Сейчас бум искусственного интеллекта в корпоративных продуктах, и это легко объяснить. Главный плюс ИИ-ассистентов — они экономят время и делают то, для чего раньше нанимали отдельного сотрудника. Если все настроено правильно, то по нажатию одной кнопки можно получить выжимку встречи, саммари треда или заполненный отчет.
В данной статье мы расскажем, как можно интегрировать ИИ в корпоративные продукты, какие преимущества это даст бизнесу и с какими ограничениями вы можете столкнуться.
Кто уже использует ИИ в корпоративных продуктах
Внедрение ИИ дает компаниям конкурентное преимущество и помогает быстрее адаптироваться к изменяющимся условиям рынка. Рассмотрим несколько примеров.
«Т-Банк»
В «Т-Банке» более 90% решений по кредитам бизнесу принимаются с помощью ИИ. В банке разработали платформу управления бизнес-коммуникациями, которая за 5 минут обрабатывает тысячи звонков и определяет важные. Система речевой аналитики автоматизирует контакт-центр, снижает расходы на персонал и увеличивает конверсию продаж через контроль скриптов. Также она предотвращает утечку информации и анализирует качество коммуникаций. Технология распознавания лиц помогает идентифицировать клиентов и сотрудников. Визуальные аватары, созданные с помощью ИИ, выступают онлайн-консультантами и лекторами.
«Сбер»
«Сбер» использует более 100 моделей ИИ для защиты от киберугроз. Пять цифровых помощников на основе ИИ анализируют риски, дают рекомендации по реагированию на угрозы и могут общаться с мошенниками вместо клиента, если увидят угрозу. ИИ также оптимизирует документооборот через сервис SberIDP Skills. Он распознает таблицы, текст, подписи и штрих-коды.
«Яндекс»
Техногигант применяет ИИ в поисковых технологиях и персонализации контента. Алгоритмы «Яндекс Директ» анализируют поведение пользователей и предлагают им наиболее релевантные результаты поиска. Сервис «Нейро» объединяет возможности поиска и генеративных моделей, таких как YandexGPT 3. Нейросети изучают необходимые источники, выделяют нужную информацию и объединяют ее в емкий ответ со ссылками на материалы.
«Магнит»
Розничная сеть использует ИИ для управления запасами и ценообразованием. Алгоритмы анализируют данные о продажах, сезонных колебаниях и потребительских предпочтениях. Это повышает эффективность бизнеса и улучшает прибыльность.
«Ашан»
«Ашан» активно использует ИИ в маркетинговом отделе. Так, нейро-рекламная кампания помогла увеличить продажи отдельных товаров на 300%. Также ИИ переводит видеообращения руководства на различные языки — меняется не только речь, но и мимика спикера. Кроме того, ИИ разрабатывает новые товары и прогнозирует их спрос, а также создает для них описания.
Еще ИИ помогает в промоушене. Например, в одной из акций бот создавал изображения на основе фотографии клиента и его чека. Промо показало уровень вовлеченности 6%, что «Ашан» считает хорошим результатом.
Как российским компаниям добавить ИИ в свой продукт
На данный момент есть два способа, подробно расскажу о каждом.
1. Интегрировать существующий ИИ
Готовые решения, например, ChatGPT — это один из самых простых и быстрых способов внедрить ИИ в свои бизнес-процессы. Вам не придется закупать дорогое железо и с нуля обучать языковую модель. Нужен только хороший программист, который напишет код взаимодействия. Вот какой порядок действий:
- Выберите платформу. Определите, какие задачи вы хотите решать с помощью ИИ. Если все и сразу — вам точно к ChatGPT.
- Зарегистрируйтесь на платформе OpenAI. Настройте внешний ключ (API). Изучите документацию, чтобы понять, как взаимодействовать с сервисом.
- Разработайте программный код для взаимодействия с API ChatGPT. Подключите ChatGPT к вашему веб-сайту, CRM или другой системе с помощью API-ключа.
- Проведите тестирование интеграции, чтобы убедиться в корректной работе ChatGPT. Настройте ответы и сценарии взаимодействия.
- Запустите систему и регулярно мониторьте ее работу, анализируйте данные для дальнейшей оптимизации.
У такого подхода есть свои плюсы. Компания может начать обрабатывать клиентские запросы с помощью ИИ уже через несколько дней после подключения API.
А самое главное — не нужно углубляться в разработку, за вас все сделает владелец ИИ. Например, OpenAI стабильно совершенствует ChatGPT. В последнем обновлении, 4o mini, стоимость запросов стала меньше, а качество ответов все также лучше аналогов.
Но и без минусов не обойтись. Главный — существует риск утечки данных. Будьте избирательны и не передавайте ИИ конфиденциальную информацию. Например, финансовые данные клиентов не должны отправляться на обработку через внешний API.
Еще один минус — готовые ИИ не всегда подходят для специфических задач бизнеса. Например, ChatGPT не сможет учесть волатильность курсов валют, изменения требований регулятора и поведение клиентов, чтобы дать верный совет на рынке акций. Но вот собственная модель сможет.
2. Обучить собственную генеративную модель и развернуть на своих серверах
В России крайне мало корпоративных ИИ-продуктов собственной разработки. Это логично, так как позволить себе это могут только крупные игроки, например, «Сбер» и «Т-Банк». К слову, «Т-Банк» недавно открыл доступ к собственной разработке T-lite.
Сейчас у разработчиков главная задача — догнать по качеству и функциональности западные продукты, к которым привык бизнес. Все ресурсы уходят на завоевание доли рынка, и, как правило, ИИ в эту статью расходов не вписывается.
Однако есть способ сделать свою модель и при этом сэкономить — взять готовую обученную модель с открытым исходным кодом и дообучить ее на собственных данных. Вот как это выглядит:
- Выберите подходящую базовую модель. Это могут быть как относительно новые LLaMA 3 и Mistral, так и чуть устаревшая GPT-3. Модели опенсорсные и их можно дообучать под конкретные нужды компании.
- Соберите специфичные данные, на которых будет обучаться ваша модель. Например, финансовая компания может использовать свою аналитику за несколько лет работы.
- Подготовьте данные для обучения — удалите лишние символы и разделите текст на отдельные части.
- Используйте мощные серверы для обучения модели на ваших данных. Процесс обучения может занять от нескольких дней до нескольких недель, в зависимости от объема данных и мощности оборудования.
- После обучения необходимо протестировать модель и внести корректировки.
- Откройте доступ к ИИ сотрудникам и клиентам. Следите за багами и оперативно правьте ошибки. Иначе может повториться история с Chevy Tahoe 2024 года, которую ИИ продал за 1 долл.
Как и в первом способе, здесь есть свои плюсы и минусы.
К плюсам можно отнести полный контроль над данными и гибкость. Если нейросеть развернута на своем железе — данные никогда не выйдут за пределы организации.
On-premise модель позволяет адаптировать алгоритмы под конкретные потребности и время. Например, стартап Rubbles предлагает несколько ИИ-решений, которые можно адаптировать у себя на сервере под разные задачи — от генерации контента до аналитики и моделирования ситуаций.
Однако высокие затраты, специфичные требования к данным и длительный процесс внедрение станут препятствиями для небольших и средних компаний.
Разработка собственной генеративной модели требует значительных финансовых и человеческих ресурсов. Это включает в себя расходы на вычислительную инфраструктуру, оплату труда специалистов и затраты на обучение модели.
Для успешного обучения модели требуется большое количество качественных данных. Если данных недостаточно или они содержат ошибки — качество ИИ будет низким.
Обучение и развертывание собственной ИИ-модели может затянуться на месяцы или даже годы. Это особенно критично в e-commerce, где своевременные инновации дают конкурентные преимущества.
Что все-таки лучше
Выбор способа внедрения ИИ в корпоративные продукты зависит от задач и ресурсов компании.
- Если хотите быстро предоставить клиентам новые возможности и улучшить бизнес-процессы — используйте готовые ИИ. Это точно дешевле, чем делать собственную LLM. Но вам придется внимательно следить за всеми данными и не загружать в GPT чувствительную информацию.
- Если компания играет в долгую или нуждается в специфическом отраслевом решении, то собственный ИИ — лучший выбор. Да, это потребует значительных ресурсов и времени. Но только так компания получит высокую эффективность в своих задачах и полный контроль данных.
К сожалению, вариант с собственным ИИ сейчас практически неосуществим: слишком мало вендоров, которые могут себе позволить инвестиции в разработку интеллектуальных систем. Большинство компаний сосредоточены на улучшение существующих продуктов и завоевание доли рынка. Поэтому вариант с доступом через API кажется самым жизнеспособным.
