ИИ для малого бизнеса постепенно перестает быть игрушкой для презентаций и становится рабочим инструментом на уровне операционки. MIT Technology Review разбирает кейс частного преподавателя из Лондона, который с помощью Notion AI ведет записи по студентам, готовит счета, планирует задачи и экономит время на рутине вместо найма отдельного ассистента.
Для русскоязычной IT-аудитории этот сюжет важен не из-за очередного списка «10 способов применить нейросети», а потому, что показывает более приземленный сценарий: большие языковые модели уже полезны там, где не нужна безошибочная экспертиза, зато нужен быстрый административный результат. Иными словами, не «ИИ заменит бизнес», а «ИИ закрывает мелкие, но прожорливые по времени процессы», которые в маленьких командах обычно висят на фаундере, продакте или первом сотруднике.
В центре материала Сам Финнеган-Ден, который днем работает в благотворительном секторе, а в свободное время подрабатывает репетитором по математике и философии для студентов университетов. Само преподавание занимает только часть его нагрузки. Остальное выглядит знакомо любому человеку, который хоть раз пытался запустить небольшой сервисный бизнес: нужно планировать занятия, подбирать новые материалы, составлять задания, выставлять инвойсы, следить за прогрессом клиентов и параллельно не выпадать из профессиональной повестки. Именно здесь ИИ для малого бизнеса, по его словам, оказался полезнее всего.
Финнеган-Ден пробовал разные инструменты, включая Claude и ChatGPT, но в итоге остановился на Notion AI. Причина прозаичная и потому убедительная: сервис лучше встроился в его существующий контур работы, где все заметки уже разложены по вкладкам в Notion. Он описывает систему как «вторую память», которая помогает связывать между собой идеи, заметки о клиентах и свежие материалы, разбросанные по цифровым блокнотам. Это, пожалуй, самый реалистичный сценарий применения генеративного ИИ в 2026 году: не магический «агент», который сам управляет компанией, а слой поверх уже накопленных рабочих данных, который ускоряет поиск, сводки и синхронизацию.
При этом преподаватель не отдает модели собственно учебную работу целиком. Он не использует ИИ для создания учебных материалов как финальной версии, зато разрешает Notion AI записывать встречи со студентами после их согласия и затем смотреть автоматические саммари. Если из сводки видно, что какой-то подход не сработал, он меняет стратегию следующего занятия. Кроме того, инструмент помогает ему с постановкой целей, черновиками заметок к урокам, инвойсами и синхронизацией постов для соцсетей. Один из показательных примеров: он формулирует для себя «северную звезду» вроде нужного количества клиентов к концу года, а затем просит систему разложить эту цель на конкретные шаги с учетом уже накопленного профиля бизнеса. Дальше человек сам решает, какие действия действительно стоит брать в работу.
С технической точки зрения это хорошо ложится на нынешний рынок ИИ-продуктов. Notion много лет был заметным игроком на рынке заметок и командной документации, а его AI-дополнение, запущенное в конце 2023 года, со временем обросло интеграциями с почтой, календарями и другими сервисами продуктивности. Недавно у продукта появился и агентный слой. Такая связность звучит удобно, но именно она вызывает вопросы к приватности: чем глубже ИИ залезает в заметки, встречи, переписку и расписание, тем выше цена ошибки и утечки. Для малого бизнеса это особенно чувствительно, потому что у него обычно нет отдельной комплаенс-команды, которая заранее выстроит правила доступа, хранения и удаления данных.
MIT Technology Review приводит и другой пример более узкоспециализированного подхода. Магазин Grandma’s Quilt Shop из Юмы, штат Аризона, использует Rain, пакет ПО для компаний из рукодельной и крафтовой отрасли. С его помощью владельцы генерируют описания товарных остатков и цены для тканей, а время на публикацию карточек товаров, по их оценке, сократилось на 60–80%. Это важная деталь: рынок движется не только в сторону универсальных помощников вроде ChatGPT, Claude или Notion AI, но и в сторону вертикальных решений, заточенных под конкретные процессы и словарь отрасли. Для бизнеса это часто практичнее, чем пытаться «докрутить» общий чат-бот под инвентарь, каталог, CRM и продажи сразу.
Но статья полезна не только кейсами успеха, а еще и трезвыми ограничениями. Финнеган-Ден прямо говорит, что Notion AI временами ведет себя неуклюже. Плюс за AI-дополнение нужно платить $20 в месяц. Сама сумма для B2B не выглядит драматичной, но для малого бизнеса вопрос всегда один и тот же: дешевле ли это, чем сделать самому, и не создаст ли инструмент новые накладные расходы. Если фаундер тратит часы на настройку экосистемы, перепроверку галлюцинаций и борьбу со странным поведением сервиса, магия быстро заканчивается. В этом смысле ИИ для малого бизнеса работает только при жестком отборе задач: чем меньше творчества и чем больше повторяемой рутины, тем выше шанс, что экономика сойдется.
Из материала вытекают и довольно прикладные правила. Во-первых, экосистему надо выбирать до того, как в нее уедут все рабочие данные: если сервису нужны заметки в собственном формате, миграция потом станет дорогой и технически, и организационно. Во-вторых, ИИ стоит применять там, где у команды реально не хватает внутренних навыков или времени, но не там, где критична точность. В-третьих, не всякую задачу нужно «виб-кодить» с помощью LLM: для платежей и базовых бизнес-процессов безопаснее брать готовые платформы вроде Shopify или Square, чем собирать самодельный контур на скорую руку. И, наконец, для чувствительной информации логично смотреть в сторону локальных open source-моделей, которые можно запускать на ноутбуках и небольших десктопах без отправки данных внешнему провайдеру.
Главный вывод для разработчиков, продактов и основателей тут довольно земной. Следующая волна пользы от ИИ, похоже, придет не из громких обещаний «полностью автономных компаний», а из скучных интерфейсов, которые умеют нормально разбирать заметки, письма, встречи и таблички. Вопрос уже не в том, нужен ли ИИ для малого бизнеса вообще, а в том, где проходит граница между «достаточно хорошо для рутины» и «слишком рискованно, чтобы доверять машине».