ИИ меняет экономику процесса: что это значит для малого бизнеса
Про ИИ часто спорят в терминах «заменит — не заменит». Более полезный вопрос звучит иначе: что происходит с экономикой конкретного процесса, когда в него приходит ИИ? Не с картинкой, не с текстом — с себестоимостью, сроками и порогом входа. Разберём на реальных кейсах из практики студии wave.
Кейс: десятки тысяч фотографий автомобилей
К нам пришёл стартап по продаже автомобилей из-за границы. Нужны были изображения машин — в едином стиле, в хорошем качестве, в большом количестве. Старый способ — искать по стокам, выкупать или организовывать съёмку — на таком масштабе не сходился ни по деньгам, ни по срокам.
Мы попробовали генерацию. Сначала это был просто эксперимент: некоторые модели машин приходилось точечно дообучать, потому что нейросети плохо знали новые автомобили. Но эксперимент сработал — в итоге мы сделали десятки тысяч изображений.
Главный вывод из этого кейса не про картинки.
ИИ изменил не картинку, а экономику процесса: проект, который не сходился в деньгах, начал сходиться.
Та же логика — в фото и видео
За два года путь выглядел так. Сначала стоковые фото покупали и отправляли фотографу как референсы. Потом референсы начали генерировать — так быстрее объяснить идею. Теперь всё чаще можно генерировать финальные изображения: реализм появляется из деталей — микродетали, свет, несовершенства, элементы бренда.
С видео — продолжение той же логики: первый кадр, последний кадр, движение между ними. Раньше для рекламного ролика собирали виртуальную студию — сцену, свет, камеру, материалы. Логика процесса осталась похожей, но часть работы делает ИИ, и это снова меняет смету.
Быстрее думать, а не только производить
Экономика меняется не только в производстве картинок. Инструменты вроде NotebookLM позволяют загрузить пачку документов и за день получить базовый контекст новой области: главные источники, споры, показатели, которые стоит отслеживать. То, что раньше требовало недели чтения или найма консультанта, стало вечерней задачей. А из тех же документов можно собрать подкаст и слушать по дороге.
Почему это только половина истории
Заметьте, что объединяет все примеры выше: это разовые задачи. Картинка, ролик, анализ темы, подкаст. Сделал — забрал результат — закрыл чат.
Бизнесу же важнее другое: деньги, обязательства, клиенты, история решений. Кому мы должны и кто должен нам. Почему год назад отказались от той услуги. Что обещали клиенту в переписке в марте. Обычный ИИ здесь не помогает — он каждый раз начинает с нуля и ничего о вашей компании не знает.
Чтобы ИИ менял экономику не отдельных задач, а работы компании в целом, ему нужна память: собранные и структурированные знания бизнеса. После каждой задачи знания должны оставаться в системе — тогда компания становится умнее с каждым днём, а не начинает каждое утро заново.
Как это устроено — на страницах «Цифровая память» и «Что такое LLM-wiki». А проверить на своём бизнесе можно за вечер по быстрому старту.
Раньше мы сокращали путь от задачи до результата для человека. Теперь мы сокращаем путь от знания компании до действия ИИ.
Разбор написан по мотивам лекции «ИИ без сложностей» (Новороссийск, июнь 2026).