Найкорисніша відповідь на питання, наскільки широко слід застосовувати штучний інтелект у компанії, — це не «наскільки це можливо». А «до тієї міри, в якій це підвищує цінність, не підриваючи при цьому здатність до судження, якість та унікальність».
Сьогодні це має більше значення, ніж здається на перший погляд. В Італії рівень впровадження штучного інтелекту в підприємствах зрісз 8,2 % у 2024 році до 16,4 % у 2025 році, згідно з даними Istat, опублікованими виданням «Il Foglio». Подвоєння показника лише за один рік свідчить про одне: питання вже не в тому, чи варто рухатися вперед, а в тому, як правильно налаштувати курс.
Як генеральний директор платформи штучного інтелекту для європейських малих та середніх підприємств і як дослідник, що займається коммодитизацією результатів роботи мовних моделей, я бачу, як повторюється одна й та сама помилка. Компанії ставляться до штучного інтелекту як до вимикача. Вони або ігнорують його, або намагаються автоматизувати все. Обидва ці підходи знищують цінність. Перший — тому що гальмує розвиток. Другий — тому що наповнює вас результатами, які на перший погляд здаються правильними, але по суті є слабкими.
Ефективний фреймворк є простішим і більш впорядкованим: використовувати ШІ там, де це дозволяє скоротити рутинну роботу, і не застосовувати його там, де потрібні відповідальність, розуміння контексту та людський внесок.
Більшість компаній припускаються помилок — або через надмірність, або через запізнення. Справа не в тому, щоб впровадити штучний інтелект. Справа в тому, щоб визначити той рівень, за яким зростання операційної ефективності відстає від ризику, який ви при цьому створюєте.
Баладжі Срінівасан висловив це краще за будь-кого іншого: «0% ШІ — це повільно. А 100% ШІ — це безглуздя». Як генеральний директор, я це розумію так. Занадто мало ШІ призводить до безглуздих витрат у компанії. Занадто багато ШІ замінює здоровий глузд на правдоподібні, але взаємозамінні результати.
Логіка полягає в застосуванні кривої Лаффера до сфери інтелектуальної праці. Спочатку кожна додаткова одиниця штучного інтелекту приносить високу віддачу: менше часу витрачається на повторювані дії, швидкість виконання зростає, а процеси стають більш стандартизованими. Потім настає певний поріг. За цим порогом гранична вигода знижується, а витрати починають зростати, що багато менеджерів помічають занадто пізно: добре замасковані помилки, слабший контроль, розмиті межі відповідальності, одноманітний контент.
Залишатися на нулі — це не розсудливість. Це рішення платити кваліфікованим фахівцям за роботу, яка не створює конкурентної переваги.
Це трапляється щодня. Фінансові відділи, які вручну відновлюють файли. Співробітники відділу продажів, які переписують майже однакові електронні листи. Співробітники операційного відділу, які переносять дані з однієї системи в іншу. Співробітники відділу маркетингу, які вручну готують перші чернетки та змінюють формат. Ці дії не покращують стратегію, не зміцнюють позиціонування та не підвищують сприйняту клієнтом цінність. Вони лише відволікають увагу керівництва та марнують цінний час.
Саме тому ринок рухається вперед. Як зазначалося на початку, поширення цієї практики зростає, оскільки бездіяльність обходиться дедалі дорожче — спочатку у часі, а потім і в прибутку.
Без штучного інтелекту виконання сповільнюється. А якщо його занадто багато, то навіть те, що мало б залишатися унікальним, стає стандартним.
Інша помилка є більш прихованою, оскільки спочатку вона здається перемогою в плані ефективності.
Фінансовий звіт, повністю складений штучним інтелектом, може здаватися правильним, чітким і навіть переконливим. Але серйозний фінансовий директор не підпише документ лише тому, що він «звучить добре». Він порівнює його з замовленнями, надходженнями, запасами, оперативними затримками та комерційними винятками. Без цього етапу компанія не впроваджує автоматизацію належним чином. Вона лише переносить ризик далі по ланцюжку.
Те саме стосується продажів та маркетингу. Електронний лист, на 100 % створений штучним інтелектом, може відповідати тону, структурі та граматиці. Однак часто в ньому бракує індивідуальних деталей: посилання на реальні проблеми клієнта, динаміку його галузі, конкретні труднощі, що виникли під час розмови. Саме це і забезпечує конверсію. І саме тут повна автоматизація починає знищувати унікальність.
Ось це і є «слоп». Матеріал, який легко читається, швидко готується, формально прийнятний, але не несе за собою відповідальності та не забезпечує конкурентної переваги. Я детальніше проаналізував цей ризик тут: як компанії підходять до штучного інтелекту.
Практичне правило таке:
Штучний інтелект не дуже добре автоматизує весь процес. Він добре автоматизує центральну частину процесу. Він працює за принципом «від середини до середини».
На початку потрібна людина, яка визначить проблему, контекст, обмеження та релевантні дані. Наприкінці потрібна людина, яка перевірить результат, розгляне його в контексті та візьме на себе відповідальність за нього. А між цими етапами штучний інтелект може скоротити години роботи.
Візьмемо, наприклад, бізнес-аналіз. Керівництво визначає вихідні запити: які клієнти втрачають динаміку, які напрямки зростають, де маржа скорочується. Штучний інтелект агрегує дані, очищає таблиці, виявляє закономірності та готує звіт. Потім фахівець аналізує отримані результати та вирішує, чи є ця закономірність справжньою аномалією, чи лише тимчасовим відхиленням.
Така сама схема діє у сферах обслуговування клієнтів, фінансів, операційної діяльності та маркетингу. Штучний інтелект добре справляється з перетворенням, класифікацією, узагальненням, адаптацією формату та створенням первинних версій. Однак самостійно він не здатний правильно визначати бізнес-пріоритети та брати на себе ризик прийняття остаточного рішення.
Багато підприємців звертають увагу на API або ліцензії. Це частина витрат, але рідко є вирішальним фактором. Справжня вартість полягає в часі, який потрібно витратити на надання якісних інструкцій та перевірку результатів.
Тут варто згадати один факт, яким я часто ділюся з командами. Лише 10 % цінності штучного інтелекту походить від алгоритмів, 20 % — від даних, а 70 % — від людей, процесів та корпоративної культури, як підсумувала компанія Archimedia у своєму практичному посібнику. Якщо ви неправильно організуєте роботу, управління та розподіл відповідальності, то навіть маючи найкращу модель, ви все одно досягнете небагато.
Управлінське правило: штучний інтелект не усуває необхідність у компетентності. Він лише переносить акцент з механічного виконання завдань на вміння правильно оцінювати ситуацію.
Саме тому компанії, які намагаються «замінити людей», часто залишаються розчарованими. Натомість ті, хто переглядає ролі, досягають більших результатів. Менше часу на ручну роботу. Більше часу на перевірку, аналіз та прийняття рішень.
Три практичні наслідки:
Найшвидший спосіб зіпсувати впровадження — це розглядати обмеження ШІ як тимчасові проблеми. Багато з них такими не є. Це структурні межі, які саме й покликані визначати, де слід зупинитися.
Перше обмеження — економічне. Масштабне використання штучного інтелекту не є безкоштовним. Кожен виклик, робочий процес, оркестрування, інтеграція та контроль збільшують витрати. Якщо завдання має низьку цінність або вимагає занадто багато етапів перевірки, автоматизація може погіршити фінансовий результат, а не поліпшити його.
Друге обмеження — математичне. ШІ не здатний чарівним чином вирішувати проблеми, коли система є нестабільною, хаотичною або важко піддається спостереженню. Модель може допомогти розпізнати сигнали. Вона не може перетворити радикальну невизначеність на впевненість.
Третє обмеження — практичне. Навіть якщо модель є доброю, завдання в цілому не можна повністю автоматизувати. Хтось повинен сформулювати задачу, а хтось — перевірити відповідь.
Четверте обмеження — фізичне. ШІ не працює на вашому підприємстві, не відвідує клієнтів, не відчуває напруги під час переговорів, не бачить машину, яка вібрує ненормально, якщо йому не надати відповідні дані.
Якщо процес вимагає неявного контексту, безпосереднього сприйняття або високого рівня юридичної відповідальності, ШІ має виступати в ролі помічника, а не керівника.
Найбільш недооціненим «вузьким місцем» є внутрішня кваліфікація персоналу. В Італії 68 % компаній із чисельністю персоналу до 50 осіб вважають брак внутрішніх компетенцій головною перешкодою для впровадження штучного інтелекту, а для досягнення самостійного використання, згідно з цим аналізом щодо застосування штучного інтелекту, даних, компетенцій та навчання, потрібно в середньому 4–6 тижнів навчання.
Цей факт має більше значення, ніж багато ефектних демонстрацій. Якщо ніхто в компанії не вміє контролювати результат роботи, автоматизація не є перевагою. Це операційний ризик.
Для менеджера правильне запитання — це не «Чи вміє це зробити ШІ?». А ось таке:
Якщо хоча б на одне з цих запитань відповідь «ні», збільште частку людського фактора.
Найбільш підступна стратегічна проблема — це не груба помилка. Це зближення високої якості з посередністю. Я називаю цей ефект «пасткою B+».
Основні генеративні моделі дедалі частіше генерують результати, які є «достатньо хорошими». Чіткі тексти. Зрозумілі резюме. Упорядковані аналізи. Правильні структури. Але коли всі використовують ті самі моделі, ті самі шаблони запитів і ті самі алгоритми, результати мають тенденцію збігатися.
Для багатьох компаній це спочатку залишається непомітним. Вони бачать швидкість і уявну якість. Вони не бачать втрати голосу, втрати різкості, втрати конкурентної переваги. У маркетингу це виливається у взаємозамінний контент. В аналітиці це виливається в інсайти, які може отримати будь-хто. У стратегії це виливається в рішення, що ґрунтуються на середньому рівні ринкової інтелектуальної бази, а не на вашій власній перевазі.
Компанія, яка доручає штучному інтелекту виконання стандартних завдань, а потім додає внутрішню експертизу, галузевий контекст, власні дані та управлінське судження, отримує інший результат. Не обов’язково довший чи складніший. А корисніший.
Ось чому 100% ШІ — це конкурентний глухий кут. Не тому, що ШІ поганий, а тому, що якщо дозволити йому створювати все без людського втручання, результати ставатимуть дедалі більш схожими на результати всіх інших. Саме нестандартні риси забезпечують конкурентну перевагу.
Тим, хто бажає глибше вивчити цю точку зору з наукової точки зору, рекомендую ознайомитися з публікаціями про аналітику на основі штучного інтелекту.
Перевага у 2026 році полягає не в тому, щоб мати доступ до штучного інтелекту. А в тому, щоб знати, де зупинити автоматизацію та додати власний рівень.
Коли підприємець запитує мене, наскільки широко слід застосовувати штучний інтелект у компанії, я виходжу з двох змінних. А не з самого інструменту.
По-перше, це характер завдання. Воно механічне, аналітичне чи пов’язане з прийняттям рішень?
Другий аспект — це ціна помилки. Якщо результат виходить неправильним, чи втратите ви кілька хвилин, клієнта, прибуток чи авторитет?
Цей підхід має сенс ще й з однієї дуже конкретної причини. Найбільш безпосередній вплив Gen AI проявляється в автоматизації повторюваних завдань, таких як обробка електронної пошти та формування стандартних звітів, що дозволяє звільнити людські ресурси для виконання завдань з вищою доданою вартістю, як підкреслює Huware у своєму аналітичному матеріалі про продуктивність бізнесу.
| Тип завдання | Низька вартість помилки | Середня вартість помилки | Висока ціна помилки |
|---|---|---|---|
| Механічний і монотонний | Майже 90 % — штучний інтелект. Форматування даних, планування, тегування, розповсюдження контенту. | Приблизно 70 % ШІ. Високий рівень автоматизації з кінцевим контролем. | Приблизно 50 % — ШІ. ШІ готує текст, а людина перевіряє його рядок за рядком. |
| Аналітичний та інтерпретативний | Приблизно 70 % — ШІ. ШІ виявляє закономірності, а людина їх підтверджує. | Приблизно 50 % ШІ. Хороший баланс для управлінських звітів. | Приблизно 40 % — штучний інтелект. Потрібна систематична експертна перевірка. |
| Аналітичний та стратегічний | Приблизно 40 % штучного інтелекту. Підтримка різних сценаріїв та варіантів. | Приблизно 30 % — штучний інтелект. Штучний інтелект допомагає, а не приймає остаточне рішення. | Близько 30 % — штучний інтелект. Ціноутворення, стратегія, підбір персоналу, делікатні комунікації. |
Ці відсотки не є природним законом. Вони є практичною відправною точкою. Вони допомагають уникнути двох типових помилок: занадто рано автоматизувати процеси з високим рівнем ризику або залишати ручними процеси, які вже давно мали б бути автоматизовані за допомогою програмного забезпечення.
На практиці доцільно регулярно переглядати рівень автоматизації. Найкорисніші показники — це прості показники.
Якщо ви хочете формалізувати цей етап, варто подумати над тим, як оцінити рентабельність інвестицій у штучний інтелект, перш ніж поширювати його застосування на всю компанію.
Ключові висновки
Найкращий спосіб зрозуміти цей фреймворк — це побачити його застосування без зайвої теорії. Внутрішньо цей підхід не виходив з абстрактного проекту на «рівні ШІ». Він базувався на простому правилі: автоматизувати лише там, де вартість невиявленої помилки є низькою, зберігаючи людський контроль там, де вартість помилки є високою.
Найяскравішим прикладом є видавничий конвеєр. Перша спроба була простою: автоматизувати все — від початкового чернетки до поширення через канали, включаючи адаптацію формату, зображень та планування. Це працювало. Але результат був лише загалом правильним.
Тон був. Формат теж. Бракувало того, що досвідчений читач одразу відчуває: особливого ракурсу, оцінки, точки зору.
Калібрування було здійснено шляхом повернення людського втручання лише у двох етапах: перегляд ключового повідомлення та вибір кута для кожної платформи. ШІ продовжував відповідати за адаптацію формату, створення креативних матеріалів та публікацію. Таким чином, час, необхідний для виконання одного циклу, скоротився з трьох годин до приблизно 30 хвилин людської праці, при цьому кінцевий розподіл зусиль склав приблизно 80 % — ШІ та 20 % — людина.
Оптимальний момент — це не той, коли ШІ здатний зробити все. Це той момент, коли команда перестає надмірно коригувати результати, а результат залишається правдоподібним.
Метод, який було використано для досягнення цієї мети, можна застосувати в будь-якому малому та середньому підприємстві.
Спостерігаються три внутрішні показники: частота коригувальних заходів, загальний час від початку до кінця та якість, яку сприймає кінцевий користувач. Коли один із цих показників погіршується, потрібно повернути повзунок назад.
Цей підхід також добре відображає філософію продукту, яку я вважаю правильною: штучний інтелект повинен замінювати роботу аналітика, коли вона є повторюваною та структурованою, а не підприємницьке судження. Іншими словами, він створений для того, щоб замінити вашого аналітика, а не ваше судження.
Конкурентна перевага не полягає у більш широкому застосуванні штучного інтелекту. Вона полягає в умінні встановити межу до того, як автоматизація почне підривати рентабельність, довіру та унікальність праці.
Саме тому правильне питання полягає не в тому, чи впроваджувати штучний інтелект, а в тому, наскільки широко його використовувати в компанії в кожному важливому процесі. Крива Лаффера для штучного інтелекту служить саме для цього: щоб знайти ту точку, в якій автоматизація підвищує продуктивність і швидкість, не загнавши команду в пастку «B+» — тобто результатів, які є достатньо хорошими, щоб пройти перевірку, але занадто загальними, щоб виділити компанію серед інших.
На практиці штучний інтелект слід застосовувати там, де він скорочує час, зменшує обсяг рутинної роботи та забезпечує низькі витрати на перевірку. Його слід припиняти там, де помилка важить більше, ніж заощаджений час, де контекст має більшу вагу, ніж формат, і де рішення має комерційні або репутаційні наслідки.
Саме тут проявляється управлінська зрілість.
У наступному етапі конкуренції переможуть ті компанії, які зможуть чітко визначити межі застосування штучного інтелекту. Не ті, що застосовують його всюди, а ті, що залишають прийняття рішень за людьми, а решту дисципліновано автоматизують.
Якщо ви хочете застосувати цей підхід за допомогою платформи, яка автоматизує аналіз, не позбавляючи вас контролю над прийняттям рішень, ознайомтеся з ELECTE — платформою для аналізу даних на базі штучного інтелекту, призначеною для малих та середніх підприємств. Ви зможете побачити, як вона перетворює необроблені дані на корисні висновки, автоматичні звіти та сигнали, що допоможуть приймати рішення швидше, не покладаючись повністю на штучний інтелект. Готові діяти на основі своїх даних? Почніть безкоштовний пробний період →
.svg)
.svg)
.svg)
