Искусственный интеллект больше не эксперимент, а бизнес-необходимость

Тенденции использования искусственного интеллекта

Сейчас есть две большие волны внедрения:

1. Категория "технологических энтузиастов" : компании, экспериментирующие с AI в узких задачах; это было в начале знакомства с АI, первые поколения программ, которые определенно чаще ошибались.
2. Категория "стратегических пользователей" , где искусственный интеллект становится частью бизнес-цепочки и влияет на прибыль. Это означает переход от эффектных PoC-проектов к бизнес-ценности в масштабе всей компании.

Я с уверенностью могу сказать, что мы сейчас на втором этапе. Бизнес начинает воспринимать AI не как отдельную функцию, а как часть продуктового и операционного дизайна, интегрированную в главные бизнес-метрики. Компании, интегрирующие AI, могут получить уже сейчас значительное преимущество над теми, кто ждет "идеальной технологии" или регуляторной среды. То есть вопрос, внедрять ли в процессы искусственный интеллект или нет, уже не стоит. Компании попросту не смогут конкурировать на рынке с медленными процессами.

В первую очередь бизнес будет соперничать за время, но это не единственная тенденция интеграции ИИ в процессы. С другой стороны, по данным исследователей, 80-90% ИИ-пилотов пока не успешны. Это вдвое хуже, чем с обычными IТ-проектами (МIТ, EFESO). Среди основных причин неудач – неготовность данных, организационная структура и отсутствие навыков у персонала. Поэтому общей рекомендации здесь быть не может. Представьте, что вы планируете запускать сайт в эпоху доткомов (в начале 2000). Куча инициатив скоро прогорит, но интернет станет гейм ченджером.

Анализ данных

Все чаще компании используют искусственный интеллект для анализа большого массива данных. Прекрасный пример успешного использования АI для анализа потребительского поведения есть у Spotify. Компания начала использовать его, чтобы создавать более персонализированные плейлисты. Как следствие, алгоритмы помогли увеличить прослушивание и лояльность пользователей.

Однако я предостерегал бы от слепого использования без контроля человека. Иногда ИИ делает ошибочные выводы.

К примеру, если взять кейс c Uber, можно проследить, когда аналитика генеративной модели может повредить имиджу компании. Компания использовала модель для прогнозирования спроса для оптимизации тарифов. Однако искусственный интеллект часто поднимал цены, например из-за дождя, несмотря на то, что машин было достаточно. Клиенты стали жаловаться на слишком высокие цены. Uber до сих пор пользуется этим алгоритмом, поэтому вероятно имиджевые потери не сильно повлияли на прибыль. Но компания до сих пор теряет клиентов.

Оптимизация, автоматизация и еще раз оптимизация

Большие языковые модели чаще всего используются для автоматизации операций (обработка документов, чат-боты, ответы клиентам). Это существенно облегчает жизнь наемным работникам. Соответственно растет производительность и прибыль. Компания Microsoft даже похвасталась, что AI-инструменты помогли ей сэкономить более $500 млн в 2024 году в результате повышенной производительности в продажах, поддержке клиентов и инженерных процессах.

AI используется для автоматизации рутинных задач в корпоративных процессах (AI workflow automation), уже широко внедряемых компаниями в финансовом, логистическом и сервисном секторах. В крупных компаниях сотрудники часто используют AI-ассистентов (типа Microsoft Copilot, ChatGPT и т.п.) для автоматического создания внутренних документов и отчетов. Это сокращает затраты, повышает эффективность и оптимизирует повторяющиеся операции.

Хороший пример делегирования рутинных процессов в Coca Cola. Они использовали AI для оптимизации управления цепями снабжения и логистики, включающей анализ данных о спросе, погодных условиях и транспортных маршрутах для точного планирования и снижения затрат. В то же время Amazon использует ИИ в своих умных фулфилмент-центрах для автоматизации сортировки, упаковки и отправки заказов. AI-система прогнозирует спрос, оптимизирует размещение товаров на складе и координирует работу роботов-ассистентов.

Изменения в подходах к развитию персонала

Самая большая ошибка владельцев бизнеса – сокращать рабочие места вместо оптимизации процессов. После бума применения ИИ многие компании решили увольнять ключевых сотрудников, доверив их работу искусственному интеллекту, однако не учли, что он может логически ошибаться. Как следствие, вместо сокращения расходов на персонал, они должны были нанимать новых работников, чтобы контролировать АI. Суммы ущерба публично не разглашаются, но по статистике нанять и научить нового работника стоит бизнесу вдвое дороже, чем удержать старого.

Я еще раз подчеркиваю, не стоит считать, что АI на этом этапе может заменить квалифицированного человека. Сейчас его следует воспринимать как персонального помощника на уровне студента. Он прекрасно справляется с базовыми рутинными процессами, готовит "конспекты", но не принимает самостоятельные решения.

Как следствие, снимая рутинные задачи с работника, вы освобождаете его время на высокоуровневые проблемы, где нужно привлечь фантазию. Исследование MIT показало, что генеративный ИИ может повысить производительность высококвалифицированных работников почти на 40% в задачах творческого и аналитического характера.

Единственный нюанс: для того чтобы ваш пилот заработал успешно, работники должны уметь пользоваться генеративными моделями. Большинство проблем на этапе внедрения искусственного интеллекта проваливаются и отвергаются из-за ошибочных запросов, базового непонимания, как правильно прописывать промты и как должен работать АI-ассистент. Вы должны научить персонал работать с инструментом, а затем измерять эффективность.

В то же время важно не путать "быстрое внедрение инструментов" с построением большой AI-системы. Если вы планируете действительно сложное решение (интеграции, качественные данные, безопасность, контроль доступов, поддержка, ответственность за ошибки), то речь обычно идет об инвестициях в десятки, а чаще – в сотни тысяч долларов. И еще один нюанс терминологии: искусственный интеллект в больших системах далеко не всегда сводится к большим языковым моделям – там часто работает смесь правил, классических моделей, аналитики, инженерии данных и интеграций, а LLM является лишь одним из компонентов, пусть и очень заметным.

А вот "здесь и сейчас" в украинских реалиях лучше заходит подход микроавтоматизации: мы не пытаемся автоматизировать весь крупный процесс, как в классических IТ-проектах, а усиливаем маленькие шаги внутри стандартных процедур. Например, дополнительный инструмент для службы поддержки: AI-агенты могут отвечать на часть типовых вопросов или готовить драфт ответа оператору — служба поддержки не исчезает, но работает быстрее и ровнее. Другой практический кейс – распознавание PDF-документов (счетов, актов, договоров) с предварительным внесением данных в учетные системы: бухгалтер или экономист все равно проверяет, но времени тратит меньше, а ошибок на "механике" становится меньше.

И здесь ключевой вопрос — нужен ли вам man-in-the-middle (человек "в контуре"). Если бизнес-процесс допускает определенный уровень погрешности, то языковую модель можно использовать как частично заменяющий человека инструмент: главное, чтобы его процент ошибок не был выше человеческого. Но если ошибка создает сверхвысокий риск (условно: неверные данные в налоговой накладной или критический юридический факт в документе), тогда человек должен оставаться частью процесса, а модель только помогать: подсказывать, структурировать, готовить черновики, но не "подписывать решения" вместо вас.

***

Искусственный интеллект – это уже базовая потребность прибыльного бизнеса. От того, как успешно вы интегрируете его в свои бизнес-процессы, зависит повышение эффективности и производительности вашей компании. Интеграция в ежедневные процессы позволит создать полноценные рабочие модели и изменить операционную деятельность. Искусственный интеллект прекрасно усиливает людей в сложных рутинных задачах и обработке огромного массива данных, что позволяет профессионалам заниматься своей работой, вместо выполнения повторяющихся действий. Так что, если вы пока колебались, нужно ли это вашему бизнесу, скажу — нужно. Это залог вашего стратегического развития в быстром мире.