Кейсы внедрения ИИ: шесть историй с цифрами из моей практики
Реальные кейсы внедрения ИИ: рост выручки на 75%, стоимость лида −45%, SaaS на 1000+ минут аудио в месяц, ИИ-квалификатор на GigaChat, RAG-бот по документам и сайт за пару дней. Что сделано и что из этого взять себе.

Кейсы внедрения ИИ в интернете чаще всего выглядят одинаково: «крупная компания сократила затраты на 30%», без деталей, без понимания, что именно сделали и при чём тут ваш бизнес. Я собрал шесть своих историй: задача, что сделано, результат и что из этого может взять себе собственник. Цифры — те, что у меня есть. Где точных цифр нет, так и пишу.
Коротко:
- Сильнее всего ИИ влияет на продажи, когда стоит на входе воронки: квалифицирует заявки и отдаёт менеджеру понятный запрос. У юридической фирмы стоимость лида снизилась на 45%, средний чек вырос на 30%.
- Рост выручки на 75% дал не «ИИ сам по себе», а связка: данные в одной системе плюс решения по цифрам.
- Протоколы встреч и ответы по документам — самые надёжные первые автоматизации: частые, с дешёвой ошибкой и готовыми данными.
- Модель — заменяемая деталь. В моих кейсах работают Claude, GigaChat и Yandex SpeechKit для распознавания речи, выбор зависит от задачи и требований к данным.
- Один человек с ИИ-агентами теперь собирает то, на что раньше нужна была команда: этот сайт сделан за пару дней.
Как читать эти кейсы
У каждого кейса одна структура: задача, что сделано, результат, вывод. Вывод — главное. Ваша отрасль может не совпадать, но механика обычно переносится: где теряются заявки, где люди тратят часы на однотипную работу, где решения принимаются без цифр.
| Кейс | Год | Что внедрено | Ключевой результат |
|---|---|---|---|
| Маркетинг в строительной компании | 2025 | Данные в одной системе, решения по цифрам | +75% выручки по первичке за 7 месяцев, чек 546 → 783 тыс. ₽ |
| ИИ-ассистент юридической фирмы | 2025 | Квалификация обращений + CRM | CPL −45%, средний чек +30% |
| SaaS «БОРИС» | 2025 | Саммаризация встреч | 1000+ минут аудио в месяц |
| «А-Энерго», электромонтаж | 2025–2026 | ИИ-квалификатор на GigaChat Pro + CRM + Директ | Заявка в CRM через секунду, реклама считается до сделки |
| ccBot | 2023–2024 | RAG по документам | Ответы по базе знаний с источником |
| Сайт schulmann.ru | 2026 | Claude Code + Claude Design | Сайт за пару дней |
Кейс 1. +75% выручки по первичным продажам
Задача. В 2025 году я руководил маркетингом (CMO) в компании из строительной отрасли. Решения по рекламному бюджету принимались по ощущениям: было видно, сколько заявок, но не было видно, сколько денег принёс каждый канал.
Что сделано. Связал источники трафика, сайт, рассылки и CRM в одну систему и построил поверх неё BI-панель, где видна выручка по каждому каналу, а не только количество заявок. Бюджет стали перераспределять по цифрам: убирать то, что не продаёт, и усиливать то, что продаёт.
Результат. За 7 месяцев выручка по первичным продажам выросла на 75%, средний чек — с 546 до 783 тысяч рублей.
Что взять себе. ИИ не продаёт сам. Он полезен, когда у него и у вас есть данные от клика до сделки. Если заявки живут в мессенджерах, а сделки — в голове менеджера, начинать надо с этого. Как собрать такую систему — в статье про сквозную аналитику.
Кейс 2. ИИ-юрист: стоимость лида −45%
Задача. Юридической фирме приходили разнородные обращения: часть — не по профилю, часть — без понимания, что именно нужно человеку. Юристы тратили время на разбор, а реклама оплачивала пустые контакты.
Что сделано. ИИ-ассистент на Claude Haiku с интеграцией в Bitrix24. Он понимал, с какой категорией дела пришёл человек, задавал уточняющие вопросы и передавал в CRM готовую карточку обращения.
Результат. Стоимость лида снизилась на 45%, средний чек вырос на 30%: до юристов стали доходить более тёплые и понятные запросы.
Что взять себе. Ассистент на сайте — это не «нейросеть, которая отвечает», а участок воронки с метрикой. Его цель — довести человека до контакта и передать менеджеру суть. Принципы диалога и архитектура — в статье про AI-ассистента на сайте.
Кейс 3. «БОРИС»: 1000+ минут встреч в месяц
Задача. Протоколы встреч и звонков либо пишутся вручную и съедают время, либо не пишутся, и договорённости теряются.
Что сделано. Я в одиночку сделал SaaS «БОРИС»: бот получает запись встречи или звонка, расшифровывает её через Yandex SpeechKit и выдаёт структурированное резюме — решения, задачи, ответственные.
Результат. Сервис обрабатывает больше 1000 минут аудио в месяц с положительной unit-экономикой.
Что взять себе. Протоколы — идеальная первая автоматизация: задача частая, данные есть всегда (запись), ошибка дешёвая — человек проверяет резюме за пару минут. Как посчитать экономию на своих встречах — в статье про окупаемость автоматизации.
Кейс 4. «А-Энерго»: ИИ-квалификатор на GigaChat Pro
Задача. Электромонтажной компании из Уфы нужен был рабочий вход в воронку для B2B-клиентов: генподрядчиков, застройщиков, управляющих коммерческой недвижимостью. Цифрового контура на старте не было: заявки приходили по телефону и в мессенджеры, учёт вёлся в таблицах, первый ответ зависел от того, кто свободен.
Что сделано. Сайт на собственной CMS и CRM с канбаном сделок на одной базе. ИИ-агент-квалификатор на GigaChat Pro: отвечает коротко, задаёт по одному вопросу, просит контакт на 3–5 сообщении и отдаёт менеджеру карточку с сутью обращения. Реклама в Яндекс Директе с целью на всех формах и в чате, заявки с кампаний попадают в CRM с меткой.
Результат. Заявка с сайта или из чата появляется в CRM через секунду — с источником, кампанией и историей диалога. Реклама считается до сделки, а не до клика. Контент сайта компания обновляет сама, без разработчика. Подробности — в кейсе «А-Энерго».
Что взять себе. GigaChat здесь выбран потому, что данные должны оставаться в России, а договор нужен с российским поставщиком. ИИ-агент даёт максимум, когда стоит в одном контуре с CRM и рекламой: тогда видно, какая кампания приносит не клики, а сделки.
Кейс 5. ccBot: ответы по документам через RAG
Задача. Типичная для среднего бизнеса картина: десятки регламентов, инструкций и положений, сотрудники, которые не хотят их читать, и одни и те же вопросы каждый день.
Что сделано. В 2023–2024 годах, работая Senior AI Developer, я собрал ccBot — бота с RAG. Документы разбиваются на фрагменты с указанием источника. Поиск гибридный: векторный в Qdrant находит фрагменты по смыслу, полнотекстовый в Manticore — номера, коды и термины. Ответ генерирует Claude с жёсткой инструкцией: только по найденному контексту, со ссылкой на источник, а если ответа нет — честно сказать об этом. Сотрудники общаются с ботом в Telegram.
Результат. Сотрудники получают ответы по внутренним документам с указанием, откуда взят ответ. Точной цифры по сэкономленным часам у меня нет. Главный технический вывод проекта: точность ответов заметно выросла после перехода на гибридный поиск.
Что взять себе. Бот по документам — это на 60% подготовка данных. Если регламенты устарели и противоречат друг другу, бот будет отвечать устаревшим. Как устроен RAG и с чего начать — в статье RAG для бизнеса.
Кейс 6. Этот сайт — за пару дней
Задача. Пересобрать мой личный сайт: услуги, кейсы, блог, ИИ-ассистент, SEO.
Что сделано. Текущую версию schulmann.ru я собрал на Claude Code и Claude Design на Astro и Bun. Claude Code писал код, Claude Design помогал с дизайном, я отвечал за замысел, тексты и решения.
Результат. Сайт сделан за пару дней. По моей оценке, раньше на такую работу ушли бы недели и несколько специалистов.
Что взять себе. Это главная перемена последних лет: один человек с ИИ-агентами делает то, для чего раньше нужен был отдел. Так же собирается MVP продукта за три дня — подробнее в статье про MVP за 3 дня.
Что общего у всех кейсов
- Начинали с потери, а не с технологии. Терялись заявки, время, деньги на рекламу — туда и ставили ИИ.
- Данные раньше агента. Там, где результат измерим в деньгах, сначала появлялась связанная система: CRM, реклама, сайт.
- Узкая цель у каждого агента. Не «отвечать на всё», а квалифицировать обращение или сделать протокол.
- Человек в цепочке. Сделку закрывает менеджер, резюме проверяет участник встречи, юрист работает с клиентом.
- Модель под задачу. Claude, GigaChat, Yandex SpeechKit — выбор зависел от качества, требований к данным и стабильности доступа, а не от моды.
Частые вопросы
Есть ли кейсы в моей отрасли? Отрасли в моей практике разные: стройка, юристы, электромонтаж, внутренние базы знаний. Механика переносится: где есть поток заявок, встречи и документы, ИИ найдёт работу.
Почему в некоторых кейсах нет цифр? Потому что я не придумываю цифры. Где результат измеряли, привожу его, где нет — описываю, что изменилось.
Можно ли повторить такой результат у нас? Механику — да, точные проценты зависят от вашей воронки, чека и данных. Поэтому каждую автоматизацию начинаю с замера «до».
С какого кейса проще начать? С протоколов встреч или квалификации заявок: быстро запускаются, дёшево ошибаются и дают измеримый результат за пару недель.
Хотите разобрать, какой из этих сценариев сработает у вас? Посмотрите, как устроен турбо-рефакторинг бизнеса, или опишите задачу в Telegram — расскажу, что делал в похожих ситуациях.
Похожие статьи: Внедрение ИИ в бизнес в 2026: план для собственника · Автоматизация бизнес-процессов с ИИ: что отдать первым