Forward Media бажає поділитись власним досвідом перетворення бізнес-процесів із застосуванням AI. Цей матеріал — не набір універсальних інструкцій, а розповідь про наш шлях, уроки та відкриття.
Спробуємо пояснити складні речі простою мовою, щоб навіть ті, хто вперше стикається з темою, могли зрозуміти. І одразу уточнимо: наша трансформація почалася не з вибору алгоритмів, а з допитливості команди й запиту на експеримент.
Навіщо бізнесу AI: реальні зміни починаються з культури
Принцип 10-20-70: де насправді криється успіх
Щоб ілюструвати ключову роль людей і процесів у трансформації, ми часто звертаємося до принципу 10-20-70, запропонованого Boston Consulting Group (BCG) у своєму гіді для лідерів із трансформації з AI:
- 10% — це AI-алгоритми та моделі (помітна верхівка айсберга);
- 20% — технологічна інфраструктура та платформи (середній шар);
- 70% — люди, культура та бізнес-процеси (невидима, але фундаментальна частина).
За цим підходом, успіх трансформації на 70% залежить від того, як ми змінюємо культуру, навчаємо команди й перебудовуємо процеси, і лише на 10-20% — від самих технологічних рішень.
Командна ініціатива: зміни знизу і зверху
Насправді наш редизайн процесів розпочався не з рішення керівництва, а з допитливості команди. Співробітники зацікавилися можливостями AI й самі запропонували невеличкий пілот — легкий експеримент за власної ініціативи. Це було радше навчальне зацікавлення, а не жорстка вимога від керівництва. Водночас корисно розуміти, що зміни можуть ініціюватися і знизу, і зверху:
- Знизу (від команди): практики, що працюють із процесом, помічають вузькі місця і самі пропонують експерименти.
- Зверху (від керівництва): лідери встановлюють стратегічні цілі та надихають команду на зміни.
Від експерименту до стратегії: як Forward Media тестувала AI
7 кроків до AI-трансформації
Ми взяли за основу ідею Томаса Дейвенпорта і Томаса Редмана про підхід у сім етапів до інтеграції AI та процесного управління. Проте Forward Media переосмислила ці етапи під власні потреби. Наприклад, ми зробили акцент на чіткій постановці бізнес-гіпотез та глибокому аналізу даних перед впровадженням, а також на безперервному навчанні команди після кожного кроку. Наш адаптований план включав:
- Формування міждисциплінарної команди (бізнес, ІТ, аналітика) для спільної роботи.
- Детальний аналіз поточних процесів і визначення ключових точок оптимізації.
- Генерацію і тестування гіпотез: пілотні експерименти з AI-інструментами на обмежених ділянках процесу.
- Оцінку результатів і масштабування успішних рішень на інші процеси.
Ми усвідомлюємо: AI — це лише частина рівняння, і справжня трансформація неможлива без зміни мислення. Саме тому важливим є розвиток культури експериментів і гнучкого підходу до змін. Як підкреслює Boston Consulting Group, лише 10% успіху залежить від самих алгоритмів, ще 20% — від технологічної інфраструктури, а 70% — від людей, процесів та управлінської культури.
Тому наша мета була не просто оптимізувати процеси, а створити середовище, де кожен у команді готовий пробувати нове, адаптуватись і вчитись на помилках. У такій атмосфері поєднання AI та редизайну процесів стає не просто технічним оновленням, а справжньою інноваційною трансформацією.
Як хаос допомагає знайти вузькі місця в процесах
Шлях до AI-процесів у Forward Media почався з експерименту з аналізу даних. На конференції IAB Connect 2025 учасники почули: «Через експеримент ми побачили реальність. Ми не отримали ідеального результату одразу. Але ми побачили, де ламається процес» — і саме це дало можливість його перебудувати. Інакше кажучи, перша спроба автоматизації виявила вузькі місця: що працює, а що «вилітає» при роботі з AI.
Наприклад, у медіаексперименті: 8 інфлюенсерів, формати Reels/Stories/TikTok, ШІ-інструмент Claude генерувала аналітику рекламної кампанії, але через початковий «хаотичний» формат даних модель не спрацювала якісно: виникали три цикли уточнень і довгий фактчекінг.
З цього хаосу команда винесла головний урок: спершу потрібно детально розкласти процес на окремі задачі, зрозуміти його структуру, а вже потім — аналізувати, що саме і в якій мірі доцільно оптимізувати під ШІ.
Метафорично кажучи, Forward Media описує цей етап як «Експеримент → Редизайн → Автоматизація». Спочатку — тестуємо AI на реальних даних, далі — детально аналізуємо процеси, що не витримали навантаження, і визначаємо, як їх оновити для суттєвої оптимізації або подальшої автоматизації, і лише після цього — масштабуємо рішення. Так відбувається поетапне впровадження: команда вчиться на невдачах і не боїться «ламати» старе мислення.
Як AI змінює щоденні процеси в агентстві
Нові правила звітності та робота з даними
Перехід до AI у роботі команди Forward Media вимагав глибокого редизайну звичайних задач. Наприклад, замість звичного ручного складання звітів із маркетингових метрик команда ввела шаблони й цифрові таблиці. Це дало помітні результати: «повні й чисті дані на вході» означають «менше помилок і пришвидшену валідацію». Новий алгоритм роботи такої задачі — фактично ще один бізнес-процес: люди збирають дані та готують їх для AI, а не навпаки.
Також змінилася логіка брифів і комунікації з клієнтами. Тепер бриф містить ключові параметри для моделі — цілі кампанії, метрики успіху, очікування — у стандартизованому вигляді. Аналітичні шаблони адаптовані під роботу з AI: передаються не просто «враження за результатами», а числові тренди у визначених розрізах. Як відзначають експерти Forward Media, обговорення звітності переходять на нову мову — замість усних пояснень у презентації тепер аналізована таблиця з паспортом даних. І вже не хвилюються, що «для ШІ частина даних губиться».
Приклади ефективності: від інфлюенсерів до бюджетів
Редизайн процесів дав відчутний приріст продуктивності. За словами команди, у завданнях із перевірки метрик тепер стало в рази менше ручної роботи, а час затвердження звітів скоротився з тижня до кількох днів (точні цифри залежать від проєкту). Як показує кейс-модель з блогерами, після впровадження структурованих даних збільшилась і якість результатів: «менше помилок і пришвидшена валідація».
Ще один приклад — аудиторський процес при плануванні бюджету. Раніше перевірка налаштувань рекламних кампаній була тривалою і повністю ручною. Після експерименту з AI команда перебудувала процес: першу перевірку виконує скрипт — він швидко знаходить базові невідповідності, але ключову роль, як і раніше, відіграє експерт. Саме людина аналізує результати, оцінює контекст і приймає остаточні рішення, які AI самостійно зробити не може. Така співпраця технологій і людського досвіду дозволила виявляти помилки у 2-3 рази швидше, без втрати якості й контролю.
Роль людини в AI-процесах: чому без експертів не обійтись
Водночас у Forward Media чітко розуміють, що людська експертність незамінна в ряді процесів. Як було сказано під час виступу: «Без критичного мислення, рефлексії, емпатії, креативного мислення та доменних знань фахівців жодна ШІ-система не принесе користі». Інакше кажучи, навіть найпотужніший алгоритм не «самостійно» створює стратегію або креатив — він лише інструмент у руках людини.
Особливо це стосується стратегічних рішень і тонких задач. Наприклад, вибір креативу або побудова проникливого інсайту для цільової аудиторії — це не те, що машина може зробити без людської інтерпретації. Аудит та фінансовий аналіз теж потребують здорового глузду: AI допомагає рахувати, але експерт вирішує, чи були вхідні дані коректними й що робити з аномаліями. Тому роль digital-фахівця зростає саме у контрольних точках роботи: постановці задач, адаптації AI-процедур і прийнятті рішень на основі результатів.
Нові навички та мислення: як змінюється роль digital-спеціаліста
Після масового впровадження ШІ роль маркетолога і спеціаліста зростає: замість простого володіння інструментом важливим стає розуміння процесу застосування AI. Фахівцю вже недостатньо знати, як запустити скрипт чи натренувати модель — потрібно ставити правильні запитання, критично аналізувати відповіді та враховувати контекст.
Так, мобільний аналітик тепер має вміти готувати «чисті» дані для нейронки, а не лише інтерпретувати dashboard. Менеджер з контекстної реклами — формулювати параметри для автоматизованої системи, а не вручну регулювати ставки. Усі фахівці мають поєднувати технічні знання (як працює ШІ) з бізнес-метрикою (що є успіхом кампанії).
Саме тому підкреслюємо: знати лише інструмент — недостатньо. Треба розвивати «AI-майндсет»: розуміння сильних сторін ШІ, відмовитися від старої парадигми «ми робимо це вручну», навчитися швидко рефлексувати й адаптувати процеси під нові можливості.
Наприклад, одним із відкриттів стало те, що у роботі з AI набагато важливіше точність даних, а не швидкість звіту як таку. ШІ справді швидкий, але якщо команда не передає йому точні вихідні, результат стає некорисним. Тому зараз в агентстві звіти на стадії брифу наповнюються максимально структурованими даними. Потім штучний інтелект їх швидко обробляє — і команда може аналізувати результати значно раніше, не відкладаючи всю роботу на фінал.
Редизайн як культурна трансформація, а не просто оптимізація
Загалом робота з AI примушує команди змінювати не лише технічні процеси, а й парадигму роботи. Нова культура означає відкритість до експериментів, швидку адаптацію, відсутність страху зламати старі алгоритми. Як у Toyota свого часу запровадили філософію Kaizen — постійного вдосконалення всіх операцій — так і зараз упровадження ШІ вимагає подібного підходу.
Тож у фіналі всіх прикладів видно одне: редизайн процесів — це не лише про економію часу чи грошей. Це про зміну мислення всієї команди. Замість банального упровадження нових інструментів (оптимізація) говорять про командну культуру, що навчається та експериментує. Лише в цьому випадку ШІ стає прискорювачем інновацій, а не просто модним словом у звіті.