Кратко о результатах внедрения ИИ
- С начала 2025 года внутреннее обучение по ИИ прошли 600+ сотрудников (как технических, так и нетехнических специалистов) — это более 30% команды.
- Автоматизированная система обучения на базе ИИ предоставляет обратную связь за считанные часы вместо нескольких дней. Преподаватели тратят меньше времени на повторяющиеся проверки.
- HR-специалисты, которые проводят регулярные встречи для удержания сотрудников и финальные интервью при увольнении, теперь тратят на формирование структурированных отчетов не час, а несколько минут.
- Подготовка к продажам, которая раньше требовала долгих внутренних согласований, значительно ускорилась благодаря быстрому доступу к проверенной информации через нашу ИИ-платформу SPARK (Searchable Platform for Assets, Resources, and Knowledge).
- Рекрутеры используют ИИ для стандартизации вакансий, помощи кандидатам в подготовке к собеседованиям и автоматизации рутинных задач — сохраняя при этом персональный подход к коммуникации.
Наш подход к ИИ-трансформации
Внедрение ИИ в компании началось не с масштабного запуска платформы или приказа сверху. Вместо этого мы сформулировали четкое видение того, как искусственный интеллект должен поддерживать наши бизнес-цели и приносить измеримую пользу каждой команде.
Основной принцип был простым: нужно встроить ИИ в реальные рабочие процессы и задать четкие рамки для безопасного и ответственного использования.
Мы также понимали, что искусственный интеллект нельзя применять бездумно, и универсальных инструментов для всех не существует. Каждая команда могла использовать одобренные инструменты там, где это было оправданно для ее задач и целей, при этом соблюдая корпоративные правила работы с ИИ.
Определение проблем, которые может решить ИИ
Наша цель заключалась в том, чтобы с помощью ИИ-инструментов сократить количество низкоуровневых задач и доработок, сохраняя при этом важный контекст и поддерживая человеческое суждение. Каждая команда начала с определения самых проблемных областей, в которых искусственный интеллект мог исправить положение дел.
Подготовка проектной документации занимала слишком много времени и часто требовала переработок. Качество ревью зависело от того, кто из специалистов доступен в конкретный момент. Информация была разбросана по электронным письмам и папкам, а иногда и вовсе хранилась только в головах отдельных людей. Когда кто-то переходил на другую позицию, ценные знания часто терялись. Мы стремились решить именно эти задачи и внедрить ИИ не для принятия решений, а для сохранения важного контекста.
С самого начала мы установили четкие правила в отношении данных, прав доступа и контроля. Результаты работы ИИ должны были основываться на проверенных источниках и быть понятными для людей.
Речь шла не про запуск нового фреймворка, а про интеграцию ИИ в ежедневную работу, чтобы она стала более эффективной.
Что изменилось в наших процессах
Когда мы начали внедрять ИИ в повседневную работу, в разных командах сложились разные подходы к его использованию — и это было вполне ожидаемо. Одни подхватывали новые инструменты сразу, другим понадобилось больше времени. Однако нам важны были результаты, а не скорость освоения.
Постепенно мы заметили, что сотрудники используют ИИ для подготовки и проверки работы. Задачи, которые раньше стопорились из-за нехватки контекста, стали продвигаться быстрее — благодаря автоматизированному доступу к информации из предыдущих проектов. Сотрудники стали принимать решения, имея более четкое представление о том, что происходило раньше. Благодаря правилам использования данных в ИИ-инструментах они также могли доверять получаемой информации и сосредоточиться на главном.
ИИ как поддержка, а не замена людей
Во всех командах мы увидели одну и ту же закономерность: ИИ выступал в роли помощника, а не замены для человеческих усилий и экспертизы. Решения по-прежнему принимали люди, но теперь между проектами сохранялся контекст, а ручной труд сокращался по мере автоматизации базовых задач.
В итоге сотрудники стали доверять ИИ-инструментам, потому что те помогали не просто избавиться от рутины, но и делать свою работу лучше.
Мы называем этот подход «AI as Fabric». Суть в том, что искусственный интеллект должен вплетаться в повседневные процессы, а не формировать собой отдельный слой в начале или конце цепочки. Такая интеграция ИИ позволяет со временем накапливать обучение, контекст и качество исполнения. Инструменты у разных команд могут отличаться, но единый подход обеспечивает общую непрерывность и надежность процессов компании.
Как мы используем ИИ в разных департаментах
Продажи и маркетинг
Искусственный интеллект не изменил зоны ответственности, но кардинально улучшил подготовку команд.
Раньше перед встречей с потенциальным клиентом приходилось собирать информацию по крупицам из разных источников: искать в общих папках, поднимать старые презентации, уточнять у менеджеров, на какие проекты можно ссылаться.
Информация была, но на ее поиск уходило много часов и сил.
После внедрения ИИ команда сократила время на исследования, стала быстрее погружаться в контекст и смогла сосредоточиться непосредственно на взаимодействии с новыми клиентами.
Гузель Каландарова, Business Development Manager, ISsoft & Coherent Solutions:
«Когда я готовлюсь ко встрече с клиентом, весь контекст уже есть у меня под рукой. Не нужно идти к delivery-менеджерам, чтобы уточнить, что мы делали раньше и есть ли у нас нужная экспертиза. Я могу сфокусироваться на главном — на будущем заказчике».
ИИ значительно упростил процессы в продажах и маркетинге: подготовка коммерческих предложений и презентаций стала занимать минуты вместо часов и дней. Команды тратят меньше времени на верификацию информации и больше — на построение отношений с потенциальными клиентами.
Искусственный интеллект не заменил человеческое суждение и креативность, но убрал неопределенность и позволил сотрудникам действовать быстрее и увереннее.
Рекрутинг и подбор персонала
В рекрутинге мы применили ИИ точечно — только там, где это отвечало потребностям нашей организации.
Перед нами не стояло цели автоматизировать весь процесс найма. Команда хотела использовать искусственный интеллект только для рутинных задач, которые отвлекают от общения с кандидатами и их оценки — таких как составление описаний для вакансий, подготовка резюме для клиентских интервью, планирование, аналитика и исследование рынка труда.
Автоматизация помогла команде рекрутинга расширить воронку и изучать больше профилей кандидатов.
Анастасия Гончарова, Head of Recruitment, ISsoft & Coherent Solutions:
«Благодаря новым инструментам наш отдел автоматизировал множество базовых административных задач, которые до этого съедали кучу времени. Теперь мы можем обрабатывать вдвое больше работы и при этом успеваем по-настоящему узнать кандидатов».
Для этой команды мы задали четкие границы: потенциальные сотрудники продолжают общаться с реальными людьми, а не анонимным чат-ботом.
ИИ помогает масштабироваться и поддерживать единые стандарты, но опыт кандидата определяется через взаимодействие с нашими рекрутерами.
HR и операционная деятельность
В HR мы сфокусировали внедрение ИИ на процессах, которые отнимали больше всего времени.
Интервью для удержания сотрудников — важная процедура, но за ней часто следуют часы дополнительной ручной работы: транскрибирование, перевод, систематизация заметок и подготовка резюме каждой беседы.
Команда начала автоматизировать эти задачи. Теперь встречи можно быстро резюмировать и структурировать в едином формате. Это разгружает специалистов и высвобождает время для другой работы.
Мы также заметили некоторые паттерны в ежедневных запросах к HR. Сотрудники часто задавали одни и те же вопросы: о корпоративных политиках, процессах, документах. Ответы давно существовали, но многие не знали, где их найти — поэтому либо искали в разных системах, либо обращались напрямую в HR, что постоянно отвлекало специалистов. Чтобы решить проблему, команда создала внутреннего ИИ-ассистента для работы с базой знаний — быстрый и надежный инструмент, позволяющий сотрудникам самостоятельно находить нужную информацию.
Ольга Спичак, HR Operations Manager, ISsoft & Coherent Solutions:
«Мы уже видим, что сотрудники пользуются ассистентом. Это первое место, куда они идут за ответами — вместо того чтобы писать в HR или менеджеру».
Обучение и развитие
Обучение стало одной из первых областей, где ИИ изменил как операционную модель, так и процессы. Все началось летом 2024 года, когда один из преподавателей создал автоматизированную систему оценки для обработки однотипных код-ревью. Сейчас мы используем ИИ-агентов, которые проверяют работы по критериям курса и возвращают структурированную обратную связь каждые три часа — а не через несколько дней. По сути, это тот же принцип, что мы используем при автоматизации QA с помощью ИИ в клиентских проектах.
Игорь Варакса, AI/Java Training Manager, ISsoft & Coherent Solutions:
«До интеграции ИИ обратную связь приходилось ждать день-два, в худшем случае — до пяти. Сейчас она приходит практически сразу».
Сегодня 80–90% первичных оценок выполняет искусственный интеллект — преподаватели же разбирают нестандартные случаи и уточняют инструкции. Как сказал один из них: «Когда делаешь одно и то же снова и снова, невольно начинаешь упрощать обратную связь или торопиться. А вот ИИ не устает». Система каждый раз применяет единые стандарты, и это дает бо́льшую последовательность и точность.
Обучение ИИ и обмен знаниями
Время, которое удалось высвободить за счет автоматизации оценки, команда реинвестировала в создание структурированной программы обучения ИИ. За первые 14 месяцев на курсы записались 878 сотрудников из 28 практик и 11 офисов. На момент написания статьи обучение прошла примерно треть компании, включая специалистов на нетехнических позициях.
Параллельно команда обучения начала применять ИИ для курирования знаний — наших процессов по поддержанию и распространению инженерной информации. С помощью мультиагентной системы они генерируют образовательные дайджесты на уровне практик, превращая длительный ручной процесс в пятнадцатиминутную задачу.
Встроенный агентный ИИ взял на себя операционную нагрузку и позволил сотрудникам тренинг-центра увеличить охваты без потери качества.
Влияние внутренних ИИ-проектов
Результаты наших инициатив по внедрению искусственного интеллекта изменили повседневные процессы всей организации.
Управление персоналом
ИИ сократил объем последующей работы. Когда HR проводят встречи для удержания сотрудников или финальные интервью перед увольнением, система автоматически транскрибирует, переводит и резюмирует разговоры. Как только информация зафиксирована и структурирована, ее можно быстро подготовить и передать дальше.
Обучение
Скорость обратной связи больше не зависит от того, как скоро преподаватель сможет добраться до своего бэклога. ИИ выдает ее практически мгновенно, а правила и критерии оценки одинаковы для всех работ. Благодаря этому наставнику не приходится вносить одни и те же правки каждому ученику.
Продажи и развитие бизнеса
Командам больше не приходится заново собирать контекст для каждого пресейла. Описания кейсов, результаты и сопровождающие материалы всегда доступны и приведены к единому стандарту — нет необходимости сверять детали с проектными командами.
Во всех этих областях наши команды увидели реальные, практические изменения: меньше затраченных усилий и больше продуктивности.
Эти перемены не были спланированы заранее — они происходили органически, по мере того, как ИИ становился частью повседневной работы.
SPARK — наше корпоративное ИИ-решение
В разных командах искусственный интеллект применяется по-разному, в зависимости от роли и рабочих процессов. SPARK — один из самых наглядных примеров, как эта трансформация обрела конкретную форму.
То, что начиналось как внутренняя инициатива отделов продаж и маркетинга, выросло в платформу, встроенную в ежедневную работу всей компании.
SPARK расшифровывается как Searchable Platform for Assets, Resources, and Knowledge — платформа для поиска материалов, ресурсов и знаний. Это внутренняя система на базе ИИ, задача которой — сделать корпоративную информацию структурированной, доступной и пригодной для использования в режиме реального времени. Она связывает историю работы с клиентами, контекст по проектам, данные о ресурсах, маркетинговые документы и превращает фрагментированные материалы в общую операционную базу знаний.
За годы работы мы накопили опыт работы с множеством клиентов, отраслей и проектных команд — но информация хранилась в разрозненных системах, документах и головах сотрудников: ее приходилось вручную собирать по крупицам и сверять сразу с несколькими людьми.
Вся информация в одном месте — с помощью ИИ
SPARK был создан, чтобы изменить эту ситуацию. Платформа централизует проверенные данные, встраивает ИИ прямо в рабочие процессы и обеспечивает единообразие в том, как информация фиксируется, структурируется и переиспользуется. Для поиска проверенного контекста команды обращаются к единой среде — вместо того, чтобы каждый раз собирать его заново.
Система спроектирована так, чтобы совершенствоваться со временем. По мере того, как команды документируют работу, создают материалы и добавляют информацию о клиентах в рамках текущих процессов, SPARK обновляется. Сотрудники также дают обратную связь по платформе: указывают на пробелы, уточняют, что требует доработки, и направляют развитие платформы.
Для нас SPARK — это живая, развивающаяся система, а не завершенный проект.
Как ИИ меняет модель доставки проектов
По мере того, как преимущества искусственного интеллекта проявлялись в разных проектах, мы все чаще задавались вопросом: как технология может повлиять на доставку?
Традиционная модель жизненного цикла разработки ПО (SDLC) предполагает, что работа движется по отдельным линейным фазам. Контекст передается на каждом этапе, а существенная обратная связь зачастую откладывается до конца цикла — когда вносить изменения в продукт уже сложно и дорого.
Мы встроили ИИ в различные задачи доставки — но модель, которую он поддерживал, оставалась прежней. Скорость выросла, а вот ценность или понимание наших команд — нет.
Стало понятно: чтобы по-настоящему связать ИИ с моделью доставки, нужно переосмыслить весь фреймворк. Мы проанализировали, как информация и знания перемещаются между людьми и фазами. По мере внесения изменений, стали уделять больше времени подготовке и исследованиям, перенесли обратную связь на более ранние этапы и убедились, что у команды есть весь необходимый контекст для принятия обоснованных решений. На каждом из этих шагов мы оценивали, как ИИ может поддержать новый процесс.
Преимущества CDL
Со временем эти изменения сложились в принципиально новую модель, которую мы назвали Continuous Delivery Loop (CDL) — цикл непрерывной доставки. Как и большинство наших ИИ-инициатив, она возникла органически — из усилий различных проектных команд по продуманному внедрению ИИ и оптимизации процессов.
CDL — это доставка, которая обучается на ходу. Работа не ждет формальных контрольных точек для улучшений, обратная связь определяет следующий шаг, человеческое суждение остается в центре, а ИИ-системы помнят все, что командам уже известно.
Разрабатывая этот фреймворк, мы увидели четкий путь от точечного использования ИИ в изолированных задачах к тому, чтобы позволить ему формировать сам процесс доставки.
Принципы органичного внедрения ИИ
Мы увидели, как искусственный интеллект изменил повседневную работу множества наших подразделений: от сокращения доработок при каждой передаче проектов до помощи отделу продаж в построении более качественных отношений с клиентами. Максимальных результатов добились, когда дали командам возможность осваивать инструменты по мере необходимости. Как итог, мы увидели рост продуктивности и позитивные органические изменения в том, как сотрудники планируют, взаимодействуют и двигают работу вперед.
Многие организации сегодня экспериментируют с ИИ — однако немногие видят устойчивые изменения в продуктивности и удовлетворенности сотрудников после внедрения.
Чтобы получить реальную отдачу, компаниям стоит сфокусироваться на том, как технология может улучшить работу с информацией, обучение и применение экспертных знаний во всех направлениях — и как это будет развиваться с течением времени. Только в этом случае ИИ перестает быть надстройкой и становится неотъемлемой частью того, как работают люди, команды и целые организации.
