, адаптированный под роль

✓ Понимание «могу сам» — снижение зависимости от подрядчиков

✓ Привычка работать через AI каждый день

Ключевой сдвиг: из «закажите нам бота» в «я за 30 минут собрал помощника, который экономит мне 3 часа в неделю». Это и есть L1 → L2.

SOURCE: SELF AI · КОРПОРАТИВНАЯ ПРОГРАММА · МОДУЛЬ 1

36 / 58

Реальные кейсы

Exhibit 37 · «Вы не знаете наш рынок» · разбираем стену

ИИ безразличен к рынку. Он работает на данных вашего бизнеса

ПОЧЕМУ «ВЫ НЕ ЗНАЕТЕ БЕЛАРУСЬ» — НЕ АРГУМЕНТ

Беларусь, Россия, Казахстан — для ИИ не существует «нашего особенного рынка». Он берёт основу, которая есть в ваших системах и вашем рынке — цены, остатки, звонки, договоры — и на ней перестраивает процессы.

Знание рынка остаётся у вас. Мы приносим метод и инженерию: те же фреймворки, что сработали в туризме, ритейле и HoReCa.

Все кейсы выше начинались с фразы «у нас всё по-другому». Заканчивались — цифрами на P&L.

АВТООТРАСЛЬ · ГДЕ БОЛИТ УЖЕ СЕЙЧАС

Неликвид и закупки

Прогноз закупок по рынку и SKU вместо «полуручного BI». В ритейл-кейсе это 140 млн ₽.

Эффективность продавцов

Анализ звонков и переписки: кто и как реально ведёт сделки, где теряется воронка.

Юристы и претензии

Вал обращений по защите прав потребителей: типовые ответы, позиции, документы — за минуты.

Маркетинг и база

Где клиенты: персонализация и реактивация существующей CRM-базы вместо закупки нового трафика.

SOURCE: SELF AI · ПОЛЕВЫЕ ИНТЕРВЬЮ BY/RU · 2026

37 / 58

Системное внедрение

V

Системное внедрение

Почему пилоты умирают и как выстроить архитектуру

AI BUILDERS LAB · MINSK 2026

38 / 58

Системное внедрение

Exhibit 39 · System of Work vs. System of Record

System of Work и System of Record должны быть связаны.

Если агент работает в одном «месте», а данные о результате не возвращаются в другое — эффект испаряется. Внедрение без выхода в SoR = пилот в ящик через 90 дней.

⚙

SYSTEM OF WORK

Где выполняется работа

Где люди и агенты выполняют — переговариваются, согласуют, принимают решения, действуют

СЮДА ВХОДЯТ

Чаты команд
Звонки и встречи
Документы в работе
AI-ассистенты
Письма клиентам
Чёрновики

ГЛАВНЫЙ ВОПРОС«Как именно мы работаем?»

📚

SYSTEM OF RECORD

Где фиксируются факты

Где фиксируются факты — единственная подтверждённая правда, по которой принимаются дальнейшие решения

СЮДА ВХОДЯТ

CRM (стадии сделок)
ERP (склад, финансы)
Helpdesk (тикеты)
Wiki / База знаний
HRM-системы
BI-отчёты

ГЛАВНЫЙ ВОПРОС«Где хранится подтверждённая информация?»

SOURCE: SELF AI · INTEGRATION FRAMEWORK · 2026

39 / 58

Системное внедрение

Exhibit 40 · Anti-case · Russian sales practice

Агент шлёт КП в Telegram — и ничего не происходит. Цикл смерти.

⚠ Death Loop · 90 days

⚠ ПРОБЛЕМА

Агент в SoW, но не пишет в SoR

Действие есть. Эффекта не видно. Через 2–3 месяца KPI не сошлись — пилот закрыли. Это и есть 80% смертности.

✓ КАК ДОЛЖНО БЫТЬ

Агент встроен в воронку CRM

Триггер — смена стадии сделки в CRM
Action — draft КП в карточке сделки
Задача — на владельца с дедлайном
Принятие/правки — фиксируются в SoR
Метрика — конверсия и time-to-quote

SOURCE: SELF AI · 200+ CRM IMPLEMENTATIONS · 2024–2026

40 / 58

Системное внедрение

Exhibit 41 · Mortality drivers · survivor pattern

4 причины смерти — и один паттерн выживших.

Что общего у 80% мёртвых пилотов? И что общего у 30%, которые масштабируются и приносят измеримый эффект на P&L?

35%

ПРИЧИНА 1

Нет пересборки процессов

«Прикрутили чат» — процесс остался прежним. ИИ не освободил capacity, просто добавил инструмент.

25%

ПРИЧИНА 2

Нет метрик и baseline

Никто не зафиксировал «как было». Через 3 месяца — нечего сравнивать. Эффект «может, был».

20%

ПРИЧИНА 3

Слабые данные / интеграции

ИИ работает «в вакууме». Без CRM/ERP — это игрушка, не рабочий инструмент.

20%

ПРИЧИНА 4

Нет владельца результата

Никто не отвечает за эффект. Пилот «рассасывается» по календарю.

30^%

выживают и масштабируются

У выживших один общий паттерн: процессный подход — пересобранный сквозной процесс с владельцем и метриками.

Карта процессов и узких мест
Baseline и измеримые KPI
Владелец результата
Интеграция в SoR (CRM/ERP)

SOURCE: MIT NANDA / SELF AI · POST-PILOT REVIEW · 2024–2025

41 / 58

Системное внедрение

Exhibit 42 · 5 attributes of an effective AI agent

У агента, который даёт эффект, всегда есть 5 атрибутов.

Чек-лист «правильного» агента в процессе. Если из пяти атрибутов есть только два-три — это игрушка, не рабочий инструмент.

1

Триггер

Запускается событием в системе: смена стадии сделки, новый тикет, отгрузка, дедлайн. Не «человек вспомнил».

2

Выход в SoR

Результат пишется в систему учёта: CRM/ERP/helpdesk. Не «в чат и забыли».

3

Обратная связь

Человек принимает или правит, и эта правка возвращается агенту. Накапливается опыт.

4

Метрика

У агента есть KPI: конверсия, time-to-action, % принятых ответов. Без метрики — нет ROI.

5

Права и аудит

Понятно, что агенту можно, есть лог действий. Безопасность и compliance.

«Агент шлёт КП в Telegram»
→ ушёл в чат, никто не видел, не было SoR

→

«Агент создаёт draft в CRM при смене стадии»
триггер → SoR → задача → метрика

SOURCE: SELF AI · AGENT DESIGN FRAMEWORK · 2026

42 / 58

Системное внедрение

Exhibit 43 · Three waves of impact

Три волны эффекта от ИИ. Каждая со своим горизонтом и метрикой.

Время → Затраты → Выручка. Порядок имеет значение: нельзя начинать с «увеличить выручку через ИИ», не сняв сначала рутину и не освободив capacity для роста.

1ВОЛНА

Экономика времени

Высвобождение capacity

К РУТИНЕ

−30%

СРОК4–8 нед.

2ВОЛНА

Операционные затраты

Снижение cost-to-serve

К ОПЕРАЦИОННЫМ ЗАТРАТАМ

−15–20%

СРОК3–6 мес.

3ВОЛНА

Управляемость и выручка

Точность решений, скорость

К КОНВЕРСИИ

+5–10%

СРОК6–12 мес.

СОВОКУПНЫЙ ЭФФЕКТ ВНЕДРЕНИЯ ЗА 12 МЕСЯЦЕВ

от 50 млн до 500+ млн ₽

SOURCE: SELF AI · IMPACT FRAMEWORK · 2026

43 / 58

Что делать сейчас

VI

Что делать сейчас

Шесть конкретных шагов — от метрики до первых пилотов

01 Метрики02 Диагностика03 Матрица04 Обучение05 Чек-лист06 Калькулятор

AI BUILDERS LAB · MINSK 2026

44 / 58

Что делать сейчас

Шесть шагов — от метрики до первых пилотов

01

Стратегическая задача

1–3 метрики: выручка, затраты, скорость, риски

02

Диагностика процессов

Анализ бизнес-юнитов: где теряется время, где «руда»

03

Матрица инициатив

3–5 пилотов: быстрые победы + стратегические ставки

04

Обучить команду

Магия ИИ в действии → первая ИИ-команда

05

7 вопросов

Чек-лист: данные, владелец, безопасность

06

Калькулятор-опросник

Оценки и ориентиры: что даст внедрение ИИ

Дальше — по одному слайду на каждый шаг.

SELF AI · 6-STEP FRAMEWORK · 2026

45 / 58

Шаг 1 · Метрики

Exhibit 46 · Where AI creates money, time and advantage

Четыре типа ценности от внедрения ИИ

Прежде чем выбирать сценарий — выберите тип ценности. От него зависит и метрика, и владелец результата.

01 · ВЫРУЧКА

Прямое влияние на выручку и юнит-экономику

Рост среднего чека, конверсия, новые продукты, реактивация базы.

Метрика: ₽ выручкиВладелец: CCO / CEO

02 · ЭФФЕКТИВНОСТЬ

Высвобождение трудозатрат и операционная эффективность

Меньше людей на ту же работу, ниже издержки, рост без роста штата.

Метрика: часы · FTEВладелец: COO

03 · РИСКИ

Снижение рисков, предотвращение потерь

Compliance, fraud detection, контроль исполнения, сверки.

Метрика: ₽ потерьВладелец: CFO

04 · СКОРОСТЬ

Ускорение цикла экспериментов и принятия решений

Накопление знания о рынке быстрее конкурентов; отчёт — завтра, а не через 2 недели.

Метрика: дни → часыВладелец: CEO

SOURCE: SELF AI · VALUE FRAMEWORK · 2026

46 / 58

Шаг 2 · Диагностика

Exhibit 47 · First-wave AI scenarios with quick payback

5 сценариев первой волны — окупаются за квартал.

Каждый сценарий — это измеримый эффект на конкретный KPI и понятный срок от запуска до результата. Не «давайте автоматизируем», а конкретный бизнес-эффект.

01 · KNOWLEDGE

База знаний и AI-наставник

−40%

времени HR
и старших

СРОК4–6 нед.

02 · SUPPORT

Поддержка / FAQ-агент

−25%

обращений
1-й линии

СРОК6–8 нед.

03 · SALES

Продажи: КП, follow-up, скоринг

+15%

конверсии
в выручку

СРОК8–10 нед.

04 · FINANCE

Финансы: первичка, сверки, отчёты

−30%

времени
бухгалтерии

СРОК8–12 нед.

05 · PROCUREMENT

Закупки: подбор, сверка цен

−20%

closing
стоимости

СРОК10–12 нед.

Правило выбора: начинать с 1–2 сценариев, где есть данные, baseline и владелец. Не «всё сразу» — иначе попадёте в ту же воронку 80%.

SOURCE: SELF AI · 30+ ВНЕДРЕНИЙ · 2024–2026

47 / 58

Шаг 2 · Фазы

Exhibit 48 · 6 phases · AI North Star

Шесть фаз ИИ-трансформации и ИИ Полярная звезда

1

Оценка

Диагностика зрелости и данных

2

Стратегия

ИИ Полярная звезда + портфель инициатив

3

Пилоты

2–3 быстрые победы за 30–60 дней

4

Масштаб

Платформа, CoE, стандарты

5

Оптимизация

KPI, бенчмарки, улучшение

6

Трансформация

ИИ-зрелая культура, новые модели

ИИ Полярная звезда — не «внедрить ИИ», а «к 2029 каждое решение в [процессе] усилено агентом, что даёт нам [преимущество]».

Мы ведём клиента по фазам 1–3, дальше команда движется сама. Горизонт полной трансформации — 3–5 лет.

SOURCE: SELF AI · TRANSFORMATION PLAYBOOK · 2026

48 / 58

Шаг 3 · Матрица

Exhibit 49 · Value × Feasibility · investment committee for AI

Матрица «Ценность × Реализуемость»

Быстрые победы

начинать здесь

Стратег. ставки

готовить базу

Заполнители

по ресурсам

Избегать

честно не делать

РЕАЛИЗУЕМОСТЬ → · ВЕРТИКАЛЬ: ЦЕННОСТЬ ↑

Матрица — это инвестиционный комитет для ИИ-инициатив. Идеи не обсуждаются «по хайпу».

Как читать матрицу

Быстрые победы

Высокая ценность + лёгкая реализация. 40–60% портфеля. Демонстраторы ценности.

Стратегические ставки

Высокая ценность, но нужна подготовка данных и архитектуры. Основной объём инвестиций.

Заполнители

По остаточному принципу, когда есть ресурсы.

Избегать

Низкая ценность и сложно. Признаём честно и не тратим силы.

SOURCE: SELF AI · PRIORITIZATION FRAMEWORK · 2026

49 / 58

Шаг 3 · Портфель

Exhibit 50 · Real anonymized artifact · AI audit output

Так выглядит портфель после аудита

Инициатива

Уровень

Цен.

Слож.

Квадрант

1 · Агент конкурентной разведки

Low-code

5

2

БЫСТРАЯ ПОБЕДА

2 · Агент планирования активностей

RAG-ассистент

4

2

БЫСТРАЯ ПОБЕДА

3 · Ассистент аналитики (SSBI)

Ассистент

3

ЭКСПЕРИМЕНТ

4 · Ассистент трансформации данных

Low-code

2

ЭКСПЕРИМЕНТ

5 · Ассистент полевой команды

RAG-ассистент

4

3

СТРАТЕГИЧ.

6 · Агент регуляторного мониторинга

Low-code

3

СТРАТЕГИЧ.

2 быстрые победы → запускаем в первые 90 дней. 2 стратегических → 3–6 мес. 2 эксперимента → при ресурсах.

SOURCE: ИИ-АУДИТ · ПОРТФЕЛЬ ИНИЦИАТИВ (АНОНИМИЗИРОВАНО)

50 / 58

Шаг 5 · Чек-лист

Exhibit 51 · 7 questions before launch

7 вопросов, на которые нужны «да» до запуска внедрения.

1

Карта процессов

Понимаю ли я, как реально работают мои процессы?

Где «течёт» время, где узкие места, кто за что отвечает

2

Baseline

Есть ли цифры «как сейчас» по приоритетным процессам?

Без baseline через 3 месяца нечего сравнивать с фактом

3

Владелец результата

Есть ли в команде один человек, отвечающий за эффект?

Не «куратор пилота», а владелец цифр на P&L

4

Данные в CRM/ERP

Достаточно ли данных в учётных системах для работы ИИ?

Если CRM «полупустая» — сначала чистка, потом агенты

5

Интеграции

Готов ли стек к API-интеграциям?

ИИ должен встраиваться в существующие системы, не заменять их

6

Governance

Какие данные в каких контурах можно использовать?

Конфиденциальность, ПДн, контур безопасности — определены до запуска

7

Safety · log

Есть ли понимание границ автономии агента?

Что агент делает сам, что согласует, что — никогда

!

Если на 3+ вопроса нет уверенного «да» — начинаем с диагностики, не с пилота. И это не стоп-сигнал: следующий слайд — реальный старт из красной зоны.

SOURCE: SELF AI · READINESS CHECKLIST · 2026

51 / 58

Шаг 6 · Калькулятор

Exhibit 52 · AIOM scorecard · anonymized client

Красная зона — это старт, а не приговор: 0,9 → 1,9 за 12 месяцев

7 ДОМЕНОВ · ТЕКУЩИЙ → ЦЕЛЕВОЙ (12 МЕС.)

Стратегия и лидерство

1→2

Внедрение кейсов

1→2

Готовность данных

1→2

Кадры и культура ИИ

1→2

Технологии и платформа

1→2

Управление и риски

1→2

ИИ в процессах

0→1

0,9

AIOM сейчас (из 4)

1,9

цель через 12 мес.

ТЕПЛОВАЯ КАРТА · СРОК ВЫХОДА ИЗ КРАСНОЙ ЗОНЫ

Технологии и платформа2–4 НЕД

Стратегия и лидерство1–2 МЕС

Управление и риски1–2 МЕС

Внедрение кейсов90 ДНЕЙ

Готовность данных3–6 МЕС

ИИ в процессах6–12 МЕС

Кадры и культура ИИПОСТОЯННО

Все домены в красной зоне — но есть спонсор, ИИ-чемпионы и владельцы инициатив. Значит, компания готова не к масштабированию, а к правильному первому циклу.

ИИ-трансформация — это не один бот. Это 7 доменов, и каждый надо довести хотя бы до уровня 2.

SOURCE: ИИ-АУДИТ · AIOM (АНОНИМИЗИРОВАНО)

52 / 58

Следующий шаг

VII

Следующий шаг

Два воркшопа, диагностика и roadmap на 90 дней

AI BUILDERS LAB · MINSK 2026

53 / 58

Следующий шаг

Exhibit 54 · Paid workshop · 3 hours · online · up to 20 people

Внедрение ИИ в бизнес: с чего начать и как не сжечь бюджет

ПРОГРАММА · 3 ЧАСА ОНЛАЙН

Час 1

Диагностика
AI-зрелость компании, 4 уровня, бенчмарк с отраслью

Час 2

Карта функций
10 AI-инициатив из реальных процессов вашей компании

Час 3

Roadmap
RICE-приоритизация, 3 пилота, KPI на 30/60/90 дней

4 АРТЕФАКТА НА ВЫХОДЕ

01 · Диагностический отчёт AI-зрелости (L1–L4)

02 · Карта AI-функций компании

03 · Ранжированный бэклог 10 инициатив (RICE)

04 · 90-дневный roadmap с KPI и контрольными точками

ДЛЯ КОГО

Для CEO, COO и собственников компаний 30–500 человек. За 3 часа собираете карту AI-функций своей компании, приоритизируете 10 инициатив и получаете roadmap на 90 дней.

РЕШАЕМ ТРИ БОЛИ

😤 «Не знаю с чего начать» → Карта функций

💸 «Бюджет есть, эффект неясен» → RICE-приоритизация

🔄 «Пилот не масштабируется» → 90-дневный roadmap

СТОИМОСТЬ

500 BYN

CEO / COO
3 часа онлайн
до 20 человек

SOURCE: AI BUILDERS LAB · WORKSHOP PROGRAM · MINSK 2026

54 / 58

Следующий шаг

Exhibit 55 · Paid workshop · 3 hours · online · up to 15 people

CEO-создатель: своя AI-команда из себя и своих топов

ПРОГРАММА · 3 ЧАСА ОНЛАЙН

Час 1

Роль
Кто я в эпоху AI. Карта компетенций, AI-манифест

Час 2

Стек
5 ритуалов CEO с AI каждый день. Настройка на воркшопе

Час 3

Команда
3 шага каскадирования на топов за 30 дней

5 РИТУАЛОВ CEO С AI

01 · Утренний бриф — 15 мин вместо 1,5 часов

02 · Стратегические решения — AI-спор Claude vs GPT

03 · Подготовка к встречам — контекст за 5 минут

04 · Делегирование — задача с первого раза

05 · Совещания с AI — протокол и решения

ПЕРЕОПРЕДЕЛЕНИЕ РОЛИ

Переопредели свою роль и сделай AI ежедневной операционкой команды. Не «руками подрядчика», а руками руководителя и каскадом на топ-менеджмент.

РЕШАЕМ ТРИ БОЛИ

🤷 «Сам не использую AI — как требовать?» → Личный стек

👥 «Топы не используют AI» → 30-дневный каскад

💰 «Зависим от подрядчиков: $3K за бота» → Прототип за вечер

СТОИМОСТЬ

500 BYN

CEO / Собственник
3 часа онлайн
до 15 человек

SOURCE: AI BUILDERS LAB · CEO-СОЗДАТЕЛЬ · MINSK 2026

55 / 58

Следующий шаг

Exhibit 56 · With vs without diagnostics

Без диагностики vs С диагностикой —
та же команда, тот же бюджет.

✕

Без диагностики

Внедрение «по интуиции»

Гадаем, где будет ROI. Запускаем 3–5 пилотов «на удачу»
Зоопарк решений. Каждое подразделение — своя витрина
Эффект распыляется. Где экономия, где перерасход — не видно
В итоге: бюджет потрачен, эффект «может, был»

✓

С диагностикой

Внедрение «по карте»

Знаем 3–5 узких мест. Где течёт время и деньги — измерено
Единый подход. Один контур, одни стандарты, одни метрики
Эффект сфокусирован. Каждый пилот — на конкретный KPI
В итоге: измеримый ROI и масштабируемые сценарии

SOURCE: SELF AI · BENCHMARK · 2026

56 / 58

Следующий шаг

Exhibit 57 · 90-min diagnostic session → Full diagnostics

Один следующий шаг — 90-минутная диагностика.

1

Шаг 1 · диагностическая сессия

90-мин диагностическая сессия по вашему бизнесу

Бесплатно · первые 5 заявок· 90 минут · далее платно

Карта 3 узких мест в ваших процессах
2–3 сценария первой волны под ваш бизнес
Оценка возможного эффекта в часах и рублях
Чек-лист «нужна ли вам диагностика»

↓

2

Шаг 2 · для тех, кто готов

Диагностика: карта внедрения за 2 недели

2 недели · команда Self_AI · платно

Карта процессов и узких мест
3–5 приоритетов с baseline и ROI
Дорожная карта внедрения на 6–12 месяцев
Назначенные владельцы и метрики

Запись на сессию · напишите нам

Александр Куташ

Btools

Наталья Ганчарик

AI Builders Lab

★ Спецусловия для участников Сессия 90 минут — бесплатно для первых 5 компаний, подавших заявку