# Впровадження ШІ в малий і середній бізнес - без агенції і без AI-трансформації

> Автоматизація процесів малого бізнесу через LLM: обробка заявок, база знань на RAG, описи товарів, звіти з GA4. Пілот на одному процесі, потім масштаб.

**Canonical:** https://alexturik.com/uk/ai

Я не продаю ліцензії і не роблю чат-ботів для галочки. Беру один процес, у якому вже є цифри, ставлю на нього пілот за один-два тижні й дивлюся, чи стало краще. Якщо ні - це теж результат, і ви його побачите.

## Хто це пише

Я Олексій Туровський, full-stack розробник. П'ятнадцять років будую вебсистеми
на WordPress і Next.js, найчастіше саме там, де ці дві системи мусять
домовитися між собою: headless-міграції, інтеграції GA4 і GTM, HubSpot, Klaviyo,
платіжки для WooCommerce. Детальніше - на сторінці [про мене](/uk/about).

Це важливо з однієї причини. Більшість того, що зараз називають «впровадженням
ШІ», насправді є звичайною інтеграційною роботою, у якій один зі шматків
виявився мовною моделлю. Дані треба звідкись дістати, кудись покласти і якось
показати людині. Модель тут - один компонент, і зазвичай не той, що ламається.

Те саме я роблю щодня як full-stack розробник у
[Mettevo](https://mettevo.com/team/oleksii-turovskyi), тільки для більших
компаній: headless-архітектура, вбудовування автономних агентів у корпоративну
інфраструктуру, власні AI-скіли й реалізації MCP. Це важливо для вас із
практичного боку - підходи, які я приношу в маленький проєкт, уже пройшли
перевірку там, де ціна помилки вища.

На консультаціях я працюю сам. Це означає повільніше, ніж агенція, і означає,
що з вами говорить той самий, хто пише код.

## Що зазвичай автоматизую

LLM (large language model - мовна модель на кшталт GPT або Claude) добре робить
рівно один клас речей: перетворює неструктурований текст на структуроване
рішення. Нижче - шість задач, у яких це справді окупається. Терміни в останній
колонці - для пілота на одному процесі, не для всієї компанії.

| Задача бізнесу | Що робить модель | Що потрібно від вас | Термін пілота |
|---|---|---|---|
| Обробка вхідних заявок і листів | Читає лист, витягає поля (контакт, запит, терміновість), кладе в таблицю або CRM | Доступ до пошти й приклади 50-100 реальних листів | 1-2 тижні |
| Відповіді на типові питання клієнтів | RAG (retrieval-augmented generation - модель відповідає з вашої бази знань, а не з пам'яті) над вашими документами | База знань у будь-якому вигляді, навіть у Google Docs | 2 тижні |
| Описи товарів для WooCommerce | Генерує опис із характеристик, перевіряє на дублі перед публікацією | Вивантаження каталогу і 10 описів, які вам подобаються | 1-2 тижні |
| Класифікація й маршрутизація звернень | Визначає тему й пріоритет, ставить тег у CRM, ескалює за правилом | Доступ до CRM і поточні правила маршрутизації | 1-2 тижні |
| Звіти з таблиць і GA4 людською мовою | Читає дані за період, пише, що змінилось і на що це схоже | Доступ до GA4 або до таблиць | 1 тиждень |
| Контроль якості контенту сайту | Перевіряє сторінки за вашим чеклістом, повертає список проблем | Доступ до сайту або до sitemap | 1 тиждень |

Спільне в цих шести: у кожної є число, яке можна виміряти до і після. Скільки
хвилин на лист. Скільки звернень дійшло не в той відділ. Скільки товарів без
опису. Якщо задачу не можна так виміряти, я за неї не беруся - не тому, що вона
погана, а тому, що ми не дізнаємось, чи спрацювало.

## Як проходить робота

**Крок 1. Аудит процесів, 1-2 дні.** Дивлюся, як задача виконується зараз,
руками. Питаю, скільки це коштує часу і де болить. Виходжу з коротким списком:
що можна автоматизувати, що не варто, і яке число ми будемо міряти. Часто на
цьому кроці з'ясовується, що ШІ не потрібен, а потрібен фільтр у пошті.

**Крок 2. Пілот на одному процесі, 1-2 тижні.** Один процес, не п'ять. Робочий,
не демо: він обробляє справжні дані й ви ним користуєтесь. Паралельно зі старим
способом, щоб було з чим порівняти.

**Крок 3. Вимірювання.** Те саме число, що й на кроці 1, тільки після. Тут же
рахуємо, скільки коштує прогін у токенах - це рідко великі гроші, але це гроші
щомісяця, і ви маєте бачити суму до того, як вирішувати.

**Крок 4. Масштабування або зупинка.** Якщо число зрушило - переносимо підхід на
сусідні процеси. Якщо ні - зупиняємось, і у вас лишається звіт про те, що саме
не спрацювало. Це дешевше, ніж рік платити за систему, якою ніхто не
користується.

## Що я не роблю

- **Не продаю ліцензії й не перепродаю чужі SaaS.** Якщо вашу задачу закриває
  готовий продукт за 20 доларів на місяць, я скажу це на кроці 1 і не братиму
  гроші за інтеграцію того, що працює з коробки.
- **Не роблю чат-ботів «щоб був».** Віджет у кутку сайту, який відповідає гірше
  за сторінку FAQ, шкодить більше, ніж його відсутність.
- **Не працюю без доступу до даних процесу.** Автоматизувати те, чого не видно,
  неможливо. Якщо дані під NDA - підпишу NDA; якщо дані не можна показати
  взагалі - я не зможу оцінити задачу, і чесніше сказати це відразу.
- **Не обіцяю відсотків до старту.** «Скоротимо витрати на 40%» - це число, яке
  можна назвати тільки після кроку 3, і будь-хто, хто називає його до кроку 1,
  вигадує.
- **Не віддаю ваші дані в чужі руки мовчки.** Де саме живуть дані і що з ними
  робить кожен сервіс - це частина аудиту, а не дрібний шрифт.

## Що з приватністю даних

Питання, яке ставлять першим, тому відповідь тут, а не у FAQ.

Публічний ChatGPT і корпоративний API - це різні режими з різними правилами. У
API-режимі OpenAI, Anthropic і Google документують, що не використовують дані
запитів для навчання моделей за замовчуванням. У безкоштовному вебінтерфейсі
правила інші. Це різниця, на якій будується вся відповідь про безпеку, і саме її
найчастіше не пояснюють.

Практично це означає три варіанти, і вибір між ними - частина аудиту:
відправляти в API з договором обробки даних; знеособлювати дані перед
відправкою; або тримати модель на власному сервері, якщо задача це дозволяє.
Останнє коштує заліза й окупається не завжди - але це реальний варіант, а не
теоретичний.

Що я роблю в кожному проєкті незалежно від варіанта: показую, який саме текст
іде за межі вашого контуру, і залишаю можливість це вимкнути.

## Скільки це коштує

Дві різні суми, і плутати їх дорого.

Перша - щомісячний рахунок за токени. Він рахується точно, ще до того, як ми
почнемо: [калькулятор](/uk/ai/calculator) питає обсяг, довжину документа і
вартість вашої години, і показує витрати, зекономлені години й чисту економію на
місяць. Ціни моделей у ньому - з прайс-листів провайдерів, курс - НБУ, а
рахується все у вашому браузері.

Друга - моя робота: аудит і пілот. Тут працюю або погодинно, або за фіксовану
суму за пілот, і називаю її після першої розмови, коли зрозуміло, про який обсяг
ідеться. До цього моменту будь-яка цифра була б вигаданою.

## FAQ

### Чи потрібно віддавати дані клієнтів у ChatGPT?

Ні, і це найчастіше непорозуміння. Публічний вебінтерфейс ChatGPT і API - різні
режими: OpenAI, Anthropic і Google документують, що дані API-запитів не йдуть на
навчання моделей за замовчуванням. Крім того, більшість задач узагалі не
потребує персональних даних - лист можна знеособити перед відправкою, лишивши
моделі тільки суть звернення. Який саме варіант підходить вам, визначається на
аудиті, до першого рядка коду.

### Що з українською мовою в моделях?

Великі моделі працюють з українською помітно краще, ніж два роки тому, але не
однаково добре на всіх задачах. Класифікація і витягання полів - надійно.
Генерація довгого маркетингового тексту - потребує вичитки. Робота з
вузькоспеціальною термінологією - залежить від того, чи є вона в базі знань, яку
ви даєте. Я не покладаюся на загальні заяви вендорів: якщо задача мовно
чутлива, на пілоті ми проганяємо тест-сет із ваших реальних даних і дивимось на
результат, а не на обіцянку.

### Скільки триває пілот?

Один-два тижні на один процес. Довше - означає, що процес обрано неправильно або
що ми намагаємось зробити відразу все. Аудит перед цим - один-два дні.

### Що якщо не спрацює?

Тоді ми це побачимо на кроці 3 і зупинимось. Пілот навмисно робиться коротким і
на одному процесі саме для того, щоб невдача коштувала два тижні, а не рік. У
вас лишається звіт: яке число ми міряли, що з ним сталося і чому. Це не втішний
приз - наступного разу ви не повторите ту саму спробу.

### Чи можна тримати модель на власному сервері?

Так, і іноді це правильний вибір - коли дані не можуть залишати контур або коли
обсяг такий, що API-рахунок перевищує вартість заліза. Відкриті моделі сьогодні
достатньо хороші для класифікації, витягання полів і підсумовування. Для
складних міркувань розрив із топовими закритими моделями ще відчутний. Рішення
приймається за цифрами конкретної задачі, не за принципом.

### Скільки коштує прогін у токенах?

Залежить від обсягу тексту й обраної моделі, і рахується точно, а не приблизно:
обсяг вашого типового документа множиться на кількість документів на місяць і на
ціну моделі. Порахувати можна просто зараз - [у калькуляторі](/uk/ai/calculator),
на своїх числах. Уточнену суму я показую на кроці 3 пілота, коли вже відомий
реальний обсяг, а не оцінка. Майже завжди вона виявляється меншою, ніж очікують.

### Ви працюєте з компаніями поза Україною?

Так, але цей розділ сайту - українською і про український малий бізнес. Якщо ви
шукаєте англомовний контекст, почніть зі сторінки [про мене](/uk/about) або
напишіть напряму.

## Написати мені

[Заповніть форму заявки](/uk/ai/contact) - вона питає рівно три речі: що
відбувається зараз руками, скільки цього на місяць і що ви вже пробували. Цього
достатньо, щоб я сказав, чи є тут узагалі задача для моделі, і скільки
коштуватиме аудит. Відповідаю за один-два робочі дні.

Не любите форми - напишіть просто листом на
[alexturik@gmail.com](mailto:alexturik@gmail.com), з тим самим змістом. Я читаю
обидва канали однаково.

Якщо вам потрібен не ШІ в процесах, а щоб ваші сторінки цитували ChatGPT і
Perplexity - це сусідній розділ: [Answer Engine Optimization](/uk/aeo).