Кейсы: где ИИ-агенты уже дают результат бизнесу
Живая страница Практикума (Том 2). Проверено: 2026-08-18. Поле меняется ежемесячно — смотрите дату. Каталог практических применений по функциям бизнеса: use-case → регион → эффект → усилие → источник.
⚠️ Дисциплина: это карта применений, а не реклама и не обещание. Цифры устаревают; заявления вендоров помечены «claim вендора» и это не независимый факт; непроверяемое помечено явной оговоркой («claim» / «не раскрыт» / «независимо не подтверждено»). Источники — внизу страницы. Чужой кейс — не ваш навык: берите паттерн (как поставили задачу и как проверили), а не цифру. Не верьте — проверьте.
Смысл страницы — показать не «что умеет ИИ вообще», а где он реально окупается по функциям — и сразу отделить это от мест, где нужен человек. Прежде чем повторять кейс, прогоните процесс через скоринг из пяти вопросов: повторяемость, объём, проверяемость, посильная цена ошибки, наличие данных.
Как пользоваться каталогом
- Найдите свою функцию ниже. Колонки: use-case · регион · эффект (данные или claim) · усилие внедрения · источник.
- Усилие — грубая оценка сложности внедрения: 🟢 низкое (типовой чат/черновик), 🟡 среднее (процесс + проверка), 🔴 высокое (перестройка процесса / автономия / высокая цена ошибки).
- Возьмите паттерн, а не инструмент. Проверьте на своей задаче через карту «штаб МСП» и опишите первого агента контрактом.
- Держите границу: где агент делает работу, а где только готовит человека к работе, которую нельзя отдать.
Общий фон (данные, не вендор): по McKinsey «The state of AI» (ноя 2025) 23% организаций масштабируют агентную систему хотя бы в одной функции, и не более 10% — в любой отдельной; чаще всего агентов внедряют в IT и поддержку. Gartner (июнь 2025) прогнозирует, что >40% агентных проектов будут отменены к 2027 (издержки, неясная ценность, слабый контроль). Оба — ниже в источниках.
Продажи и маркетинг
Что делает агент. Готовит КП и письма, квалифицирует лиды, собирает досье на клиента и рынок, ведёт первую линию контента и рассылок, мониторит упоминания бренда.
| Use-case | Регион | Эффект | Усилие | Источник |
|---|---|---|---|---|
| Контент, КП, досье на клиента, мониторинг | 🇷🇺 РФ | GenAI чаще всего внедряют именно в маркетинг/продажи (одна из ведущих функций) | 🟢 | Яков и партнёры / Яндекс, 2024–2025 |
| Ретейл-персонализация (напр. на Яндекс AI Studio, кейс «Читай-город») | 🇷🇺 РФ | вендор заявляет рост конверсии ~+7,7% (цифра из презентации) | 🟡 | claim вендора, независимо не подтверждён |
| Медиа-мониторинг и охват упоминаний (Meltwater) | 🌍 Запад | вендор заявляет −25% времени | 🟢 | claim вендора (Meltwater) |
| Продажа прямо внутри чат-ассистента: OpenAI Instant Checkout | 🌍 США/мир | свёрнут. Работал с сен-2025 по мар-2026; интеграцию сделала примерно дюжина продавцов на Shopify; Walmart измерил конверсию внутри ChatGPT примерно втрое хуже, чем переход на свой сайт | 🔴 | OpenAI, март 2026; цифра конверсии — Forbes |
| Поиск в ассистенте, покупка на сайте магазина | 🌍 США/ЕС | схема, к которой рынок пришёл после провала выше: агент ведёт поиск и намерение, оплата остаётся у магазина | 🟡 | отраслевой консенсус после марта 2026; это направление, а не измеренный эффект |
| ⛔ Граница | — | «Красивый текст» ≠ «проданный продукт»: переговоры с ключевым клиентом и обещание результата — на человеке | — | — |
Паттерн: не «сгенерируй пост», а «собери досье на клиента, историю сделок и три сценария разговора к завтрашней встрече» — агент готовит человека к работе, которую нельзя отдать.
Клиентский сервис и поддержка
Что делает агент. Отвечает на типовые обращения, готовит черновики оператору, разбирает и маршрутизирует тикеты, ведёт базу знаний со ссылками.
| Use-case | Регион | Эффект | Усилие | Источник |
|---|---|---|---|---|
| Первая линия и внутренние ассистенты сотрудников | 🇷🇺 РФ | масштаб публично не раскрыт | 🟡 | банки/телеком (Сбер, МТС, Альфа) — объём не раскрыт |
| Первая линия поддержки (Klarna) | 🌍 Запад | AI-ассистент = работа ~700 операторов, ⅔ чатов в первый месяц (2024); позже компания признала «перегиб» и вернула людей ради качества (2025) | 🟡 | Klarna (2024); разворот — Bloomberg / CX Dive (2025) |
| Поддержка/IT — где агентов внедряют чаще всего | 🌍 данные | 23% масштабируют агентов ≥1 функции; ≤10% в любой отдельной | — | McKinsey, 2025 |
| ⛔ Граница | — | цена ошибки по тикету низкая, по репутации на потоке — высокая. Держите Human Review Matrix | — | — |
Аналитика и отчёты
Что делает агент. Сводит данные из разных форматов, готовит регулярные отчёты и обзоры рынка, классифицирует разрозненные записи.
| Use-case | Регион | Эффект | Усилие | Источник |
|---|---|---|---|---|
| Внутренние аналитические ассистенты (GigaChat/YandexGPT в корп-контуре) | 🇷🇺 РФ | эффект по компаниям не раскрыт | 🟡 | корп-контуры; публичных цифр нет |
| Разработка/IT/аналитика: снижение издержек | 🌍 данные | 10–20% снижения издержек — только там, где перестроили процесс, а не «прикрутили» ИИ | 🔴 | McKinsey, 2025 |
| ⛔ Граница | — | модель путает форматы чисел и плохо экстраполирует: ручная выборка обязательна; критерии «хорошего отчёта» пишет человек заранее | — | — |
Юридические и договорные задачи
Что делает агент. Сравнивает условия договоров, готовит позицию со ссылками на нормы, черновики претензий и ответов, первичный разбор пакета документов.
| Use-case | Регион | Эффект | Усилие | Источник |
|---|---|---|---|---|
| Разбор входящих договоров агентами | 🇷🇺 РФ | у автора: ~−90% обращений к внешним юристам на типовом потоке | 🟡 | кейс автора, гл. 1 Тома 2 (самоописание) |
| Юр-копилоты (Harvey и аналоги) — черновики и ресёрч под проверку юриста | 🌍 Запад | ускорение первичного ресёрча (claim) | 🔴 | claim вендоров, независимо не подтверждён |
| ⛔ Граница | — | ссылки на закон и формулировки сверяйте с первоисточником/юристом; решение и подпись — человек | — | — |
HR, найм и развитие
Что делает агент. Черновики вакансий и офферов, первичный скрининг, индивидуальные планы развития, оценка 360, обучающие материалы.
| Use-case | Регион | Эффект | Усилие | Источник |
|---|---|---|---|---|
| Оценка 360, ИПР, разбор резюме на RU-сервисах | 🇷🇺 РФ | эффект по компаниям не раскрыт | 🟡 | RU-HR-сервисы — см. роль HR (Поток 360, MTS AI и др.) |
| «AI-навык — требование найма» | 🌍 тренд | Shopify: доказать, что ИИ не справится, прежде чем просить людей («hire an AI before a human», апр 2025) | — | Shopify / Tobi Lütke (CNBC, 2025) |
| ⛔ Граница | — | скрининг людей — зона высокой цены ошибки и предвзятости алгоритма; финальные решения о людях — за человеком | — | — |
Операции, бэк-офис, закупки
Что делает агент. Обработка входящих заявок, сверка накладных, подготовка документов, рутинная переписка, первичная обработка счетов.
| Use-case | Регион | Эффект | Усилие | Источник |
|---|---|---|---|---|
| Агенты поверх учётных систем (RPAi) | 🇷🇺 РФ | эффект по компаниям не раскрыт | 🟡 | крупные компании/банки (напр. Cloud.ru); публичных цифр нет |
| Масштабирование агентов в функции | 🌍 данные | 23% организаций масштабируют ≥1 функцию; ≤10% в любой отдельной; ценность — от перестройки процесса | 🟡 | McKinsey, 2025 |
| ⛔ Граница | — | начинайте с процессов «пять да» из скоринга (повтор, объём, проверяемо, дёшево ошибиться, есть история) | — | — |
Разработка и продукт
Что делает агент. Пишет и проверяет код, готовит прототипы, тесты, документацию; в пределе — команда агентов под оркестровкой человека.
| Use-case | Регион | Эффект | Усилие | Источник |
|---|---|---|---|---|
| AI-native агентство (кейс А. Гладкова, SLSBMB) | 🇷🇺 РФ | штат ~84 → 2 человека, ~36 агентов-ресёрчеров, self-healing — с честной оговоркой о цене (~16 ч/день) | 🔴 | самоописание основателя, независимо не подтверждено |
| Агентные проекты в целом | 🌍 данные | >40% будут отменены к 2027 (издержки, неясная ценность, слабый контроль) | 🔴 | Gartner, июнь 2025 |
| Кодовые агенты в обычной инженерной работе | 🌍 данные | к февралю 2026 на один только Claude Code приходилось около 4% всех публичных коммитов на GitHub — примерно 135 тыс. в день. Типичная схема в компании: широкий базовый слой автодополнения плюс агент у сильных инженеров | 🟡 | анализ публичных коммитов; см. карту инструментов |
| ⛔ Граница | — | чем сильнее надежда убрать человека на 100%, тем больше провалов и работы по проверке | — | — |
Управление: ИИ в совете директоров
Что делает агент. Готовит материалы к совету, анализирует сценарии; в отдельных экспериментах — формально введён в состав с совещательным (иногда заявленным «голосующим») статусом.
| Use-case | Регион | Эффект | Усилие | Источник |
|---|---|---|---|---|
| «AI-директор» в совете | 🌏 Азия | эксперименты: Япония (Mitani Sangyo, «Hokuto Taizan»); Казахстан (Самрук-Казына, «SKAI» — заявлен голосующим) | 🔴 эксперимент | публично заявлено компаниями; независимо не подтверждено |
| AI-советник совета (Aiden Insight, IHC, Абу-Даби) | 🌍 Запад | обзор темы; вопрос «обгонят ли AI-советы людей» открыт | 🔴 эксперимент | HBR, ноя 2025 (обзор темы) |
| ⛔ Граница | — | яркий образ «ИИ в управлении» ≠ ответственность машины: решение и ответственность — на людях-директорах | — | — |
Где приём ломается (анти-кейсы)
Эти границы — не «против ИИ», а ровно то, что превращает применение в результат.
| Где осторожно | Что показывает практика |
|---|---|
| Высокая цена ошибки | Контракт года, репутация, штраф регулятора — не отдавайте агенту без жёсткой проверки человеком |
| Живые отношения | Ключевые переговоры, сложные конфликты — здесь ваша человеческая премия, а не автоматизация |
| Непроверяемый результат | Если «хорошо» выясняется через полгода — получите уверенный мусор; сначала критерий проверки |
| «Агент-вошинг» | Gartner оценивает, что из тысяч «агентных» вендоров реальны лишь ~130. Проверяйте: агент это или переименованный чат-бот |
| Обратный ход | Даже громкие кейсы откатывают: Klarna в 2025 вернула людей в поддержку ради качества. Автономия — не «поставил и забыл» |
| Чужой кейс ≠ ваш навык | Каталог примеров не заменяет владение инструментом. Здесь паттерны, а не «волшебные» промпты |
Источники (проверено 2026-08-18)
Данные — со ссылкой на первоисточник; вендорские числа помечены «claim вендора» и независимо не подтверждены. Ссылки и цифры устаревают — сверяйтесь по дате.
- McKinsey — «The state of AI» (ноябрь 2025): 23% организаций масштабируют агентную систему ≥1 функции, ≤10% в любой отдельной; агентов чаще всего внедряют в IT/поддержку; 10–20% снижения издержек в софт-разработке/IT там, где перестроили процесс. — https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- Gartner (25 июня 2025): >40% агентных проектов будут отменены к концу 2027; из тысяч вендоров реальны ~130 («agent washing»); опрос 3400+ организаций. — https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
- Shopify / Tobi Lütke, меморандум (апрель 2025): доказать, что задачу не сделает ИИ, прежде чем просить людей. — CNBC, 2025-04-07: https://www.cnbc.com/2025/04/07/shopify-ceo-prove-ai-cant-do-jobs-before-asking-for-more-headcount.html
- Klarna: AI-ассистент = работа ~700 операторов, ⅔ чатов в первый месяц (пресс-релиз, 2024); разворот 2025 — компания вернула людей ради качества. — Klarna press (2024) https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/ · разворот — CX Dive (2025) https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/
- Яков и партнёры / Яндекс — «Искусственный интеллект в России»: GenAI чаще всего внедряют в маркетинг и продажи; доля компаний с GenAI хотя бы в одной функции выросла ~54% (2024) → ~71% (2025). — https://yakovpartners.ru/publications/ai-2025/
- OpenAI Instant Checkout свёрнут 4 марта 2026 года после запуска 29 сентября 2025 года; сам протокол Agentic Commerce Protocol жив. Детали конверсии, включая «втрое хуже» у Walmart, — Forbes: https://www.forbes.com/sites/jasongoldberg/2026/03/10/why-openais-checkout-retreat-spells-trouble-for-its-commerce-strategy/. Слой протоколов разобран на странице протоколы агентной коммерции.
- Регламент ЕС об ИИ (EU AI Act): обязанности по прозрачности вступили в силу с 2 августа 2026 года, штрафы до €15 млн или 3% мирового годового оборота; для систем, выпущенных на рынок до этой даты, обязанность маркировки отсрочена до декабря 2026 года. Еврокомиссия: https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
- Доля коммитов Claude Code — около 4% всех публичных коммитов на GitHub к февралю 2026 года, примерно 135 тыс. в день; это анализ публичных коммитов, а не заявление вендора.
- Meltwater — заявление вендора о −25% времени медиа-мониторинга (claim, независимо не подтверждён): продуктовые материалы вендора.
- Пометки «claim вендора» / «самоописание» / «объём не раскрыт» / «независимо не подтверждено» — конечное честное состояние для фактов без независимого первоисточника (RU-объёмы банков, кейсы AI-советов, вендорские цифры). Это не открытый TODO, а честный ярлык: берите как гипотезу, не факт.
Дальше
Личные и рабочие кейсы (Том 1, «до/после») — банк кейсов. С чего начать в своём деле — карта «штаб МСП» + скоринг процессов. Свежие инструменты по ролям с доступом из РФ — карта инструментов.
Версия: 2026-07. Что изменилось: каталог переведён на колонки use-case · регион · эффект · усилие · источник; добавлен раздел «Источники» с реальными ссылками (McKinsey 2025, Gartner 2025, Shopify/Lütke, Klarna, Яков и партнёры); вендорские числа помечены «claim вендора»; добавлен анти-кейс «обратный ход» (Klarna 2025). Правила обновления: раз в квартал и по заметным событиям.