Без отдела разработки: как региональная компания встроила ИИ в ежедневные процессы

Нижегородский производитель и сервис доставки питьевой воды «Нестарица» начал использовать инструменты искусственного интеллекта для анализа клиентской базы, прогнозирования спроса и автоматизации внутренних процессов. Часть задач, которые раньше занимали часы, теперь выполняется за минуты и секунды, а обработка заявок экономит компании до 60–70 рабочих часов операторов в месяц.

Об этом Бизнес News рассказала основатель и руководитель компании Валерия Мохова. По ее словам, для малого бизнеса ИИ становится не столько отдельным инвестиционным проектом, сколько способом быстро получить управленческую информацию и высвободить время сотрудников без создания собственного IT-подразделения.

«Нестарица» работает на рынке Нижнего Новгорода и Нижегородской области с 2009 года. Компания производит и доставляет питьевую воду, ориентируясь прежде всего на частных клиентов и малый бизнес. По словам Моховой, оператор работает в верхнем ценовом сегменте и конкурирует не низкой ценой, а качеством сервиса, скоростью доставки и работой без выходных и праздников.

К моменту внедрения ИИ бизнес уже имел высокий уровень цифровизации. С 2011 года компания развивает собственную информационную систему, которая охватывает работу с клиентами, клиентский сервис, логистику, обработку заказов и мобильное приложение для водителей. За это время в системе накопились десятки тысяч клиентских карточек и вся история заказов за 17 лет работы.

Именно доступ к этим данным стал отправной точкой для внедрения ИИ. По словам Моховой, в компании давно понимали ценность накопленной информации о клиентах и заказах, но полноценно использовать ее было сложно: для регулярной аналитики обычно нужны маркетологи, аналитики или отдельные подразделения, которых у небольших компаний часто нет.

Одним из первых прикладных сценариев стал ежемесячный финансовый анализ. Раньше на подготовку и разбор управленческой отчетности у руководителя уходило по четыре-пять часов в месяц. После настройки ИИ-агента эта задача, по словам собеседницы Бизнес News, выполняется примерно за 15 секунд: система сопоставляет данные за несколько лет, сравнивает периоды и выделяет аномальные отклонения.

Вторым направлением стало исследование клиентской базы. Недавно компания проанализировала выборку постоянных клиентов — частных покупателей и представителей микробизнеса, сделавших более пяти заказов за последние два года. В анализ вошло около 107 тыс. заказов, а ИИ-агент, по словам Моховой, обработал массив примерно за полторы минуты. За это время система рассчитала ключевые показатели и выявила поведенческие закономерности, которые при ручной работе потребовали бы участия нескольких сотрудников.

Сейчас компания использует ИИ в трех основных блоках: прогнозирование спроса, клиентская аналитика и финансовый анализ. Наиболее чувствительным для операционной модели Мохова называет именно прогнозирование спроса, поскольку бизнес работает в формате доставки воды в день заказа, а основная часть заявок поступает уже в течение рабочего дня, когда машины находятся на маршрутах.

Для такой модели ошибка в планировании быстро конвертируется в затраты. Лишний автомобиль на линии означает дополнительные расходы на оплату труда курьера, топливо и амортизацию, а дефицит машин приводит к срыву доставок и потере клиентов. Раньше баланс между этими рисками обеспечивали опыт руководителя логистики и ручной анализ статистики. Теперь компания строит прогнозы на основе многолетних данных с учетом сезонности, праздничных дней, длинных выходных и других факторов.

По словам Моховой, спрос на воду перед праздниками может отличаться на десятки процентов в зависимости от календаря — например, если выходной выпадает на середину недели или формирует длинные выходные. Для компании это напрямую влияет на число машин на линии, нагрузку на call-центр и общую эффективность маршрутизации.

Еще один прикладной кейс связан с обработкой заказов с сайта и мобильного приложения. Ранее оператор вручную переносил каждую заявку в рабочую систему, тратя на это больше минуты. Теперь эту функцию частично выполняет ИИ, что позволяет экономить по несколько часов операторского времени в день, или около 60–70 рабочих часов в месяц.

При этом компания не оценивает внедрение ИИ как классический инвестиционный проект с отдельной окупаемостью. По словам Моховой, «Нестарица» не создавала собственный IT-отдел, не привлекала внешних разработчиков и не инвестировала значительные средства в разработку — текущие расходы ограничиваются подписками на используемые сервисы. Главный эффект, по ее оценке, связан с экономией времени и доступом к аналитике, которую раньше бизнес такого масштаба не мог получать на регулярной основе.

«Искусственный интеллект не принимает решения за человека, но позволяет значительно быстрее получить данные для этих решений», — говорит Мохова.

Работу по внедрению ИИ в компании курирует сама собственница. Сначала она изучала инструменты и проходила обучение самостоятельно, а после появления первых работающих сценариев начала точечно подключать сотрудников к уже настроенным решениям. Отдельной команды, отвечающей за искусственный интеллект, в компании нет.

Серьезных технологических разочарований бизнес, по словам Моховой, не испытал, поскольку изначально не ожидал полной автоматизации процессов. Основным условием она называет качество данных и точность постановки задач: чтобы ИИ-агенты давали полезный результат, им нужно подробно описывать контекст бизнеса, логику процессов и ожидаемый формат ответа. При этом результаты системы, как и работу сотрудников или подрядчиков, необходимо проверять.

Для регионального малого и среднего бизнеса этот кейс показывает, что внедрение ИИ не обязательно начинается с крупных бюджетов, сложной интеграции или масштабной цифровой трансформации. Наиболее быстрый эффект дают повторяющиеся операции, где уже есть данные: финансовая отчетность, клиентская аналитика, обработка заявок, документооборот и прогнозирование нагрузки.

Следующим направлением компания считает AEO и GEO — оптимизацию присутствия бренда в ответах поисковых и генеративных AI-систем. Мохова исходит из того, что часть пользователей уже переходит от классического поискового запроса к прямому вопросу нейросетям и голосовым помощникам, а значит, для бизнеса становится важным не только SEO-продвижение в поисковой выдаче, но и то, как компания представлена в рекомендациях AI-сервисов.

По оценке собеседницы Бизнес News, именно в этом сегменте в ближайшие годы может появиться новый канал цифрового маркетинга для локальных сервисных компаний. Ее практический совет бизнесу без IT-отдела — начинать не с выбора модного инструмента, а с описания собственных процессов и поиска одной рутинной задачи, где можно быстро проверить эффект от автоматизации.