Дневник СЕО IT-компании

Очередной кейс ДО-ПОСЛЕ, и снова из Бразилии. Да, там тоже внедряют ИИ.

Крупнейший маркетплейс Латинской Америки Mercado Libre начал интеграцию ИИ еще в 2024 году. Сначала это были робкие эксперименты с LLM, затем переход к агентским системам. А в результате... сейчас расскажу.

ДО: Клиентская поддержка маркетплейса обрабатывала миллионы обращений с помощью чат-ботов и ручной модерации. Адский неблагодарный труд.

ПОСЛЕ: В 2026 общая прибыль компании год к году выросла на 49%. Внедрение ИИ было поэтапным. Сначала автоматизировали поиск по каталогу. Вместо ключевых слов, категорий и тегов — нейросеть, понимающая запрос пользователя. Результатом стало повышение конверсии и CTR платных листингов, что напрямую привело к росту прибыли компании.

Затем пришел черед описаний товаров. ИИ-ассистент для продавцов взял на себя создание описаний, что подстегнуло активность продавцов и опять же вылилось в повышение revenue. Также ИИ активно используется в финтех-отделении Mercado Pago. Для держателей карт работает ИИ-агент, проактивно помогающий переводить средства на более выгодные для них счета.

Конечно, не совсем корректно относить весь прирост прибыли на счет AI, а детализации компания в отчетах не приводит. Тем не менее, руководство маркетплейса отмечает позитивный эффект от ИИ, хоть и без атрибуции цифр. Кейс Mercado в финтехе здесь, в разработке здесь, в контенте здесь. А здесь отчеты для инвесторов.

Вижу огромный запрос на ИИ: компании начали осознавать, что это нужно, но часто подходят к вопросу с позиции «давайте внедрим хоть что-то, покажите, что эта штука умеет». Рынок ищет волшебную пилюлю и готовые решения, на этот хайп покупаются даже опытные топ-менеджеры, CTO и CIO.

Но здесь кроется главная ловушка.

Даже если заказчик найдет готовое LLM-решение для бухгалтерии или HR, он упускает ключевой шаг — понимание, что именно изменится в его бизнесе от этого внедрения. Стандартные процессы в компании еще не означают самое узкое место. Внедрение инструмента без привязки к реальной боли и бизнес-эффекту не принесет пользы. Начинать нужно не с поиска готовых продуктов, а с анализа того, что у вас реально болит и что вы хотите изменить. Этот подход я подробно разбирал в статье.

Если вы чувствуете потребность в автоматизации, но не до конца понимаете, с какой стороны подступиться и где именно ваше узкое место — давайте разберемся вместе. Мы помогаем продиагностировать компанию на предмет готовности к внедрению ИИ (пройти аудит готовности), выстраиваем дорожную карту, подбираем работающие инициативы, просчитываем экономику и собираем рабочие прототипы, которые можно сразу запускать.

Продолжаю прокачивать личные скиллы и тестировать на своих задачах.

Моя главная цель сейчас — разгрузить себя от рутинного операционного контроля и переключиться на развитие компании и творчество. Хочу, чтобы ИИ-агент взял на себя мониторинг процессов по заданному алгоритму, работал по условному принципу светофора (подсвечивал желтым и красным зоны риска) и уведомлял меня тогда, когда реально требуется мое включение.

С чего начинал? С продаж, где я какое-то время выполнял роль руководителя отдела.

В сложных B2B-продажах корпоратам цикл сделки длинный, а параметров масса: нужно отслеживать суммы проектов, контролировать ведение CRM, замерять «пульс сделки», понимать всех участников и их реальные бизнес-потребности. Знания о клиенте накапливаются постепенно, поэтому автоматизировать все это простым алгоритмом не получится.

Какой план действий:

Начальный этап: Базово контролирую заполнение полей и ведение сделок. Использую свою экспертизу в B2B, чтобы валидировать процессы и давать сейлз-менеджерам рекомендации, что докрутить для повышения шансов на успешную сделку.

Целевой этап: Постепенно перекладываю эту работу на ИИ-агентов. Они помогают сейлзам внутри процессов, подсказывают, где просадки, и сигнализируют мне только по критическим точкам. Промежуточный прогресс я описывал здесь.

Прохожу этот путь по высвобождению из операционки на практике и продолжу делиться результатами.

#ии_трансформация_сибериан

Продолжаю разбирать кейсы ДО-ПОСЛЕ. В этот раз речь пойдет об оптимизации работы больниц с помощью агентского ИИ.

В медицине цена ошибки слишком высока, поэтому ИИ здесь внедряются с особой осторожностью. Тем более, что в базе ИИ часто дает плохие медицинские советы. Но зато, если подключить RAG с точной медицинской информацией, результат будет намного более впечатляющим. Такие ИИ-решения уже спасают жизни.

Итак, кейс: бразильская система здравоохранения внедрила ИИ-платформу NoHarm для анализа врачебных назначений и рецептов.

ДО: Клинические фармацевты и врачи тратили часы на сверку рецептов, чтобы избежать конфликтов препаратов или неверных дозировок. Из-за разрозненности систем (в медицине до 97% данных оцифрованы, но никак не используются) один специалист физически успевал оценить карту и назначения лишь для 100 пациентов в день.

ПОСЛЕ: ИИ-агенты взяли на себя роль бдительного ассистента врача. Система NoHarm в реальном времени анализирует назначения и клинические записи, автономно подсвечивая риски: несовместимость лекарств, дублирование или ошибку в дозе. Итог: скорость анализа рецептов выросла в 8 раз! Теперь та же клиническая команда обрабатывает до 800 пациентов в день вместо прежних 100. Врачи сфокусированы на сложных случаях, а не на перепроверке бумаг. И приятный бонус: система экономит клиникам в среднем $500 000 в год на каждые 200 больничных коек.

Подробности здесь. А в моем блоге на сайте — еще примеры успешных внедрений ИИ в медицину.

Два месяца назад я поднялся на самую высокую вершину континентальной части США — гору Уитни. 4421 метр. За один день. И это одно из самых тяжелых физических испытаний в моей жизни.

Впервые оказался на такой высоте. Обычно на Уитни ходят несколько дней, с ночевками. Мы уложились в сутки. Как это выглядело: проснулись в полночь, в 2 ночи вышли из базового лагеря, в 2 часа дня стояли на вершине, в час ночи вернулись. Итого 25 часов без сна, из них 23 — в движении.

На спуске навстречу шли свежие хайкеры. Для них это было раннее утро и начало маршрута. Для нас — глубокая ночь, в которой мы все еще не спали. Заходило солнце, просыпались люди, а мы жили уже «второй день». Странное чувство смешения времен, мозг просто отключался и мышцы работали на автопилоте.

Шли вдвоем с моим родственником. Ему 67 лет. И он поднялся на вершину за тот же день — меня это впечатляет даже больше моей собственной вершины.

Ели весь день... практически ничего. Пили воду, которую взяли с собой, на обратном пути — из ручьев. Батончики-энергетики были с собой, но после той горы я два месяца не мог на них даже смотреть. Хотелось простой еды: булки, фрукты, картошки.

Похудели прилично: я — минус 2 кг за сутки, напарник — 2–3 кг. Так что рецепт для желающих сбросить вес известен: 25 часов не есть, пить только воду и 23 часа из них идти. Проверено 🙂

До восхождения я переживал: вдруг горная болезнь, вдруг погода сорвется, вдруг не дойду и подставлю напарника. Но утром, в момент пробуждения, в голове сама заиграла песня All Star из «Шрека» и я понял, что смогу дойти до вершины.

Про подготовку отдельная история. Я живу на равнине, гор рядом нет. Поэтому тренировки я доверил ChatGPT. Рассказал про свои планы, он запросил базовые данные: чем занимаюсь, вес, были ли травмы, сколько есть времени на тренировки. Вердикт: «нужно 3 месяца». Отвечаю: «извини, есть один». Пересчитал: «тогда 5 тренировок в неделю». Честно, выходило 3. Зал, приседания и полтора часа подъема по ступенькам, тупо вверх, без лифта.

И вот что важно: на самой горе — ни проблем с мышцами, ни с дыханием. Ноги отказали только к концу дня: не болели, а просто не поднимались. На следующий день еле волочил их.

Теперь занимаюсь функциональными тренировками, чтобы все тело было развито гармонично и готово к новым вызовам. И хочется повторить что-то подобное, уже в другой локации.

Виды сверху — одни из самых сильных, что я видел. И в завершении фоточки.

Август выдался максимально плотным. Пока все были в отпусках, мы в Siberian.pro активно изменялись. 

1. Проверяли гипотезы новых продуктов. Лично провел 10 кастдевов за месяц — получили глубокий фидбек по продукту и уже пивотнулись. Изучил Jobs To Be Done и систематизировал свое же понимание о своем бизнесе.
2. Обучали сотрудников (неразработчиков). Мы научили команду (маркетинг, продажи, аккаунтов) не ждать ИТшников, а самостоятельно автоматизировать рутину. Кто-то через вайбкодинг, кто-то через написание скиллов — теперь они сами создают и оптимизируют инструменты под свои KPI. 
3. Собрали систему для управления цифровыми сотрудниками. Мы собрали систему, где группа агентов взаимодействует между собой для достижения цели. Компания превращается в набор прозрачных алгоритмов, которые создают сотрудники.

В итоге получилось пересобрать процесс продаж: увеличили его пропускную способность — раньше квалификация занимала до 2 недель, сейчас 2 дня. При этом удалось повысить качество квалификации. ИИ анализирует материалы, обогащает их данными из открытых источников, выступает как эксперт в продажах и дает ОС sales-менеджеру, что ему еще требуется доделать. Ждем результатов внедрения в сентябре.

Удивительно то, что раньше такие изменения требовали огромных ресурсов разработки и месяцев работы. Сейчас мы делаем это дешевле и кратно быстрее. Перспективы, которые открываются при таком подходе — это совершенно другой уровень капитализации бизнеса за счет того, что все сотрудники начинают «программировать компанию».

Я рекомендую всем руководителям начинать осваивать технологию хотя бы с микро-автоматизаций, даже если кажется, что «мы не ИТ-компания». Разрыв в бизнес-результатах между теми, кто управляет живыми и цифровыми сотрудниками, и теми, кто управляет только людьми, будет и дальше расти.

Если хотите обсудить, как начать «программировать» процессы в вашей команде — пишите в личку @karmakoff. Поделимся нашими граблями и находками.

Контролировать воронку продаж в 7–8 раз быстрее? Реально ⚡️

Когда в пайплайне десятки сделок, у руководителя физически нет времени вычитывать каждую карточку. Проверки становятся выборочными, а детали теряются.

Мы решили эту боль с помощью собственного ИИ — CEO Siberian.pro Влад Кармаков поделился деталями в исследовании агентства «Атвинта» для медиа «Бриф».

Что делает наш ИИ-агент прямо в CRM:
• Мониторит зависшие сделки и подсвечивает узкие места.
• Видит, каких вводных не хватает для перевода клиента на следующий этап.
• Напоминает сейлзам, когда пора вернуться к клиенту.

Результат: контроль сделок стал 100% системным, а времени у руководства уходит в 7–8 раз меньше.

В статье — наш опыт и кейсы коллег по рынку, которые также используют ИИ в продажах: от нейроаналитики созвонов до сборки КП за минуты.

👉 Прочитать материал по ссылке

Турецкая авиакомпания Pegasus круто переизобретает процессы взаимодействия с клиентом через цифру. А мы тем временем пересаживаемся на лошадей...

Факап на ИИ-обучении: почему буксует трансформация и какие выводы я сделал

Хочу поделиться факапом, который случился у нас на одном из ИИ-кружков. Мы тогда сильно замешкались с развертыванием и настройкой Hermes-бота и за целую неделю практически не продвинулись.

Сперва напомню нашу гипотезу и образ результата, к которому мы идем:
У каждого сотрудника компании — будь то операционка, производство, продажи или управление — должен появиться свой цифровой помощник. Ему можно делегировать повторяющиеся задачи, упакованные в конкретные навыки (скиллы).
Все эти цифровые ассистенты должны работать в едином контекстном пространстве: понимать общие процессы, правила компании и взаимодействовать между собой. Так бизнес шаг за шагом оцифровывается в единую связанную экосистему.

Но тогда процесс резко затормозил. На это было две причины:
1) Внешние барьеры. Разработке постоянно приходится пробивать стену: с одной стороны сервисы блокирует условный Anthropic, с другой — добавляет сложностей РКН.
2) Потеря темпа и фокуса лидера. Это главная причина. Я сам как лидер изменений сбавил обороты, не показал должного личного примера и вовремя не дожал процесс.

Главные уроки, которые я вынес из этой ситуации:
- Без воли первого лица ничего не полетит. Снизу системная трансформация не произойдет, рутина и привычные паттерны всегда побеждают. Топ-менеджмент должен постоянно держать темп, пушить внедрение и показывать пример на своих задачах.
- Нужны союзники на каждом уровне. Цель задается сверху, но на местах обязательно должны быть эксперты, которые подхватывают механику и помогают достигать цели.
- Скорость лидера — это скорость команды. Стоило мне чуть-чуть подтормозить, как встала работа всего кружка.

Задачу мы в итоге дожали, но этот опыт отлично показал, что нельзя сбавлять темп и ослаблять личный фокус.
Учитесь на моих ошибках и не повторяйте их в своих командах!

#ии_трансформация_сибериан

Если вы думали, что у меня закончились кейсы ДО-ПОСЛЕ внедрения ИИ, то вы ошибаетесь. Их становится только больше. Потому что бизнес начал понимать реальную ценность ИИ и реальные ограничения технологии. Следовательно, подходит к внедрению ИИ более прагматично и разумно.

Кейс отдела разработки компании Samsung на первый взгляд не выглядит чем-то неординарным. Ну внедрили копилота в офис. Все так делают, что тут такого? Решение взяло на себя документооборот, работу с почтой, составление шаблонов документов, расшифровку встреч и другую типовую офисную рутину. Ничего особенного. Но здесь важно не что сделано, а как.

Простым чатом с ИИ решение было в 2024 году. А сегодня это система из ИИ-агентов, выполняющих большую часть офисной работы. Причем 60% задач выполняется вообще без участия человека! В этом и состоит разница между ИИ-агентами и простой нейросетью. Кстати, про ИИ-агенты и чат-боты есть материал в блоге на сайте.

ДО: Классические бизнес-процессы в офисах компании Samsung. Вручную, медленно, долго. Сотрудники Samsung Group тратили ~2-3 часа в день на рутинные административные задачи.

ПОСЛЕ: Разработанный в недрах компании Brity Copilot сократил время на рутинные задачи на 50-60%. Общая экономия оценивается в $100 млн. Плюс компания еще и зарабатывает на внедрении своей системы ИИ-агентов (под брендом FabriX) своим клиентам. Подробности здесь.


К слову, внедрение ИИ — это не обязательно про мегакорпорации и миллионы долларов. В прошлый раз я описывал внедрение ИИ в малый бизнес. А небольшие ИИ-ассистенты доступны практически любой компании и окупаются за пару месяцев.

Все говорят: «да, мы используем ИИ в производстве». Но если копнуть — что именно поменялось? Какие новые процессы появились, а какие исчезли? Какие инструменты реально используются? Специально задаю эти вопросы, потому что именно здесь обычно начинается blah blah blah. Все соглашаются, кивают, а глубина и уровень реальной трансформации остаются за кадром.

Мы в Siberian.pro стремимся быть в авангарде AI-трансформации. Но не все наши проекты покрыты одинаково. Есть проекты на 7-м уровне — они ведутся совершенно по-новому. А есть отстающие, их мы и хотим поднять. Поэтому сейчас мы собрали Матрицу зрелости из материалов наших проектов.

А зачем нужна матрица?

Чтобы сформулировать ИКР — идеальный конечный результат. Создать фиксированные линии, от которых мы будем измерять трансформацию в delivery и в производственном процессе. Единицу измерения, которая говорит: вот здесь у нас есть лидерство в использовании ИИ, а здесь — пока нет. Без таких линий невозможно понять, где ты реально находишься. Каждый будет говорить «мы используем ИИ», а измерить нечем.

Мы выделили 8 уровней внедрения ИИ в производственный процесс разработки. Приведу урезанную форму матрицы

Фаза 0: Классическая ручная разработка (Baseline)

Фаза 1: Эра Копипаста (Внешние инструменты)
1. Разрозненные веб-чаты (Shadow AI). Использование публичных бесплатных LLM, копипаст из чата в IDE, преимущественно ручной кодинг.
2. Безопасный и контролируемый корпоративный веб-чат. Сотрудникам известно, какими инструментами и моделями можно пользоваться на коммерческих проектах. Появляется систенмый подход, обучение, шеринг знаний, и т.д. по работе с ИИ.

Фаза 2: Эра IDE и Базовой Автоматизации
3. Разрозненные ИИ-ассистенты в IDE. Установлены ИИ-плагины или ИИ IDE (GitHub Copilot, Cline, Cursor и др.). Использование ИИ в IDE с доступом к контексту репозитория и прочее.
4. Базовая автоматизация процессов с ИИ. Автогенерация текстов коммитов на основе изменений в коде. AI Code Review в CI/CD и IDE (проверка стиля, базовых уязвимостей до ревьюера-человека). Автоматизация daily summary и meeting notes и прочее.
5. Локальные агенты и перенос контекста (In-Repo Context). Использование локальных агентов в IDE (Cursor Agent, Cline). Наличие внутрикомандных гайдов по написанию эффективных промптов. Запуск агентами билдов, линтеров и т.п. Агент работает с гитом и прочее.

Фаза 3: Эра Оркестрации и Автономии (Системные процессы)
6. Подключенные агенты, Пайплайны и Оркестрация. Настроены MCP-коннекторы (интеграция IDE с Jira, Confluence, Figma, БД). RAG индекс репозитория. Работа по паттерну Spec-Driven Development и прочее.
7. Параллелизация и Пайплайны полного цикла (Role Blending). Выполнение пайплайнов полного цикла (Один человек: ТЗ ➔ Код ➔ QA ➔ Деплой). Loop-инжиниринг и прочее.
8. Инфраструктурные (Headless) автономные агенты. Агенты развернуты вне IDE (в CI/CD, облаке, Kubernetes). Агенты работают в event-driven режиме (автоматически триггерятся от Jira/Sentry/Datadog). Путь с полной автоматизации производства.

У нас есть проекты на 7-м уровне, но их пока немного. Выравниваем все легаси-проекты, осознаем 8-й и следующие уровни внедрения ИИ. Отдельно собираем матрицу зрелости внедрения ИИ для компаний, ее еще опубликую.

Кто тоже занимается AI-внедрением — поделитесь в комментариях, на каком уровне вы себя видите. Было бы интересно обменяться опытом.