# Где применять ИИ в бизнесе

> [HTML-версия](https://learnvibecoding.ru/publiclessons/gde-primenyat-ii-v-biznese) · [Индекс для LLM](https://learnvibecoding.ru/llms.txt) · [Политика использования материалов](https://learnvibecoding.ru/politika-materialov)
> Материалы защищены. Обучение LLM без согласия запрещено. При разрешённом использовании — обязательна прямая ссылка на страницу-источник.
> С чего начать внедрение ИИ в бизнес

**Курс:** Внедрение ИИ в бизнес

## **Внешняя среда**

Применение ИИ начинается с анализа внешней среды:

- Поймите, как ИИ влияет на ваш сектор — изменяет поведение клиентов, создает новых конкурентов и бизнес-модели.
- Следите за регулированием и тенденциями — государства уже вводят правила использования ИИ.
- Генеративный ИИ трансформирует контент, аналитику и продуктивность. Он работает как **copilot** — усиливает знания и помогает принимать более точные решения.

---

## **Предлагаемые преимущества**

Определите, **какую ценность ИИ создаст для клиентов**:

- Улучшение сервиса и персонализация взаимодействия.
- Оптимизация внутренних процессов и снижение себестоимости.
- Создание новых продуктовых направлений, открытых благодаря ИИ.

## **Формулируя ценностное предложение, учитывайте реалистичные издержки и влияние на клиентский опыт**

### 1. Себестоимость AI-продуктов растёт с каждой операцией

У классического SaaS переменные издержки почти нулевые.

У AI-продукта — каждая операция стоит денег: токены, GPU, инференс.

Поэтому ИИ внедряют только туда, где он **окупает себя** — в процессы, которые двигают деньги:

повышают конверсию, снижают AHT/TTR, уменьшают списания, растят ARPU или retention.

---

### 2. Seat-pricing не работает

У AI переменная себестоимость, значит, **ценообразование должно отражать использование**.

Используем usage-модели: запросы, токены, минуты, тарифные лимиты, апселлы на “большой контекст”.

---

### 3. Три уровня метрик

- **Model Quality** — точность, релевантность, отсутствие “галлюцинаций”.
- **Adoption / Usage** — активность и возврат пользователей.
- **Business Value** — реальная экономия, прибыль или выигранное время.

---

### 4. North Star Metric

Для каждого сценария ИИ нужно определить **одну ключевую метрику (NSM)** — ту, что соединяет ценность для пользователя и деньги для бизнеса.

PMF в AI = доказали влияние на NSM и подтвердили, что эффект **окупает стоимость модели**.

---

### 5. Проверка гипотезы за 2–3 недели

Гипотеза формулируется просто:

> «Если внедрить AI в точке X, метрика Y изменится на Z %».
> 

Как протестировать дешёво:

- узкий сценарий (один тип вопроса),
- лёгкая архитектура (RAG + open-source модель),
- 3–5 % трафика,
- одна главная метрика и чёткий kill-критерий.

---

### Пример: e-commerce

**Гипотеза:**

Если добавить ассистента в карточку сложных товаров (смартфоны, ноутбуки), который помогает выбрать модель по критериям пользователя, то конверсия “просмотр → корзина” вырастет на +3 %.

**Сценарий:**

Ассистент отвечает на вопросы вроде

«Какой смартфон лучше для фото до 30 000 ₽?»

или

«В чём разница между этой и той моделью?».

**Реализация:**

- Категория: смартфоны.
- Архитектура: RAG по характеристикам и отзывам.
- Генерация — open-source модель с короткими промптами.
- UI: кнопка “Спросить совет” на карточке.
- Инференс: ≈ 0,1–0,2 ₽ за вызов.
- Бюджет пилота: до 150 000 ₽.

**Ограничения:**

- Только 1 категория.
- Только 5 % трафика.
- Только мобильная версия.

---

### Метрики пилота

- **Главная (NSM):** Conversion Rate “просмотр → корзина”.
- **Поддерживающие:** CTR кнопки “Спросить совет”, среднее время в карточке, стоимость инференса / ROI.
- **Kill-критерий:** через 3 недели
    
    — uplift < +1 % → останавливаем,
    
    — инференс дороже ценности → пивотим.
    

---

### Результаты

Через 3 недели:

- CTR кнопки = 18 %,
- CR “просмотр → корзина” +2,7 %,
- ROI ≈ 3,5 (дополнительная выручка в 3,5 раза превышает стоимость инференса).

---

## **Организация и выполнение**

Даже лучшая стратегия не сработает без готовности компании.

- Оцените, есть ли ресурсы и компетенции для внедрения ИИ.
- Подготовьте структуру и процессы — создайте культуру, открытую к экспериментам и обучению.
- Обеспечьте выравнивание целей, ролей и ответственности, чтобы каждый сотрудник понимал, как ИИ усиливает его работу.

[Все уроки](https://learnvibecoding.ru/publiclessons.md) · HTML: https://learnvibecoding.ru/publiclessons