Как повысить KPI сотрудников с помощью ИИ-агентов

«Вы не потеряете работу из-за ИИ. Скорее всего, вы потеряете её из-за человека, который использует ИИ». Так глава Nvidia Дженсен Хуанг объясняет новую логику рынка труда: нейросети не просто автоматизируют задачи, а меняют норму производительности внутри команды.

Сотрудник с агентом быстрее ищет информацию, пишет код, готовит отчёты, отвечает клиентам и меньше тратит время на рутину. Сотрудник без агента выглядит как человек с блокнотом рядом с коллегой в CRM.

Для бизнеса это уже не вопрос «заменит ли ИИ людей». Более практичный вопрос звучит иначе: какие KPI можно поднять, если дать сотрудникам ИИ-агентов и встроить их в рабочие процессы?

ИИ-агент — это не чатик для вдохновения

Обычная нейросеть отвечает на вопрос. ИИ-агент работает ближе к сотруднику-джуну: получает задачу, подтягивает контекст, ищет данные, предлагает следующий шаг, формирует черновик, передаёт результат человеку или другой системе.

В поддержке агент подсказывает оператору ответ и собирает контекст обращения. В продажах готовит КП, обновляет CRM и предлагает аргументы под конкретного клиента. В HR помогает новичку найти правила, инструкции и контакты. В аналитике превращает вопрос руководителя на русском языке в запрос к данным и короткий вывод. В разработке дописывает код, пишет тесты, ищет ошибки и объясняет чужие модули.

KPI здесь меняются не магически. Просто сотрудник тратит меньше времени на поиск, копирование, формулировки и первичную обработку информации. Освободившиеся часы переходят в скорость, качество и объём.

Что уже получилось за рубежом

Один из самых цитируемых кейсов — исследование внедрения генеративного ИИ у 5 172 сотрудников клиентской поддержки. После доступа к AI-ассистенту производительность выросла в среднем на 15%, если измерять её количеством решённых обращений в час.

Самый сильный эффект получили новички и менее опытные сотрудники: у них прирост был заметнее, потому что агент фактически передавал им паттерны работы сильных коллег.

Klarna пошла дальше и встроила ИИ в поддержку и внутренние процессы. Компания сообщала, что 87% сотрудников используют генеративный ИИ в ежедневной работе, а внутренний ассистент Kiki к маю 2024 года ответил более чем на 250 000 вопросов сотрудников. Для KPI это важный сигнал: знания перестают лежать в разрозненных документах и чатах, а становятся доступными в момент задачи.

Morgan Stanley внедрил ИИ-ассистентов для финансовых советников. По данным OpenAI, почти все команды советников в управлении активами используют такие инструменты ежедневно. Уровень адаптации превысил 98%, а доступность нужных документов выросла с 20% до 80%. То есть агент не «заменил банкира», а снял с него часть поиска и подготовки, чтобы больше времени оставалось на работу с клиентами.

Deloitte развернула собственную платформу PairD для сотрудников в Европе и на Ближнем Востоке. В публичных материалах говорится о масштабе в 100 000 сотрудников, которым дали инструмент для задач вроде анализа, ресёрча, кода и подготовки материалов. В аудите Deloitte UK доля сотрудников, которые используют PairD хотя бы раз в месяц, выросла примерно до 75%, а число промптов за период с апреля 2024-го по февраль 2025-го превысило 1,1 млн.

Из этих кейсов видно: эффект появляется не там, где сотруднику просто «открыли ChatGPT». Эффект появляется там, где агент встроен в конкретный процесс и помогает закрывать измеримую метрику: скорость ответа, число обработанных задач, время поиска документа, качество онбординга, количество подготовленных материалов.

Российские компании тоже дают сотрудникам ИИ-помощников

В России самый понятный пример — поддержка. «Т-Технологии» запустили ИИ-копайлотов для операторов первой линии: они анализируют сообщения и звонки, собирают контекст, помогают формулировать ответ и подсказывают следующий шаг. По данным компании, скорость решения клиентских вопросов с таким помощником может вырасти до 10%, а чат-бот поддержки решает около 45% клиентских запросов.

Сбер в 2026 году представил GigaChat Enterprise — корпоративную платформу для создания персонализированных ИИ-агентов внутри контура компании. В релизе Сбера заявлено, что такие агенты могут сокращать затраты времени на рутинные задачи до 70%.

«Северсталь» задействовала внутреннюю инициативу сотрудников: в корпоративном конкурсе участники создали более 200 прототипов ассистентов для ежедневных задач. Это хороший подход для крупных компаний: люди на местах сами знают, какой процесс хочется автоматизировать, и часто быстрее придумывают прикладного агента, чем внешний консультант.

Какие KPI можно поднять с помощью ИИ-агентов

Первый KPI — скорость обработки задач. В поддержке это среднее время ответа, время закрытия обращения, число тикетов на оператора. В продажах — скорость подготовки КП, число обработанных лидов, время заполнения CRM. В аналитике — срок подготовки отчёта. В разработке — время до первого рабочего прототипа, количество закрытых задач в спринте, скорость написания тестов.

Второй KPI — качество. Агент может проверять ответ оператора на полноту, подсказывать забытые вопросы, сверять документ с регламентом, находить расхождения в отчёте, предупреждать о рисках в тексте договора. Здесь важно не отдавать финальное решение машине, а использовать её как второго проверяющего.

Третий KPI — онбординг. Новичок обычно тормозит, потому что не знает, где лежит нужная информация. ИИ-агент по базе знаний, регламентам и внутренним чатам снижает зависимость от наставника. Сильные сотрудники меньше отвлекаются, новички быстрее выходят на рабочий темп.

Четвёртый KPI — загрузка экспертов. В любой компании есть люди, к которым постоянно приходят с одинаковыми вопросами. Если агент отвечает на типовые запросы по базе знаний, эксперт подключается только к сложным кейсам. Это не всегда видно в отчёте за неделю, но хорошо заметно по календарям и скорости внутренних согласований.

Пятый KPI — выручка на сотрудника. Это главный показатель для руководителя. Если менеджер с агентом обрабатывает больше лидов, оператор закрывает больше обращений, аналитик быстрее готовит выводы, а разработчик быстрее доводит функцию до релиза, компания получает больше результата без пропорционального роста штата.

Как внедрять, чтобы KPI действительно выросли

Плохой сценарий: купить доступ к нейросети всем сотрудникам и ждать, что производительность сама вырастет. Обычно так появляются красивые презентации и хаотичные эксперименты, но не управляемый эффект.

Выберите один процесс вместо системы процессов. Например: первая линия поддержки, подготовка коммерческих предложений, онбординг новичков, поиск по базе знаний, анализ звонков, подготовка отчётов, написание тестов. Для каждого процесса нужно выбрать один-два KPI до внедрения и сравнить их после.

Дальше агенту нужен контекст. Если он не подключён к базе знаний, CRM, документам, истории обращений или BI-системе, он будет давать общие ответы. А общий ответ редко повышает KPI. Бизнесу нужен агент, который знает продукт, регламенты, клиентов, цены, ограничения и формат результата.

Третий шаг — контроль качества. У Klarna был громкий успех с автоматизацией поддержки, но позже компания столкнулась с критикой качества и начала возвращать больше человеческого участия в клиентский сервис. Это полезный урок: ИИ-агент должен усиливать сотрудника, а не становиться единственной точкой контакта там, где важны эмпатия, ответственность и нестандартное решение.

Для компании, которая хочет повысить KPI сотрудников, SpeShu.AI может быть технологической базой: через API можно подключать разные модели к поддержке, CRM, аналитике, внутренним базам знаний и рабочим инструментам. Один агент может отвечать за первичную классификацию обращений, второй — готовить черновик ответа, третий — собирать отчёт, четвёртый — проверять результат перед отправкой человеку.

Оплатить API получится с российского счёта. Компания также получит закрывающие документы, которые не могут предоставить иностранные поставщики API. Как подключить API конкретно в вашем случае, расскажет Мария — не бот, а живая и тёплая сотрудница SpeShu.AI. 

Если хотите самостоятельно изучить условия по API перед этим, почитайте официальную документацию.

Главная идея — не заменить отдел «цифровыми сотрудниками», а убрать из работы механическую часть. Пусть менеджер продаёт, а не переписывает одно и то же КП. Пусть оператор решает сложные ситуации, а не ищет регламент в десяти вкладках. Пусть аналитик объясняет бизнесу выводы, а не собирает таблицу вручную. Пусть разработчик думает над архитектурой, а не тратит полдня на шаблонные тесты.