AI-native компании строят бизнес вокруг ИИ: пошаговый запуск в условиях России

Термин AI-native описывает не компанию, которая «использует нейросети», а компанию, которая без нейросетей не существует в принципе. Разница такая же, как между такси, у которого есть приложение, и сервисом, который без приложения невозможен. В первом случае ИИ ускоряет отдельные задачи. Во втором он определяет саму бизнес-логику: от генерации продукта до общения с клиентом.

Этот материал, пошаговое руководство: как перестроить или запустить бизнес по AI-native принципам в российских условиях, с конкретными инструментами и честными оговорками.

Что понадобится

• Доступ к одной из больших языковых моделей: YandexGPT, GigaChat, либо через VPN к Claude или ChatGPT
• API (программный интерфейс, через который ваш сервис общается с моделью напрямую, без ручного ввода промптов) хотя бы одной из этих моделей
• Базовое понимание промпт-инжиниринга (умение формулировать задачу для нейросети так, чтобы получать стабильный результат)
• Таблица бизнес-процессов вашей компании: от лидогенерации до отчётности
• 2 полных рабочих дня на аудит и проектирование, ещё 2 недели на первый пилот

Как перестроить бизнес по AI-native логике?

1. Составьте карту всех повторяющихся процессов. Выпишите каждую задачу, которую сотрудники делают чаще трёх раз в неделю. Ответы на типовые вопросы клиентов, подготовка отчётов, первичная обработка заявок, написание описаний товаров. Не оценивайте пока, что «можно автоматизировать». Просто список.

2. Разделите список на три колонки. Первая: задачи, где результат формализуем (есть шаблон, критерии «хорошо/плохо» понятны). Вторая: задачи, где нужен человеческий контекст, но ИИ может готовить черновик. Третья: задачи, которые требуют интуиции, переговоров, эмпатии. AI-native компании автоматизируют первую колонку полностью, вторую на 60-80%, третью не трогают.

3. Выберите один процесс из первой колонки для пилота. Не самый важный, а самый частый. Чем больше повторений, тем быстрее вы увидите экономию и поймёте ограничения.

4. Напишите системный промпт (базовую инструкцию, которая задаёт модели роль и правила поведения на весь диалог). Промпт должен содержать: роль модели, формат ответа, ограничения, примеры хорошего и плохого результата. Пример:

Ты — менеджер по обработке входящих заявок компании [название].
Формат ответа: JSON с полями "тип_заявки", "срочность", "краткое_содержание", "рекомендуемый_отдел".
Если заявка содержит жалобу, всегда ставь срочность "высокая".
Никогда не выдумывай информацию, которой нет в тексте заявки.

1. Подключите модель через API, а не через чат-интерфейс. Ключевое отличие AI-native подхода: нейросеть работает внутри вашей системы автоматически, без того чтобы сотрудник вручную копировал текст в окно чата. Для YandexGPT и GigaChat есть документация на русском языке.

2. Запустите параллельный режим на 5-7 дней. Сотрудник делает задачу как обычно, модель делает ту же задачу параллельно. Сравниваете результаты. Это не тест модели, это тест вашего промпта: если результаты расходятся, правите инструкцию, а не отказываетесь от подхода.

3. Замерьте три метрики: время, стоимость, процент ошибок. Без цифр вы не отличите реальную экономию от энтузиазма. Записывайте в таблицу каждый день пилота.

4. Масштабируйте на вторую и третью задачу из первой колонки. Только после того, как пилот показал устойчивый результат минимум 5 дней подряд.

В чём принципиальное отличие от «просто внедрения ИИ»?

Обычная компания нанимает людей, а потом ищет, какие задачи отдать нейросети. AI-native компания сначала проектирует процесс вокруг модели, а потом нанимает людей туда, где модель не справляется.

На практике в России это выглядит так: контент-агентство, построенное по AI-native принципу, не нанимает десять копирайтеров и одного «ИИ-специалиста». Оно строит конвейер, где модель генерирует черновики, проверяет факты по базе знаний и форматирует текст, а два редактора проверяют тон и точность. Штат меньше, пропускная способность выше.

Для авторов Дзена принцип тот же: не «иногда спрашиваю ChatGPT», а «мой контент-процесс спроектирован так, что без модели он не запускается». План статьи, сбор фактуры, генерация вариантов заголовков, проверка на повторы с прошлыми публикациями, всё через API или автоматизированные цепочки.

Классифицируй заявку клиента.
Категории: возврат, новый заказ, вопрос по доставке, жалоба, прочее.
Верни JSON: {"категория": "...", "срочность": "высокая/обычная", "суть": "одно предложение"}.
Если не можешь определить категорию, верни "прочее" и срочность "высокая".

{"категория": "жалоба", "срочность": "высокая", "суть": "Повреждена упаковка заказа 4455, товар не пострадал, клиент хочет зафиксировать факт."}