Мне регулярно задают один и тот же вопрос, только в разных костюмах. Иногда он звучит как «нам нужен искусственный интеллект», иногда как «конкуренты уже внедрили нейросети, а мы отстаём», а иногда совсем честно: «я не понимаю, что это, но мне страшно не успеть». Я понимаю этот страх. Последние годы искусственный интеллект продают как философский камень, который превращает любую компанию в золото. А потом компания покупает подписку, сотрудники неделю развлекаются, генерируя котиков в стиле Ренессанса, и всё возвращается на круги своя. Поэтому давайте спокойно, без шаманства, посмотрим, что ИИ на самом деле делает для компаний, а чего не делает.
ИИ это не мозг, а очень быстрый стажёр
Самая полезная метафора, которую я нашёл за годы работы с этими системами: современная языковая модель похожа на очень начитанного, очень быстрого и очень уверенного в себе стажёра. Он прочитал больше книг, чем вся Ваша компания вместе взятая. Он никогда не устаёт. Он может за минуту разобрать сотню писем. Но он ничего не знает о Вашем бизнесе, если Вы ему не рассказали, и иногда с абсолютно серьёзным лицом сочиняет факты, которых не было.
Из этой метафоры сразу следуют правила работы. Стажёру нельзя давать подписывать договоры и переводить деньги без проверки. Стажёру нужно дать инструкцию, примеры и доступ к правильным документам. И стажёр приносит больше всего пользы там, где работа массовая, однотипная и где ошибку легко заметить и исправить. Именно там ИИ сегодня зарабатывает компаниям реальные деньги.
Где ИИ уже приносит пользу
Если отбросить рекламные обещания, остаётся вполне конкретный и уже проверенный список задач:
- разбор входящего потока: письма, заявки, обращения в поддержку автоматически классифицируются, получают приоритет и попадают к нужному человеку;
- первая линия поддержки: ответы на типовые вопросы по Вашей базе знаний, а сложные случаи передаются живому сотруднику вместе с кратким пересказом;
- работа с документами: извлечение данных из счетов, договоров, накладных и анкет, которые раньше перепечатывали руками;
- аналитика: поиск аномалий в финансах, сегментация клиентской базы, прогноз спроса на основе накопленной истории;
- подготовка контента: описания товаров, черновики писем, коммерческих предложений и статей, которые потом доводит человек.
Обратите внимание, что почти везде ИИ не заменяет процесс целиком, а забирает из него самый скучный и самый объёмный кусок. Это не революция в духе фантастических фильмов, это скорее появление конвейера на мануфактуре. Мастер остаётся мастером, но перестаёт вручную точить каждый гвоздь.
Почему у многих не получается
Я видел десятки попыток «внедрить ИИ», и провалы почти всегда устроены одинаково. Компания начинает с инструмента, а не с процесса. Покупается подписка, устраивается презентация для сотрудников, все соглашаются, что это очень круто, и через месяц пользуются этим два человека из пятидесяти. Потому что никто не ответил на простой вопрос: какую конкретно операцию, сколько раз в день и с каким результатом мы хотим отдать машине?
Вторая частая причина провала это отсутствие данных. ИИ, который должен отвечать клиентам о Ваших товарах, бесполезен, если информация о товарах живёт в голове у старшего менеджера и в трёх несогласованных таблицах. Модель не может знать то, что Вы сами не записали. Поэтому проект внедрения ИИ очень часто превращается в проект наведения порядка в данных, и это, честно говоря, лучшее, что с компанией может случиться.
Искусственный интеллект не наводит порядок в хаосе. Он масштабирует то, что у Вас уже есть: и порядок, и хаос.
Третья причина: ожидание чуда без контроля. Модель ошибается, и это нормально, люди тоже ошибаются. Ненормально строить процесс так, будто она не ошибается. Хорошая архитектура ИИ-решения всегда предусматривает, где человек проверяет результат, как ошибки отлавливаются и как система учится на исправлениях.
Агенты: следующая ступень
Отдельно скажу про то, чем мы в Ingello занимаемся особенно плотно: ИИ-агенты. Если обычная модель это стажёр, который отвечает на вопрос, то агент это стажёр, которому дали доступ к инструментам. Он может сам сходить в учётную систему, найти заказ, проверить остаток на складе, написать клиенту черновик ответа и поставить задачу менеджеру. Это уже не чат, а сотрудник с руками.
Здесь возможности огромные, но и цена ошибки выше. Поэтому агентов мы проектируем как любую серьёзную систему: с чёткими правами доступа, журналом действий, ограничениями на опасные операции и точками, где решение подтверждает человек. Агент, которому разрешено всё, это не автоматизация, а лотерея с Вашими деньгами в качестве ставки.
С чего начать
Возьмите лист бумаги и выпишите операции, которые Ваши сотрудники повторяют десятки раз в день и которые связаны с текстом: прочитать, разобрать, переложить, ответить, кратко пересказать. Выберите одну, самую массовую и самую безопасную, где ошибка не стоит денег. Опишите, как выглядит хороший результат, соберите полсотни реальных примеров и проверьте на них модель. Если получилось, встраивайте в процесс с контролем человека. Если нет, Вы потратили неделю, а не бюджет года.
В Systems мы строим такие решения от данных и процесса, а не от моды: сначала разбираемся, где у компании узкое место, потом решаем, нужен ли там ИИ вообще. Иногда честный ответ звучит как «Вам нужна не нейросеть, а нормальная таблица и одна кнопка», и я считаю это тоже хорошим результатом консультации. А когда ИИ действительно нужен, он должен работать внутри Вашей системы, рядом с Вашими данными, а не в отдельной вкладке браузера, куда сотрудники копируют тексты руками. Тогда стажёр становится полноценным членом команды. Очень быстрым, иногда фантазирующим, но очень полезным.
