Корпоративный AI-проект: от идеи до пилота за 22 дня

Средний корпоративный AI-проект в России занимает 9-14 месяцев от идеи до первого результата. За это время успевают смениться приоритеты, уволиться ключевые люди и трижды пересмотреть бюджет. Вместе с тем есть компании, которые запускают рабочий AI-пилот за 22 рабочих дня. Разница не в технологиях и не в размере команды. Разница в подходе к организации проекта.

В этой статье разберём конкретный roadmap: как корпорация с оборотом от 1 млрд рублей может пройти путь от идеи до работающего AI-пилота за месяц. Без упрощений, с учётом compliance, согласований и реальных ограничений enterprise-среды.

Почему корпоративный AI-проект обычно растягивается на год

По данным McKinsey, только 11% AI-инициатив в крупных компаниях достигают полноценного масштабирования. Остальные 89% застревают на одном из этапов: идея → исследование → согласование → пилот → production → масштаб. Причём большинство проектов не доходят даже до пилота.

Вот типичный сценарий. IT-директор видит возможность автоматизировать процесс с помощью AI. Далее следует цепочка:

1. Исследование (2-3 месяца). Формирование рабочей группы, изучение вендоров, внутренние презентации. Проект ещё не начался, но уже потребляет ресурсы.
2. Согласование бюджета (1-2 месяца). Бюджетный комитет требует обоснование ROI. Но ROI невозможно рассчитать без пилота. Замкнутый круг.
3. Выбор подрядчика (2-3 месяца). Тендер, сравнение предложений, юридическая проверка. Каждый этап — недели ожидания.
4. Разработка (3-6 месяцев). Подрядчик делает discovery, потом проектирование, потом разработку. К моменту первого результата прошло 8-14 месяцев.

В итоге AI-проект, который мог бы дать результат за месяц, превращается в годовую инициативу. Причём 63% таких проектов закрываются до завершения из-за смены приоритетов или ухода спонсора. Подробнее о причинах провала IT-проектов — в нашей статье о стоимости корпоративного IT-проекта. Кроме того, подход корпоративного MVP позволяет обойти большинство организационных барьеров, запустив пилот на ограниченном периметре.

Roadmap: от идеи до AI-пилота за 22 рабочих дня

Ключевой принцип: AI-проект не требует года подготовки — он требует правильной постановки задачи. Если сформулировать конкретную бизнес-метрику и ограничить scope пилота, от идеи до работающего прототипа можно дойти за 22 рабочих дня, последовательно пройдя этапы разработки корпоративного MVP.

Вот как выглядит этот путь по фазам:

ФазаДниЧто происходитРезультат

Discovery1-3Формулировка use case, метрики успеха, scope пилотаТЗ на 5-7 страниц Данные4-6Аудит данных, анонимизация, подготовка pipelineДатасет для обучения/тестирования Прототип7-14Разработка AI-модели + интерфейс + APIРаботающий MVP Тестирование15-18QA, нагрузочные тесты, compliance-проверкаОтчёт о качестве + ФЗ-152 Пилот19-22Запуск на ограниченной группе, сбор метрикGo/No-Go решение

Обратите внимание: compliance (ФЗ-152, подготовка к аудиту) не выделен в отдельную фазу. Он встроен в каждый этап проекта с первого дня. Именно это позволяет избежать ситуации, когда служба безопасности блокирует готовый продукт на этапе согласования.

Фаза 1: Discovery — три дня, которые определяют успех проекта

Более 70% провалов AI-проектов закладываются в первые три дня. Точнее, в отсутствие этих трёх дней — когда команда сразу бросается в разработку, не определив метрику успеха.

Что должно быть зафиксировано по итогам discovery:

• Конкретная бизнес-метрика. Не «внедрить AI в документооборот», а «сократить время обработки входящих заявок с 4 часов до 30 минут».
• Scope пилота. Один процесс, один отдел, один тип данных. Чем уже периметр — тем выше шанс на успех.
• Критерии Go/No-Go. При каких показателях проект масштабируется, при каких — закрывается. Это снимает политическое давление с команды.
• Требования безопасности. ФЗ-152, корпоративный аудит, интеграция с SSO/LDAP — всё фиксируется до старта разработки.

Discovery — это не бюрократия. Это страховка от ситуации, когда через 6 месяцев и 15 миллионов рублей вы обнаруживаете, что решаете не ту задачу. Подробнее об этой фазе — в нашем гайде по составлению технического задания.

Фаза 2-3: данные, модель, прототип — 11 дней на AI MVP

После discovery начинается техническая работа. Здесь важно понимать: современные AI-проекты на базе LLM (GPT, Claude) принципиально отличаются от классического machine learning.

Для LLM-проекта (корпоративный чат-бот, RAG-система для документации, классификация обращений):

• Не нужен датасет из 100 000 записей — достаточно базы документов или FAQ
• Не нужна ML-команда — нужен инженер с опытом в NLP и prompt engineering
• Прототип можно получить за 5-7 дней, а не за 3 месяца

Для ML-проекта (предиктивная аналитика, компьютерное зрение, рекомендательные системы):

• Нужны исторические данные минимум за 12 месяцев
• Требуется этап очистки и подготовки данных (3-5 дней)
• Обучение модели + итерации занимают 7-10 дней

В обоих случаях анонимизация персональных данных, шифрование pipeline и логирование доступа закладываются с первого дня. Это не замедляет разработку — при правильной архитектуре compliance добавляет не более 10-15% к трудозатратам.

Тип AI-проектаПримерыДанныеСрок прототипа

LLM / NLPЧат-бот, RAG, классификация, саммаризацияДокументация, FAQ, обращения5-7 дней Предиктивная аналитикаПрогноз спроса, оттока, поломок12+ мес. исторических данных10-14 дней Computer VisionКонтроль качества, распознавание1000+ размеченных изображений10-14 дней

Фаза 4: compliance и тестирование — почему это не отдельный этап

Самая распространённая ошибка корпоративного AI-проекта: оставить compliance на финал. В реальности это означает, что готовый продукт придётся переделывать под требования службы безопасности. Или — что бывает чаще — проект заморозят на 3-6 месяцев до прохождения аудита.

В нашем подходе compliance встроен в каждую фазу:

• Discovery: согласование требований ФЗ-152 и корпоративного аудита
• Данные: анонимизация ПДн до начала разработки, шифрование data pipeline
• Прототип: логирование всех запросов, ролевая модель доступа, интеграция с SSO
• Тестирование: формальная проверка соответствия, подготовка документации для аудита

В результате к 18-му рабочему дню у вас есть не просто работающая AI-модель. У вас есть продукт, готовый к корпоративному аудиту. Это кардинально меняет разговор со службой безопасности: вместо «мы сделали, теперь адаптируем под ваши требования» — «вот готовое решение с полным compliance, можем запускать пилот».

Кейс: AI-классификация документов в страховой компании

Страховая компания из топ-15 обрабатывала 2 500 входящих документов ежедневно: заявления на выплату, медицинские справки, фотографии повреждений, договоры. Восемь сотрудников вручную классифицировали каждый документ по 24 категориям и направляли в нужный отдел. Среднее время обработки — 35 минут на документ. Ошибки маршрутизации — 19%.

Проект реализовали за 22 рабочих дня по описанному выше roadmap:

• Discovery (дни 1-3): зафиксировали метрику — сократить время классификации до 1 минуты при точности не менее 90%. Scope: один тип документов (заявления на выплату), один филиал.
• Данные (дни 4-6): анонимизировали 18 000 исторических заявлений, разметили обучающую выборку.
• Прототип (дни 7-14): NLP-модель на базе LLM + веб-интерфейс для операторов + API для интеграции с CRM.
• Тестирование (дни 15-18): точность — 93%, соответствие ФЗ-152 подтверждено.
• Пилот (дни 19-22): запуск на одном филиале, сбор метрик в реальных условиях.

МетрикаДо проектаПосле пилотаИзменение

Время классификации35 минут48 секунд-97,7% Точность маршрутизации81%93%+12 п.п. Операторов на классификации82 (контроль)-75% ROI за 6 месяцев (прогноз)—240%—

После успешного пилота проект масштабировали на все 24 категории документов и 5 филиалов за 6 недель. Подобные результаты подтверждают и другие кейсы корпоративных MVP за 22 дня. Прогнозируемая годовая экономия — 42 миллиона рублей. При этом стоимость пилотного проекта составила менее 900 000 рублей.

Чек-лист: что нужно подготовить до старта AI-проекта

Если вы IT-директор или CDO и планируете запустить корпоративный AI-проект, вот минимальный набор для старта:

1. Бизнес-задача с метрикой. «Сократить время X с Y до Z» или «повысить точность X с Y% до Z%». Без конкретной метрики проект обречён на размытые результаты.
2. Спонсор уровня C-suite. Проект без поддержки топ-менеджмента застрянет на первом же согласовании с бюджетным комитетом.
3. Доступ к данным. Хотя бы предварительное понимание: какие данные есть, в каком формате, кто владелец. Не нужно готовить данные заранее — достаточно понять, что они существуют.
4. Согласие службы безопасности на пилот. Ключевое слово — «пилот». На ограниченный scope с анонимизированными данными СБ соглашается значительно быстрее, чем на масштабный проект.
5. Бюджет на пилот. Фиксированная стоимость до 900 000 рублей — это не инвестиция в неизвестность, а контролируемый эксперимент с измеримым результатом.

Если хотя бы 3 из 5 пунктов уже есть — вы готовы к запуску проекта. Подробнее о пилотном подходе в enterprise — в нашем руководстве по пилотному тестированию IT-продуктов.

Когда AI-проект не стоит запускать

Честность важнее продажи. Вот ситуации, когда корпоративный AI-проект с высокой вероятностью провалится:

• Нет данных и не предвидится. Если процесс не генерирует данные (или данные в бумажном виде без оцифровки), AI бесполезен. Сначала — цифровизация, потом — AI.
• Задача решается простой автоматизацией. Если маршрутизация документов работает по 5 чётким правилам — не нужна нейросеть. Достаточно бизнес-правил в BPM-системе.
• Нет спонсора. AI-проект без поддержки на уровне C-suite закроется после первой итерации, потому что никто не защитит бюджет на масштабирование.
• Цель — «внедрить AI». Если единственная мотивация — отчитаться об «инновационности», результат будет декоративным. Проект должен решать конкретную бизнес-задачу.

Если вы узнали свою ситуацию в одном из пунктов выше — это не повод отказываться от AI навсегда. Это повод сначала устранить барьер (оцифровать данные, найти спонсора, сформулировать метрику), а потом запускать проект. Общий обзор подходов к корпоративным инновационным проектам — в руководстве по разработке корпоративного MVP.

FAQ о проекте

Реально ли запустить AI-проект за 22 рабочих дня в крупной компании?

Да, если речь о пилотном проекте с ограниченным scope. За 22 дня создаётся рабочий AI MVP: модель + интерфейс + API + compliance. Это не production-система на всю компанию, а пилот, который доказывает (или опровергает) бизнес-гипотезу. После успешного пилота масштабирование занимает 4-8 недель.

Сколько стоит корпоративный AI-проект на этапе пилота?

Пилотный AI-проект в ITESCO стоит до 900 000 рублей с фиксированной ценой. В стоимость входит: discovery, разработка модели, веб-интерфейс, API, соответствие ФЗ-152 и подготовка к аудиту безопасности. Стоимость масштабирования рассчитывается отдельно — по результатам пилота, когда scope уже понятен.

Какие AI-технологии чаще всего используются в корпоративных проектах?

В 2026 году три основных направления. LLM/NLP (GPT, Claude) — для чат-ботов, RAG-систем, обработки документов и классификации обращений. Предиктивная аналитика — для прогнозирования спроса, оттока клиентов и планирования запасов. Computer Vision — для контроля качества на производстве и распознавания документов. Проекты на базе LLM запускаются быстрее всего.

Как согласовать AI-проект со службой безопасности?

Три принципа: ограниченный scope (один процесс, один отдел), анонимизация данных до начала разработки, compliance с первого дня (ФЗ-152, шифрование, логирование). На пилот с такими параметрами СБ соглашается за 3-5 дней вместо 2-3 месяцев. В ITESCO подготовка к корпоративному аудиту включена в стандартный пакет разработки.

Что происходит после успешного пилота?

По итогам пилота вы получаете отчёт с метриками (точность модели, время обработки, экономия) и рекомендацию Go/No-Go. При положительном решении — масштабирование на всю компанию за 4-8 недель: расширение scope данных, нагрузочное тестирование, интеграция с корпоративными системами (SSO, LDAP, корпоративные шины). Код пилота проектируется масштабируемым с первого дня, поэтому переписывать ничего не нужно.

Следующий шаг: от обсуждения к конкретике

Если вы дочитали до этого момента, скорее всего, у вас уже есть идея для AI-проекта. Возможно, вы даже знаете конкретный процесс, который хотите автоматизировать. Вопрос в том, насколько этот проект реалистичен в вашем корпоративном контексте — с учётом данных, регуляторных требований и согласований.

Мы предлагаем 30-минутный Zoom-колл, на котором разберём вашу задачу и честно скажем: подходит ли она для AI-пилота за 22 дня, какие данные потребуются и что нужно подготовить до старта проекта. Без презентаций и маркетинга — только конкретика по вашему кейсу.