Нейросети для бизнеса
Владислав Кулецкий, фото: Павел Садовский, «Про бизнес» 15 июля 2024

«Дайте людям инструменты и смотрите, как они играются». Правда о внедрении ИИ-сервисов в бизнес

Александр Бабук.

Основатель компании fin.by Александр Бабук одним из первых смог заставить ИИ работать на его бизнес. Такой опыт может быть полезным для других компаний, потому что позволит избежать части ошибок. В ожидании AI_Воркшопа, который пройдет 30 июля 2024 года в Минске, Александр рассказал, как достичь большого масштаба внедрения AI в ключевые процессы. «Про бизнес» записал несколько важных инсайтов.

Технологический партнер воркшопа — МТС

Партнеры воркшопа:
FIN.BY
АйТи Аналитикс 
    Webcom Group
8digital.pro

Как глубоко внедрить AI в ключевые процессы компании

— Если бизнес уже понимает, что не может игнорировать искусственный интеллект, если уже готов его пощупать, то остается всего одна проблема: нет понимания, как к этому «чудищу» вообще подступиться. Руководители не до конца осознают, где ИИ должен быть в компании. Но эта проблема довольно легко решается.

Первый шаг — раздать инструменты ИИ всем сотрудникам и платить за пользование этими сервисами, пока ребята играются.

Второй (я считаю, что он самый важный) — вовлечь через геймификацию сотрудников в поиск сценариев внедрения ИИ. Им будет интересно, прикольно — и тогда люди смогут обнаружить самые неожиданные места для использования новой технологии.

Это запустит третий этап — энергичные сотрудники настроят шаблоны для ленивых.

После вы сможете увидеть все точки масштабирования искусственного интеллекта в вашем бизнесе. А далее займетесь оттачиванием промптов и цепочек преобразовнаий, выберете лучший AI-сервис. В самом конце останется настроить интеграцию с сервисом по API и все «спрятать под капот». И можете наблюдать, как боты сами работают (смеется, — прим. авт.).

Пример геймификации

Допустим, завершилось важное совещание. Теперь очень важно знать, кому какие задачи поставлены и в какие дедлайны все это нужно сделать. И мы решили поиграться: сначала записали встречу на диктофон, потом прогнали запись через один AI-сервис, чтобы перевести ее в текст, после этого еще одним инструментом отредактировали его и перевели на другой язык. Последний сервис сделал из этого подкаст, который мы наложили на смешное видео. Результат всем очень понравился. И в процессе люди протестировали сразу несколько разных инструментов.

Как определить, что один AI-инструмент эффективен, а другой нет

Думаю, все прекрасно понимают, что не бывает волшебной таблетки от всех болезней или серебряной пули от всех оборотней и вампиров (смеется, — прим. авт.). Каждый из конкурирующих AI-сервисов хорош в чем-то одном и плох во всем остальном. Один хорошо генерирует сценарии, другой — создает видео, третий — пишет музыку, а четвертый — все это соединяет. В каком-то смысле использование AI-инструментов — это лотерея: угадал ты с задачей и его функционалом или нет. Однако высокая конкуренция на рынке заставляет сервисы постоянно развиваться и становиться намного лучше. Так что нужно быть в постоянном поиске и бесконечно тестировать.

Но тут у меня как у финансиста сразу возникает вопрос: а что в такой ситуации с эффективностью?
Я считаю, что когда мы сравниваем AI-инструменты, эффективность — это соотношение цены, качества и скорости обработки информации.Чтобы все это понять, вы должны проверить цепочки запросов и ответов на реальных данных из своего бизнеса. Стоит прогнать один и тот же сценарий через разные AI-сервисы и посмотреть, какой из них будет эффективнее для той бизнес-задачи, которую вы решаете.

Пример тестирования

Я написал элементарный промпт: «Улучши описание карточек товаров для маркетплейсов. Тебе поступит сухая техническая информация — сформируй текст на не более 500 символов». После этого я сравнил, что мне ответил Chat GPT и Яндекс. GPT, сколько это стоило и как быстро я получил релевантный ответ. В данном случае выиграл Chat GPT. Но у вас может получиться и по-другому.

Как контролировать результат работы AI-сервисов

Комплекс AI-сервисов, которые могут работать на вас, — это все-таки внешние решения, и далеко не все данные бизнес будет готов «скормить» таким программам. Особенно щепетильно к внутренней информации относятся крупные компании, но им тоже нужно работать с AI, иначе они не смогут конкурировать на рынке. Для этого существуют малые языковые модели. Но они будут бесполезны для обработки большого объема цифр. Поэтому бизнес может использовать другой вариант — заставить внешние сервисы работать только внутри организации. Тогда вы будете «кормить» их исключительно собственной информацией, а другие компании к ней не будут иметь доступа. Ответы от нейросети будут становиться все более релевантными именно для ваших задач.

Происходит это так: вы организуете хранилище данных, куда по api, без участия человека, в режиме реального времени стекается информация из всех внутренних источников компании. Там эта информация агрегируется и начинает взаимодействовать с некой программой (условно AI-коннектором), которая находится на стыке организации и наружного контура. Эта программа может регистрировать запросы, которые должны идти наружу, а теми, которые не должны, займется собственная, кастомизированная AI-модель. Обработанная информации будет складываться обратно в это хранилище данных, а результат обработки и анализа можно будет видеть и контролировать через кликабельные дашборды.

Пример

Я основатель IT-компании в Беларуси. Как вы думаете: что я продаю? Экспертизу и часы людей. Какая у меня задача? Я должен угадать спрос и вовремя на него среагировать, чтобы выполнить все заказы вовремя. А как? Допустим, есть несколько телеграм-каналов, в которых компании публикуют запросы на разработчиков. Там не очень структурированная информация, но есть ключевые моменты, которые меня интересуют. В итоге мы делаем внешний сервис на python, который смотрит в эти телеграмм-каналы и с помощью AI-сервисов превращает информацию в необходимый мне дашборд. В результате Chat GPT выдает четкую структуру из неструктурированных данных, а на одно сообщение в канале приходится одна строчка в базе данных с аналитикой.

Таким же образом можно создать целый пул дашбордов, которые будут позволять вам в реальном времени следить за важными для вас и бизнеса трендами. При этом я всегда могу обратиться к первоисточнику, а не просто вреить на слова «каким-то аналитикам».

Так что действительно большого масштаба внедрения ИИ в бизнес можно добиться только тогда, когда это все вы упакуете «под капот». Причем таких мест микро-внедрений у вас должно быть максимальное количество, в самых неожиданных местах.

Как выбрать подрядчика, который поможет внедрить AI в бизнес

Самое важное — не вестись на красивые обещания. Большие корпоративные истории, которыми могут вас завлекать, — они не для всех. Я бы посоветовал искать некий стандартный коробочный продукт. Например, Битрикс 24, который сразу дает доступ туда, куда надо. То есть вы платите минимум, но он приемлимо решает какое-то количество ваших задач. И, конечно, никогда не используйте халявные сервисы — это бесполезно.

Если же компания понимает, что ей нужно уникальное решение для достижения конкурентного преимущества, которого нет у других, она вынуждена идти в кастомную историю: можно нанимать для этого собственную команду, можно использовать подрядчика — решать вам. Здесь главное правильно оценить затраты и эффективность.