Штучний інтелект та ефективність роботи команди: методи оцінювання впливу AI

Олександр Рубан, генеральний директор і керівний партнер компанії Ringostat, у статті для AIN ділиться своїми думками про те, як виникає розбіжність між інтеграцією штучного інтелекту в бізнес-процеси та його фактичним впливом на фінансові результати компаній.

Згідно з інформацією від McKinsey, наприкінці 2025 року приблизно 88% підприємств по всьому світу вже впровадили штучний інтелект в хоча б один зі своїх процесів. Проте 94% опитаних визнали, що не відчувають "значної" бізнес-цінності від цього впровадження.

І це добре лягає в ширший контекст ринку. Бо масштабування AI на рівні організації -- коли він реально впливає на продуктивність, дохід або швидкість ухвалення рішень -- усе ще радше виняток, ніж норма. У результаті формується дивний розрив між "наявністю AI" та його бізнес-ефектом. І він не завжди починається з технології.

LLM-моделі представляють собою найзручнішу ілюзію перетворення.

Сценарій, який часто повторюється: в компанії з'являється ChatGPT, Claude чи інший генеративний інструмент. На початку команда проводить експерименти, після чого реалізує локальні вдосконалення. Згодом виявляється, що "ми вже впровадили AI в нашій роботі".

Це має певну частку істини. Проте, в основному, не сама система роботи зазнає змін, а швидкість виконання окремих процесів. Звіти та відповіді створюються швидше, а аналіз стає менш трудомістким.

У результаті рутина частково переходить до AI, але відповідальність за результат, контекст і рішення залишається на людині.

Безліч досліджень, зокрема доповідь World Economic Forum "Майбутнє професій", все частіше акцентує увагу на тому, що цей процес не стосується "зникнення професій", а радше трансформації обов'язків в рамках однієї позиції. Іншими словами, професії не зникають, а зазнають змін.

Це, однак, не означає, що AI ніде не замінює людей. Для частини компаній автоматизація справді стає способом скоротити витрати на персонал. І це теж одна з можливих бізнес-стратегій.

У Ringostat AI -- насамперед інструмент масштабування можливостей команди. Тому за час AI-трансформації в компанії не звільняли людей через те, що їхню роботу навчився виконувати штучний інтелект.

Однак, сам по собі цей метод не забезпечує ніяких гарантій. Якщо штучний інтелект тільки пришвидшує виконання окремих завдань, але загальний процес залишається тим самим, тоді продуктивність окремих працівників може зрости, проте результати бізнесу можуть залишитися майже незмінними.

У цьому полягає основна проблема ChatGPT-ефекту. Він створює ілюзію змін завдяки швидкості, але не торкається кінцевих результатів. І саме це є найважливішим. Адже компанії не оплачують просто виконання завдань, а цінують конкретні результати, які вони приносять.

Ознайомтеся з іншими матеріалами: Людський капітал у часи глобальних змін: висновки технологічного сектора на IEF2026 — стаття.

Яким чином виглядає внутрішнє середовище компанії, в якій штучний інтелект вже став звичною частиною робочих процесів?

У нашій компанії ми фокусуємося на двох ключових сферах: створення продуктів з використанням штучного інтелекту та реалізація внутрішньої трансформації за допомогою AI.

Ми сприймаємо штучний інтелект як інструмент для трансформації процесів і продуктів, з метою досягнення вимірюваних результатів у бізнес-метриках. Це новий рівень викликів, де важливо не просто "чи впроваджуємо", а "які саме зміни відбуваються".

Отже, для кожної ініціативи в сфері штучного інтелекту ми прагнемо оцінити фінансовий еквівалент. Крім того, важливо зв'язати цей показник із конкретними метриками команди. Якщо в кінці впровадження KPI не зазнали змін, важко стверджувати про реальну цінність трансформації, навіть якщо всім здається, що покращення мали місце.

Поява ChatGPT кілька років тому стала першим поштовхом: наша команда почала активно експериментувати з AI у повсякденній роботі, але досить швидко стало зрозуміло, що окремих ініціатив недостатньо. Тоді ми створили роль Head of AI, щоб системно розібратися з можливостями технології для бізнесу. Повного розуміння, куди приведе цей напрямок, не було. Але було відчуття, що пропустити цей момент буде значно дорожче.

Досить скоро ми усвідомили ще один важливий момент: наявність доступу до штучного інтелекту не гарантує його результативного застосування.

Таким чином, було встановлено загальні принципи роботи, створено окрему команду AI Productivity Team, що підтримує департаменти в оптимізації процесів, а також налагоджено регулярний обмін практичними кейсами між різними командами.

На сьогодні в компанії впроваджено близько тридцяти різних AI-інструментів. Деякі з них є універсальними, наприклад, ChatGPT та Claude. Це основа, з якої все розпочинається. Однак далі відкриваються ще більш захопливі можливості.

У нашому support-департаменті функціонує чатбот, який на даний момент обробляє приблизно 15% всіх запитів від клієнтів. У відділі маркетингу ми застосовуємо Synthesia AI для генерації відеоконтенту. Технічні команди користуються спеціалізованими інструментами для розробки. Водночас ми активно працюємо над створенням власних рішень у сфері штучного інтелекту.

Наприклад, TARS (внутрішнє ім'я – Тарас) – це наш корпоративний AI-асистент, інтегрований з базами знань компанії. Він полегшує пошук інформації, агрегує дані з різних систем і виконує частину рутинних завдань. Іноді його завдання полягає у складному пошуку інформації в документації, а іноді – у створенні ранкового звіту, який більше не потрібно формувати вручну.

В якийсь момент штучний інтелект перестає сприйматися як щось автономне і інтегрується в повсякденну діяльність. Це відбувається так само непомітно, як раніше з'явилися електронна пошта, CRM-системи або корпоративні месенджери.

Навіть незначні локальні зміни здатні призвести до суттєвих результатів. Наприклад, у період з лютого по квітень 2026 року продуктивність команди Automation QA збільшилася в чотири рази завдяки впровадженню штучного інтелекту в робочі процеси.

Ознайомтеся також: Штучний інтелект розмиває кордони між iOS, Android та Web: які зміни відбуваються у сфері розробки додатків — стаття.

Там, де штучний інтелект стає системою, а не просто інструментом.

Штучний інтелект рідко функціонує в локальному режимі. Навіть якщо ви зможете значно прискорити окрему команду, це може не мати суттєвого впливу на загальний бізнес. Це пов'язано з тим, що кожна система стикається зі своїм найбільш слабким місцем.

Наприклад, у нашому технологічному відділі існує група, що займається створенням технічних завдань, команда програмістів, яка їх втілює, а також команда ручних QA, що перевіряє якість отриманого результату.

Якщо раптово збільшити продуктивність тільки ручного тестування, загальна ефективність системи навряд чи суттєво зміниться. Це пов'язано з тим, що вузькі місця залишаться в інших етапах процесу.

Саме з цієї причини штучний інтелект починає демонструвати значний результат не лише тоді, коли його впроваджують у процес, а тоді, коли весь робочий потік аналізується як цілісна структура.

Цей метод уже демонструє виміряні результати на рівні компанії. У першій половині 2026 року завдяки впровадженню штучного інтелекту нам вдалося зекономити приблизно 4% від річних витрат. Наша мета на другу половину року -- зекономити ще 5-7%.

Та сама логіка працює і в клієнтських проєктах. Найбільший ефект AI дає тоді, коли змінюється не окрема операція, а спосіб роботи всього процесу.

Коли процес аналізу телефонних розмов у сфері продажів переходить від випадкової ручної роботи до систематичної практики. Коли керівнику більше не потрібно прослуховувати безліч випадкових розмов, щоб отримати уявлення про те, що відбувається в його команді.

Після підключення мовної аналітики дзвінків з AI з'являється зовсім інший масштаб: керівник бачить не фрагмент, а всю систему комунікацій. Змінюється не тільки час, а й якість рішень.

Існує також інший аспект, який часто залишається поза увагою – голосові AI-технології, такі як AI VoiceBot. Це інтелектуальний голосовий агент, здатний самостійно здійснювати та приймати дзвінки, вести бесіди в режимі реального часу і відповідати на запити в середньому за дві-три секунди.

Його ключовий ефект у тому, що він може взяти на себе значну частину стандартних телефонних звернень. Для одних компаній це спосіб частково замінити роботу операторів. Для інших -- можливість масштабувати комунікацію без розширення штату й звільнити команду від рутинних дзвінків.

В результаті значно зменшується число пропущених запитів, і компанія перестає втрачати можливих клієнтів.

За нашими розрахунками, близько 90% звичайних дзвінків можна автоматизувати, зберігаючи високу якість обслуговування. Штучний інтелект VoiceBot функціонує цілодобово і має можливість обробляти до 120 тисяч дзвінків щоденно без необхідності збільшення чисельності персоналу.

Ми активно застосовуємо цей продукт для управління дзвінками поза робочим часом. Хоча раніше у нас вже був невисокий відсоток пропущених викликів, зараз він практично зійшов до нуля.

Дослідження клієнтських проєктів вказує на те, що середня частка пропущених вхідних дзвінків, які могли б бути автоматично оброблені голосовим АІ-агентом, становить приблизно 15%. Це питання стосується не лише телефонних комунікацій, але й маркетингових витрат, які вже понесені.

Щодо можливого продажу, який може не реалізуватися. Саме з цієї причини в ряді випадків штучний інтелект виступає не лише як засіб автоматизації, а й як метод збереження інвестицій, які бізнес вже здійснив.

Чому багато ініціатив у сфері штучного інтелекту не приносять очікуваних бізнес-результатів?

Якщо розглянути невдалі проєкти у сфері штучного інтелекту, то частіше за все причина не криється в самій технології.

Придбати інструмент можна всього за кілька хвилин. Однак перебудова процесів та впровадження можуть тривати місяцями. Саме ця стадія часто є найбільш складною у процесі трансформації.

Є й інша проблема. Коли AI впроваджується тому, що всі навколо вже впроваджують AI.

В один момент на сцені з'являється безліч внутрішніх агентів, нових інструментів і виразних оголошень. Кількість завдань зростає, а ось усвідомити, які саме зміни позитивно вплинули на бізнес, стає дедалі важче.

AI-трансформація починається лише там, де з'являються конкретні цифри та стратегія. Якщо їх немає, рано чи пізно вся історія починає нагадувати дорогий експеримент, а не системну зміну. Якщо продуктивність зростає, це має знайти відображення в KPI, цілях і способі оцінки роботи. Інакше частина ефекту просто губиться всередині системи.

І нарешті, останнє. AI-трансформація не завершується в день її впровадження. Насправді, саме в цей момент вона переходить до нової стадії розвитку.

Нові процеси потрібно переглядати. Результати -- перевіряти, а гіпотези -- перегравати заново. Мабуть, у цьому і є головна особливість роботи з AI. Це не про впровадження. Це про постійне налаштування системи, яка весь час змінюється.