Новая эра корпоративного ИИ
Помнишь, как всего пару лет назад мы только гадали, что это за зверь такой — искусственный интеллект, и чем он нам грозит? А сегодня я наблюдаю, как моя коллега просит ИИ написать пресс-релиз, пока сама в это время готовит презентацию для клиента. И знаешь что? Это больше не выглядит как сцена из научно-фантастического фильма. Это наша реальность.
Пока политики только размышляют о регулировании, пока философы ломают копья в спорах о том, есть ли у ИИ сознание, бизнес уже вовсю использует технологию, меняя правила игры. За каких-то два года ИИ проник в нашу жизнь глубже, чем интернет за аналогичный период своего становления. Представляешь? 39% взрослых американцев уже пользуются ИИ, а интернет за первые два года покорил всего 20%.
Я погрузилась в изучение опыта компаний, которые первыми внедрили ИИ в свои бизнес-процессы, и сегодня делюсь с тобой настоящей золотой жилой инсайтов. Не просто красивых слов из глянцевых отчетов, а реальных уроков от тех, кто уже прошел через огонь, воду и медные трубы внедрения искусственного интеллекта.
Семь уроков от пионеров ИИ, которые перевернут твое представление о бизнесе
1. Начни с тщательной оценки (evals)
Morgan Stanley, финансовый гигант с вековой историей, поначалу сомневался, может ли ИИ вообще добавить ценность в таком глубоко личном и чувствительном бизнесе, как управление финансами. Их ответ? Проведение интенсивных оценок (evals) для каждого предлагаемого применения.
Представь себе: финансовый консультант, просматривающий горы документов и проводящий часы в исследованиях — старая добрая реальность. Теперь же ИИ фактически стал их персональным исследовательским ассистентом, который мгновенно находит информацию и избавляет от рутинных задач. Результат? Сегодня 98% консультантов Morgan Stanley используют ИИ ежедневно. Доступ к документам подскочил с 20% до 80%, а время поиска драматически сократилось.
Как говорит Кейтлин Эллиотт, глава отдела решений на основе генеративного ИИ: «Отзывы от консультантов невероятно позитивные. Они больше вовлечены в отношения с клиентами, а действия, которые раньше занимали дни, теперь происходят в течение часов».
2. Интегрируй ИИ в свои продукты
Indeed, крупнейший в мире сайт по поиску работы, использует GPT-4o mini не просто как внутренний инструмент, а как часть ядра своего продукта — для сопоставления соискателей с вакансиями по-новому.
Суть в том, что недостаточно просто рекомендовать подходящие вакансии — нужно ещё объяснить кандидату, почему именно эта работа рекомендуется именно ему. Indeed использует возможности анализа данных и естественного языка GPT-4o mini для формирования этих объяснений в своих письмах и сообщениях соискателям.
Когда команда Indeed протестировала предыдущий движок сопоставления с вакансиями против версии, использующей GPT с новым, настраиваемым контекстом, результаты оказались впечатляющими: на 20% больше начатых заявок на вакансии и на 13% больше успешных собеседований — не только больше кандидатов начали подавать заявки, но и работодатели с большей вероятностью их нанимали.
При отправке более 20 миллионов сообщений в месяц соискателям и 350 миллионах посетителей ежемесячно, эти показатели масштабируются до значительного бизнес-эффекта. Но расширение масштаба также означало использование большего количества токенов. Чтобы повысить эффективность, OpenAI и Indeed вместе доработали меньшую модель GPT, которая смогла обеспечить схожие результаты, используя на 60% меньше токенов.
3. Начни сейчас и инвестируй рано
Klarna, глобальная платежная сеть и торговая платформа, внедрила нового ИИ-ассистента для оптимизации обслуживания клиентов. Всего за несколько месяцев ассистент стал обрабатывать две трети всех сервисных чатов — выполняя работу сотен агентов и сократив среднее время разрешения проблем с 11 минут до всего 2. По прогнозам, эта инициатива принесет улучшение прибыли на 40 миллионов долларов, при этом поддерживая показатели удовлетворенности на уровне поддержки человеком.
Но вот что действительно впечатляет: 90% сотрудников Klarna теперь используют ИИ в своей повседневной работе. Растущее знакомство с ИИ во всей организации позволило Klarna двигаться быстрее, запускать внутренние инициативы эффективнее и постоянно улучшать клиентский опыт.
Как выразился Себастьян Семяткковски, соучредитель и генеральный директор: «Этот прорыв ИИ во взаимодействии с клиентами означает превосходный опыт для наших клиентов по лучшим ценам, более интересные задачи для наших сотрудников и лучшую отдачу для наших инвесторов».
4. Настраивай и дорабатывай свои модели
Компания Lowe's, один из крупнейших ритейлеров товаров для дома, тесно сотрудничала с OpenAI для улучшения точности и релевантности функции поиска в своем интернет-магазине. С тысячами поставщиков Lowe's часто приходится работать с неполными или непоследовательными данными о продуктах.
Ключ — в точных описаниях и тегах продуктов. Но это также требует понимания того, как покупатели ищут товары, что меняется в зависимости от категории продуктов. Именно здесь на помощь приходит тонкая настройка моделей.
Настроив модели OpenAI, команда Lowe's смогла улучшить точность тегирования продуктов на 20%, а обнаружение ошибок улучшилось на 60%. Как говорит Нишант Гупта, старший директор по данным, аналитике и вычислительному интеллекту: «Волнение в команде было ощутимо, когда мы увидели результаты от тонкой настройки GPT 3.5 на наших данных о продуктах. Мы знали, что у нас в руках победитель!»
5. Дай ИИ в руки экспертам
BBVA, глобальный банковский лидер с более чем 125 000 сотрудников, решил предоставить ИИ в руки своих сотрудников, тесно сотрудничая с юридическим отделом, отделом соответствия и ИТ-безопасности для обеспечения ответственного использования. Они развернули ChatGPT Enterprise глобально, а затем позволили людям открывать свои собственные сценарии использования.
«Обычно в таком бизнесе, как наш, создание даже прототипа требует технических ресурсов и времени», — говорит Елена Альфаро, глава глобального внедрения ИИ в BBVA. «С пользовательскими GPT любой может создавать приложения для решения уникальных проблем — начать очень легко».
За пять месяцев сотрудники BBVA создали более 2900 пользовательских GPT, некоторые из которых сократили сроки проектов и процессов с недель до часов. Влияние ощущалось во многих дисциплинах и отделах: команда кредитных рисков использует ChatGPT для быстрого и более точного определения кредитоспособности; юридическая команда использует его для ответа на 40 000 вопросов в год о политиках, соответствии требованиям и многом другом; команда обслуживания клиентов автоматизирует анализ настроений в опросах NPS.
6. Разблокируй своих разработчиков
Mercado Libre, крупнейшая компания электронной коммерции и финтеха в Латинской Америке, в партнерстве с OpenAI создала платформенный слой разработки для решения проблемы ограниченных ресурсов разработчиков. Этот слой называется Verdi и работает на основе GPT-4o и GPT-4o mini. Сегодня он помогает их 17 000 разработчиков унифицировать и ускорить создание ИИ-приложений.
Verdi интегрирует языковые модели, узлы Python и API для создания масштабируемой, последовательной платформы, использующей естественный язык как центральный интерфейс. Разработчики теперь создают приложения стабильно высокого качества быстрее, без необходимости погружаться в исходный код. Безопасность, защитные ограждения и логика маршрутизации — все встроено.
В результате разработка ИИ-приложений значительно ускорилась, помогая сотрудникам Mercado Libre делать потрясающие вещи, включая: улучшение возможностей инвентаризации (GPT-4o mini Vision помечает и заполняет списки продуктов, позволяя Mercado каталогизировать в 100 раз больше продуктов); обнаружение мошенничества (оценка данных о миллионах листингов продуктов каждый день, повышение точности обнаружения мошенничества до почти 99% для помеченных товаров); настройку описаний продуктов (перевод заголовков и описаний продуктов для адаптации к нюансированным диалектам испанского и португальского языков).
7. Поставь смелые цели автоматизации
В OpenAI команды поддержки тратили много времени на доступ к системам, попытки понять контекст, составление ответов и принятие правильных действий для клиентов. В ответ они создали внутреннюю платформу автоматизации, которая работает поверх существующих рабочих процессов и систем для автоматизации рутинной работы и ускорения получения инсайтов и действий.
Их первый сценарий использования: работа на базе Gmail для составления клиентских ответов и запуска действий. Используя платформу автоматизации, команды могут мгновенно получить доступ к данным клиентов и соответствующим статьям базы знаний, а затем включить результаты в ответные письма или конкретные действия — такие как обновление учетных записей или открытие тикетов поддержки.
Встраивая ИИ в существующие рабочие процессы, команды становятся более эффективными, отзывчивыми и ориентированными на клиента. Эта платформа обрабатывает сотни тысяч задач ежемесячно, освобождая людей для более важной работы.
Как выявлять и масштабировать случаи использования ИИ в вашей организации
Теперь, когда мы рассмотрели уроки от пионеров внедрения ИИ, давайте обсудим, как найти и масштабировать собственные сценарии использования ИИ. Начнем с понимания того, где ИИ может оказать наибольшее влияние.
Для выявления потенциальных сценариев использования ИИ сосредоточьтесь на трех ключевых областях:
Повторяющиеся задачи низкой ценности
В любой работе есть утомительные, ручные задачи, которые отвлекают людей от более стратегической работы. Эти бездумные задачи замедляют производительность и делают работу более разочаровывающей и менее удовлетворительной. Суммирование заметок совещаний, поиск тенденций в данных электронных таблиц, создание документов с требованиями к продукту, ответы на одни и те же вопросы снова и снова... все это задачи, которые ИИ может взять на себя для ваших команд.
Клэр Во, директор по продуктам Launch Darkly, создала "Анти-список дел" задач, на которые ей больше не нужно фокусироваться. Он включает в себя такие вещи, как мониторинг KPI, отслеживание конкурентов и обмен историями клиентов и анекдотами через Slack. «Каждый раз, когда я делаю то, что считаю раздражающим, я спрашиваю себя, как я могу больше этого не делать?» — говорит она.
Узкие места в навыках
Работа часто замедляется, когда сотрудники достигают пределов своего опыта и нуждаются во вкладе от других отделов или экспертов. Это может создавать узкие места и задерживать прогресс.
ИИ может помочь преодолеть эти разрывы, помогая сотрудникам расширить свои навыки (от анализа данных и визуализации тенденций до кодирования) без ожидания дополнительной поддержки. Экспертные команды получают больше времени от задач межфункционального взаимодействия с более низкой ценностью, и все остальные учатся общаться на их языке.
Например, продуктовые менеджеры используют ИИ для создания интерактивных прототипов без необходимости замедляться в ожидании помощи от других команд.
Навигация по неопределенности
Интеллектуальная работа часто включает неопределенность и открытые задачи. Сотрудники могут испытывать трудности с началом или блокировкой, из-за чего проекты останавливаются. Здесь ИИ может действовать как катализатор, помогая генерировать идеи, анализировать данные и предлагать следующие шаги, когда путь неясен.
Люди во всех компаниях, с которыми мы общались, используют ИИ для запуска своего мышления и разблокировки новых идей. Они используют его для мозгового штурма идей кампаний, поиска быстрых инсайтов в необработанных данных, анализа тенденций или просто для определения следующих шагов, когда они не уверены, что делать.
Шесть простых примитивов для использования ИИ
После анализа более 600 вариантов использования от клиентов OpenAI, большинство случаев использования можно отнести к одному из шести «примитивов» — фундаментальных типов использования, которые применимы во всех отделах и дисциплинах:
1. Создание контента
ИИ может поддерживать создание контента во всех командах — будь то суммирование продаж или создание первых черновиков стратегических документов, записей в блогах, веб-страниц и даже изображений и визуализаций. Команды используют ИИ для редактирования и полировки своей работы, а затем привлекают его в качестве корректора в последнюю минуту. ИИ может автоматически писать в стиле вашей компании и применять ваше руководство по тону голоса; следовать предпочтительным структурам документов; или даже предоставлять обратную связь по письму.
2. Исследования
ИИ широко используется для исследований во всех отраслях. От быстрого изучения новых концепций (таких как внедрение ИИ или дизайн-мышление); до поиска в интернете соответствующих статей или конкурентных данных; до более комплексных, многоэтапных исследовательских проектов, которые сканируют интернет для статей, данных и инсайтов.
Одним из самых больших преимуществ использования ИИ для исследований является то, что вы можете указать формат и структуру представления анализа: в табличном формате, маркированных пунктах, организованных в определенные разделы или с перекрестными ссылками.
3. Кодирование
Многие программисты являются активными пользователями ИИ. Они используют его для отладки, генерации черновиков кода на незнакомых языках, переноса кода с одного языка на другой и проговаривания своего кода (rubber-ducking). За последние два года возможности ИИ в математике, науке и кодировании на многих языках значительно улучшились, и многие инструменты теперь даже предлагают предварительный просмотр кода в реальном времени.
Мы также видим, как многие непрограммисты начинают кодировать с помощью инструментов ИИ. Просто используя естественный язык, маркетологи и финансовые команды могут создавать скрипты Python для автоматизации процессов, SQL-запросы для извлечения данных или даже визуализации с фронтенд-кодом для веб-сайтов или внутренних презентаций.
4. Анализ данных
ИИ помогает любому гармонизировать данные из разных источников, выявлять инсайты и тенденции и работать со сложными данными электронных таблиц без необходимости в продвинутых навыках Excel, SQL или Python.
Вы можете предоставить ИИ несколько электронных таблиц или скриншотов панелей мониторинга для быстрого анализа. Он может интерпретировать данные электронных таблиц, понимать визуальные графики и даже помогать форматировать ваш вывод для отчетности.
5. Идеация и стратегия
Сценарии использования идеации и стратегии популярны во всех командах, от мозгового штурма нового поста в блоге до помощи в структурировании документа, устранения проблем в стратегии или предоставления обратной связи по работе на основе ключевых целей или предпочтений заинтересованных сторон.
По мере того, как модели ИИ становятся более мультимодальными, команды используют голос и зрение для взаимодействия с ИИ так же, как они взаимодействовали бы с коллегой.
6. Автоматизация
Многие случаи использования включают автоматизацию частей задачи. Клиенты выявляют повторяющиеся, рутинные задачи и разрабатывают способы передать их ИИ. Автоматизация может быть простой, как генерация еженедельных конкурентных обновлений, или более сложной, как создание финансового отчета для еженедельных брифингов руководителей, готового для человеческого обзора.
Память и пользовательские инструкции — ключ к автоматизации такого рода процессов. Custom GPT — это метод их обмена. Создавая стандартный набор инструкций, загружая один и тот же документ и указывая один и тот же вывод каждый раз, команды могут снимать с себя задачи с меньшей ценностью.
Строим агентов ИИ: новая парадигма
Агенты — это системы, которые независимо выполняют задачи от вашего имени. В отличие от обычного программного обеспечения, которое позволяет пользователям оптимизировать и автоматизировать рабочие процессы, агенты способны выполнять те же рабочие процессы от имени пользователей с высокой степенью независимости.
Рабочий процесс — это последовательность шагов, которые должны быть выполнены для достижения цели пользователя, будь то разрешение проблемы обслуживания клиентов, бронирование ресторана, внесение изменений в код или создание отчета.
Приложения, интегрирующие ЛММ (большие языковые модели), но не использующие их для управления выполнением рабочего процесса, например, простые чат-боты, однократные ЛММ или классификаторы настроений, не являются агентами.
Более конкретно, агент обладает ключевыми характеристиками, которые позволяют ему действовать надежно и последовательно от имени пользователя:
Он использует ЛММ для управления выполнением рабочего процесса и принятия решений. Он распознает, когда рабочий процесс завершен, и может проактивно корректировать свои действия при необходимости. В случае сбоя он может остановить выполнение и передать контроль обратно пользователю.
Он имеет доступ к различным инструментам для взаимодействия с внешними системами — как для сбора контекста, так и для выполнения действий — и динамически выбирает соответствующие инструменты в зависимости от текущего состояния рабочего процесса, всегда работая в рамках четко определенных ограничений.
Когда стоит создавать агентов?
Создание агентов требует переосмысления того, как ваши системы принимают решения и управляют сложностью. В отличие от традиционной автоматизации, агенты особенно подходят для рабочих процессов, где традиционные детерминированные и основанные на правилах подходы не справляются.
Рассмотрим пример анализа мошенничества с платежами. Традиционный движок правил работает как контрольный список, помечая транзакции на основе предустановленных критериев. Напротив, агент ЛММ функционирует больше как опытный следователь, оценивая контекст, рассматривая тонкие паттерны и выявляя подозрительную активность даже при отсутствии нарушения четких правил. Эта способность нюансированного рассуждения — именно то, что позволяет агентам эффективно управлять сложными, неоднозначными ситуациями.
При оценке, где агенты могут добавить ценность, приоритетными являются рабочие процессы, которые ранее сопротивлялись автоматизации, особенно там, где традиционные методы сталкиваются с трением:
Сложное принятие решений: Рабочие процессы, включающие нюансированное суждение, исключения или контекстно-зависимые решения, например, одобрение возврата в рабочих процессах обслуживания клиентов.
Трудно поддерживаемые правила: Системы, которые стали громоздкими из-за обширных и сложных наборов правил, что делает обновления дорогостоящими или склонными к ошибкам, например, проведение проверок безопасности поставщиков.
Сильная зависимость от неструктурированных данных: Сценарии, которые включают интерпретацию естественного языка, извлечение смысла из документов или разговорное взаимодействие с пользователями, например, обработка претензии по страхованию жилья.
В заключение: Действуй сейчас
ИИ отличается от традиционного программного обеспечения или облачных приложений. Обучение использованию его сильных сторон требует нового мышления. Но работа с клиентами показала, как быстро люди из всех дисциплин могут освоить это мышление и начать выявлять высокоэффективные случаи использования в своей работе.
Запуск этого процесса сводится к помощи вашей организации в трех шагах:
Понять, где ИИ добавляет ценность: Выявить части вашего бизнеса, которые могут немедленно извлечь пользу из ИИ
Обучить сотрудников фундаментальным случаям использования: Помочь командам исследовать фундаментальные случаи использования и начать создавать свои собственные
Приоритизировать то, что масштабировать: Сосредоточиться на высокоэффективных, низкозатратных возможностях с использованием структуры «Воздействие/Усилие»
Как сказал Стефан Банджел, генеральный директор Moderna: «Мы рассматриваем каждый бизнес-процесс — от юридического до исследований, производства, коммерции — и думаем о том, как перепроектировать их с ИИ».
Чем больше люди работают с ИИ для реинжиниринга задач и рабочих процессов, тем больше возможностей они раскрывают. Настало время действовать. Не ждите, пока ваши конкуренты обойдут вас.