РОЛЬФ сформулировал редкое правило для AI-проектов: уметь вовремя сказать «не внедряем» Когда компания начинает искать применение ИИ сразу во всех функциях, легко получить много пилотов и мало измеримого эффекта. В РОЛЬФ предлагают начинать с другого вопроса: какую проблему нужно решить и нужен ли для нее ИИ вообще? Команда РОЛЬФ Автотех описала этот подход в статье на vc.ru. В основе – несколько принципов, которые вполне применимы и за пределами авторитейла. Первый – автоматизировать рутину, но не ответственность. Типовой вопрос клиента можно передать алгоритму. Конфликтную или нестандартную ситуацию, где от компании ждут решения, – уже гораздо рискованнее. Здесь ИИ полезнее в роли помощника сотрудника. Второй – сначала данные и интеграции. Если информация о клиенте, товаре, цене и операциях разбросана по системам или устарела, AI-интерфейс лишь замаскирует проблему. В РОЛЬФ прямо называют фундаментом данные и системы, а ИИ – следующим слоем над ними. Хорошо видна эта логика на поиске автомобилей. Старый поиск на ROLF.RU мог не понять запрос «Мерседес», потому что ожидал Mercedes. Новый умный поиск должен позволить клиенту описывать нужный автомобиль обычными словами. Ценность здесь измеряется не качеством AI-демо, а тем, насколько короче становится путь от запроса до подходящего предложения. Еще одно направление – аналитика и продуктовые эксперименты. Рассматриваемый Smart Data Hub потенциально сможет собирать данные из разных источников, строить отчеты, предлагать гипотезы и помогать с A/B-тестами. Но РОЛЬФ отдельно оговаривает: заявленная потенциальная экономия от 500 тыс. рублей в месяц пока расчетная, а само решение на момент публикации находилось в планах. Это важное различие между ожидаемым эффектом и уже полученным результатом. Есть и менее заметная для клиента область – разработка. По оценке менеджера продукта, 85–90% работы над ROLF.RU приходится на поддержку, развитие и интеграцию существующих решений. Поэтому ИИ рассматривают для работы с кодом, документацией, тестированием, данными и поиском информации – там, где он способен снять часть нагрузки с IT-команды. Из подхода РОЛЬФ получается полезный фильтр для AI-проектов: 🔹 какую конкретную проблему решаем; 🔹 готовы ли данные и интеграции; 🔹 что изменится для клиента или сотрудника; 🔹 каким бизнес-показателем измерим результат. И если убедительного ответа нет, AI-проект, возможно, вообще не нужен. 📌 Вывод AIRu: ИИ стоит внедрять там, где он решает конкретную проблему и дает результат, который можно посчитать. Если непонятно, что именно станет быстрее, дешевле или удобнее после внедрения, скорее всего, такой AI-проект бизнесу пока не нужен.
