ИИ-ассистента руководителя обычно продают одной из двух историй. В первой он закрывает сделки лучше всего отдела и не спит ночами. Во второй разваливает процессы и оставляет компанию без выручки. Ни одна из них не помогает решить практический вопрос: что из своей недели ты можешь отдать машине уже сейчас и как заметить момент, когда она ошибётся.
Внятный ответ нашёлся в статье на Хабре «ИИ для руководителя: я отдал ассистенту половину рутины — где он сэкономил часы, а где подставил». Её автор, Георгий, руководит продажами и маркетингом в Аспро.Cloud. За плечами у него больше пятнадцати лет в B2B-продажах: TELE2, Samsung, Whirlpool, команды до полусотни человек. Полгода он отдавал ассистенту часть своей работы и описал оба результата: где выиграл и где обжёгся.
Ниже — рабочая схема, собранная из его опыта. По какому правилу решать, что отдавать. Какие задачи ассистент действительно забирает. Почему чат с выгрузкой из CRM не годится для регулярной работы. И как проверять результат, чтобы ошибка не доехала до денег. Опыт и цифры принадлежат Георгию, оценки и выводы — мои.
Куда уходит время руководителя
Начать стоит с цифры, которая отрезвляет. В шестом издании исследования State of Sales 2026 от Salesforce продавцы тратят на собственно продажи 30% рабочего времени. Остальные 70% уходят на ввод данных, подготовку коммерческих предложений и внутренние встречи. В издании 2022 года было 28%. Четыре года, десятки новых инструментов — и плюс два процентных пункта.
Рынок реагирует предсказуемо. По тому же исследованию девять из десяти команд продаж уже используют ИИ-агентов или собираются внедрить их в течение двух лет. В России картина похожая: по совместному опросу hh.ru и Touch Instinct 26% работников регулярно пользуются нейросетями, ещё 35% — время от времени. Каждый четвёртый работодатель планирует проверять владение ими при найме.
Меня в этих цифрах цепляет разрыв. Инструментов стало больше, а времени на основную работу почти не прибавилось. Георгий объясняет это так: все рассказывают, как ИИ экономит время, и почти никто — как проверять его работу. Хотя именно на проверке решается, был ли смысл внедрять. Экономия, которую потом съедает перепроверка, экономией не считается.
Правило: дешевле проверить, чем сделать
Главное в материале — один фильтр, через который Георгий пропускает каждую задачу:
Я отдаю ИИ задачу, только если проверить результат дешевле, чем сделать работу самому.
Его пример. Сводку по шести метрикам он руками собирает за полтора часа. Проверить её — две минуты: взглянуть на список сделок, из которых сложились цифры. Асимметрия в пользу руководителя, задача уходит ассистенту.
Обратный случай — стратегический план на квартал. ИИ набросает его за минуту. Проверять придётся неделю, и проверка потребует всей той экспертизы, за которую руководителю платят. Асимметрия против него, задача остаётся у человека.
Из правила сами собой выпадают три зоны:
| Зона | Что туда попадает | Как устроена проверка |
|---|---|---|
| Отдавать без раздумий | подсчёты, сводки, постановка задач по списку, ответы по документации | глазами за несколько минут |
| Отдавать на предпросмотре | всё, что меняет записи в системе | ассистент показывает, что собирается сделать, человек подтверждает |
| Не отдавать никогда | решения по людям, стратегия | ошибку узнаёшь потом, по деньгам |
Из первого правила вырастает второе: доверие наращивается ступенями. Сначала ИИ только читает и считает. Потом ищет и сопоставляет. И лишь затем создаёт записи, с подтверждением каждого шага.
Мне это правило нравится тем, что оно переносится куда угодно. Георгий сам пишет, что карта «отдавать и не отдавать» не привязана к его продукту и сработает с любым ИИ, подключённым к твоим данным. Это вопрос арифметики, а не выбора сервиса.
Что ИИ-ассистент руководителя забирает на себя
Самое конкретное в материале — список задач, которые ушли ассистенту, с оценкой «было — стало» там, где автор её даёт.
| Задача | Как было | Как стало |
|---|---|---|
| Сводка по продажам | полтора часа руками | один запрос, отчёт через несколько минут |
| Статус проекта | открыть доску, пройти задачи, прочитать комментарии | один вопрос ассистенту |
| Массовая постановка 30–40 задач | полдня, четверть задач терялась | пятнадцать минут, поля заполнены |
| Развёртка нового направления | два дня подготовки | три часа, большая часть — вычитка |
Сводка, которая показывает то, чего не видно
Сводка ушла ассистенту первой: лиды, демо, звонки, встречи, продления, новые продажи. По прикидкам Георгия, на управленческой рутине такого рода ИИ забрал больше половины времени.
Но главный эффект оказался в другом. Когда шесть метрик стоят в одной таблице, видно то, что в разных разделах системы не видно никак: лиды растут, а демо просели. Заявки приходят, до встреч не доходят. Раньше такое всплывало через месяц, на срыве плана. Теперь — в ту же пятницу.
Чужие описания задач и массовая постановка
Описания задач в команде пишут по-разному: кто-то на страницу, кто-то телеграммой. Ассистент читает описание и собирает по нему чеклист или сжимает в пару предложений о том, что конкретно нужно сделать.
Раз в месяц у Георгия набирается пул однотипных задач на направление. Раньше список уходил ответственным в чат, и через месяц выяснялось, что четверть задач потерялась, а у остальных пустые поля. Теперь ассистент сам создаёт задачи с автором, ответственным, направлением, спринтом, этапом воронки, трудозатратами и категорией. Побочный эффект ценнее основного: раз поля заполнены всегда, по ним можно строить аналитику.
Поддержка и онбординг
Больше половины обращений в техподдержку закрывает бот по документации: рутинные вопросы решает сам, нетривиальные передаёт оператору. Новые сотрудники входят в продукт через вопросы вместо недельной программы ознакомления. Маркетологи перестали ходить за пояснениями в разработку, а PR-менеджер получает ответ на конкретный технический вопрос за минуту.
Общее у всех этих задач одно: результат проверяется быстро. Это прямое следствие правила из предыдущего раздела.
Почему чат с выгрузкой не заменяет ассистента
До того как ИИ получил доступ к рабочим данным, эксперименты Георгия упирались в одно и то же. Классическая связка — выгрузил CSV из CRM, загрузил в ChatGPT, написал запрос. На разовой задаче работает. На регулярной рутине разваливается по трём причинам:
- выгрузка устаревает в момент создания, и сводка по вчерашнему экспорту сегодня врёт неизвестно насколько;
- данные о клиентах уходят на зарубежные серверы;
- чат только советует: даже после идеального анализа ты возвращаешься в систему и руками раскидываешь задачи.
Перелом наступил, когда ассистент оказался внутри системы. По сути это CRM с ИИ: он сам находит сделки, задачи, проекты и финансы в пределах прав руководителя, а создаёт и меняет записи после подтверждения. Результат возвращается туда же, откуда пришли данные, — задачами, записями, сводками.
Второй путь — подключение внешнего ИИ через MCP. Это протокол, по которому языковая модель подключается к внешним сервисам и может в них читать и действовать. Через него ассистент собирает данные из разных продуктов и вносит в них изменения, удерживая общий контекст. Универсальный чат-бот у Георгия остался только для текстов без привязки к данным.
Здесь я вижу главную развилку всей темы. Чат, к которому ты приносишь данные, может ошибиться только в совете. Ассистент с правом на запись ошибается прямо в твоей системе. Поэтому вопрос проверки становится центральным именно в момент, когда ИИ начинает приносить больше всего пользы.
ИИ для руководителя отдела продаж: где он подставляет
Самая честная часть материала — про провалы. Их три, и ни один не похож на классическую галлюцинацию из страшилок.
Широкий вопрос даёт банальность
Георгий попросил ассистента просмотреть данные продаж за три года и предложить гипотезы. Получил гладкий структурированный документ с выводами уровня «летом продаж меньше, потому что отпуска».
На узкий вопрос по конкретному сегменту ответ был другим: гипотезы, которые можно проверить. После какого события отваливаются продления. С чего начинается падение конверсии у клиентов одной отрасли. ИИ для аналитики данных хорош ровно настолько, насколько узок вопрос.
Цифры настоящие, интерпретация нет
Выдуманных фактов оказалось меньше, чем ожидаешь. Ассистент почти ничего не сочинял. Он ошибался в границах: слишком буквально решал, что считать продлением.
Это самая коварная ошибка. Каждая отдельная цифра верна, итог выглядит правдоподобно, а выборка собрана не так, как ты имел в виду. Проверка «на глаз» её не ловит.
Ассистент понимает тебя иначе
Первый месяц Георгий отклонял каждое третье предложение в предпросмотре. Ассистент трактовал его формулировки не так, как он задумывал. При предпросмотре это не критично: ошибка видна до исполнения. Но именно этот месяц показал ему, почему опасно сразу давать ИИ права на запись. Пока несколько раз не поймал его на расхождении, ты не знаешь, где он ошибается.
Главный риск — привычка перестать смотреть
Георгий ссылается на исследование Microsoft Research и Университета Карнеги-Меллона 2025 года. Чем выше доверие к инструменту, тем меньше усилий человек тратит на проверку его ответов. И наоборот: люди, уверенные в собственных навыках, проверяют активнее.
Его вывод: ошибки ИИ в его практике были исправимы, опаснее собственная привычка перестать смотреть. С этим я согласен целиком. Ассистент, который работает хорошо два месяца подряд, выключает внимание надёжнее, чем ассистент, который ошибается каждый день.
Как проверять работу ИИ: четыре привычки
После этих историй у Георгия появилась жёсткая процедура: первый месяц каждая новая автоматизация дублируется ручной сверкой. Каждая сводка, каждый отчёт. Через месяц расхождения становятся предсказуемыми, и сверка переходит в выборочный режим.
Остальное он свёл к четырём правилам.
Проси список, а не число. В цифре не видно, из чего она сложилась. Тот же запрос с просьбой показать сделки, из которых получилась цифра, — и ошибка в границах выборки видна сразу. Это прямой ответ на историю с продлениями.
Первый месяц дублируй руками. Только параллельная ручная выборка показывает, какие расхождения водятся именно в твоих данных.
Подозревай хорошие цифры. Плохая цифра запускает проверку автоматически: она неприятна, и хочется её опровергнуть. Хорошая проскальзывает мимо. Рост лучше плана в падающий месяц, ровная красивая динамика, улучшение без причины — это проверяется первым.
Решения оставляй за собой. Георгий формулирует жёстко: ИИ — противник, которого ты обязан проверять, искать в нём дыры и сомневаться. И не стоит ждать стратегии на первый запрос: до ассистента, который хорошо понимает тебя и твои данные, по его опыту, около полугода.
Третье правило мне кажется самым недооценённым. Ошибки, которые нам выгодны, живут дольше всех: никто не идёт разбираться, почему план перевыполнен.
Что с этим делать
- Выпиши задачи своей недели и у каждой сравни два времени: сколько уходит на выполнение и сколько займёт проверка. Ассистенту отдавай только те, где проверка в разы короче.
- Поднимай права ступенями: сначала чтение и подсчёт, потом поиск и сопоставление, запись — только через предпросмотр и не раньше, чем ты пару раз поймал ассистента на расхождении.
- Под каждой цифрой запрашивай список записей, из которых она собрана. Это закрывает самую частую ошибку — неверные границы выборки.
- Первый месяц сверяй каждую новую автоматизацию вручную, а после — выборочно, и в первую очередь те результаты, которые тебя радуют.
- Для аналитики задавай узкие вопросы по одному сегменту или событию: широкий вопрос по всем данным вернёт гладкую банальность.
Источник: ИИ для руководителя: я отдал ассистенту половину рутины — где он сэкономил часы, а где подставил