В этом году Искусственный Интеллект перетянул на себя все венчурные инвестиции, огромное количество компаний в своих стратегиях заявляют, что они теперь AI-компании (дежавю 2018 года блокчейна....), а ИИ оказался еще и настолько прожорливым, что для того, чтобы накормить его данными, технологические компании бросились строить ядерные реакторы и скупать земли под строительство ЦОДов. О нем говорят на всех уровнях организаций от советов директоров, до рядовых сотрудников.
Нам с Вами, как лидерами трансформации и руководителями своих компаний, необходимо найти ответы на следующие 5 вопросов:
Нам с Вами, как лидерами трансформации и руководителями своих компаний, необходимо найти ответы на следующие 5 вопросов:
- Что ИИ может делать сегодня?
- Какая инфраструктура необходима для его работы?
- Какие сценарии достойны того, чтобы их применить в нашей компании?
- Где лежит ROI и какие метрики применимы к ИИ?
- Насколько важно сейчас действовать быстро?
Будем двигаться по порядку.
Что ИИ может делать сегодня?
К 2025 году мы подходим уже как минимум с тремя возможностями искусственного интеллекта, которые достойны оказаться в бюджете:
- Предиктивный ИИ: обнаружение, контроль и реагирование на отклонения процессов от целевого поведения (как на уровне оборудования и программного обеспечения, так и в части работы бизнес-процессов, обнаружения сбоев, фрода и т.д. за счет выявления паттернов в поведении) . Это область предиктивного ИИ, который многие годы совершенствуется и давно доказал свое право на место в операционной деятельности компании.
- Генеративный ИИ: ответы на вопросы, поддержка диалога, указания, используя естественный язык без необходимости обучения пользователей. Это область генеративного ИИ, который всего за 2 года достойно показал себя во множестве личных и корпоративных сценариев. Любимый мой вопрос в аудитории - кто ежедневно использует генеративный ИИ в своей деятельности, с каждым разом поднимает всё больше рук (как правило, 10% аудитории - это "всего" или "уже"?)
- Агентный ИИ: самостоятельное понимание задачи, анализ информации, постановка задач, следование указаниям, учёба на ошибках и постоянное улучшение результатов своей работы. Это область агентного ИИ. Главный тренд на 2025 год, набиравший скорость в течение всего уходящего года и стремительно формирующий новые модели автономного бизнеса на базе мультиагентных ИИ-систем.
Какая инфраструктура необходима для работы ИИ?
Для предиктивного ИИ основным требованием является доступ к полной истории транзакций, как на уровне бизнес-данных, так и на уровне систем логирования, пронизывающих всю инфраструктуру компании. Эти данные должны обновляться, поддерживать целостность и корреляции между разными источниками и событиями, и служить центром правды, на базе которого ИИ будет принимать свои решения и предлагать следующий шаг.
Для генеративного ИИ основным требованием является наличие доверенных данных, которые будут использоваться при формировании ответов пользователю. А также выбор LLM (большой языковой модели), которая будет выступать языковым интерфейсом между пользователем и данными.
Для генеративного ИИ основным требованием является наличие доверенных данных, которые будут использоваться при формировании ответов пользователю. А также выбор LLM (большой языковой модели), которая будет выступать языковым интерфейсом между пользователем и данными.
ChatGPT, Claude, Mistral, GigaChat, YandexGPT - модели обновляются каждые несколько месяцев, и конкуренция уже настолько высока, что лидеры догоняют лидеров всего за пару месяцев. Сейчас идет эпоха экспериментов, когда при правильно настроенном промпте (запрос к LLM) можно получить нужный результат даже на открытых моделях с минимальными характеристиками. Но основной проблемой остается - галлюцинация моделей. Чтобы верить результатам, нужно понимать, о чем идет речь, поэтому Генеративный ИИ становится великолепным инструментом в руках экспертов.
Для агентного ИИ нужно всё выше сказанное. Кроме этого, нужны "инструменты", которые можно вручить агенту в руки (через API) для выполнения его задач.
Для агентного ИИ нужно всё выше сказанное. Кроме этого, нужны "инструменты", которые можно вручить агенту в руки (через API) для выполнения его задач.
Самое главное преимущество агентного ИИ - возможность общения с ним на естественном языке и постоянное насыщение его новыми инструментами, которые он будет самостоятельно выбирать в нужной последовательности для решения поставленных ему задач. Добавим сюда автономную проверку, оценку и исправление сделанной самим же агентом работы, и мы получаем - самообучающиеся системы, способные адаптироваться к изменениям.
Какие сценарии достойны того, чтобы их применить в нашей компании?
Для предиктивного ИИ очевидные сценарии там, где у нас есть непрерывный поток транзакций и данных, в которых мы можем обнаруживать заслуживающие внимания паттерны - предсказание сбоев оборудования, аномальное поведение в сети и фрод, оптимизация логистических и транспортных потоков, модели оттока, сегментации клиентов.
Для генеративного ИИ самые яркие сценарии, доказавшие прирост на 30-50% к скорости выполнения - это ускорение разработки программного обеспечения (написание тестов, документации, нового кода), бизнес-анализ и услуги контакт-центров (там, где мы можем дать инструменты нашим сотрудникам эффективнее выполнять работу с помощью естественного языка и по возможности полностью переводить коммуникацию с клиентом на генеративный ИИ)
Для генеративного ИИ самые яркие сценарии, доказавшие прирост на 30-50% к скорости выполнения - это ускорение разработки программного обеспечения (написание тестов, документации, нового кода), бизнес-анализ и услуги контакт-центров (там, где мы можем дать инструменты нашим сотрудникам эффективнее выполнять работу с помощью естественного языка и по возможности полностью переводить коммуникацию с клиентом на генеративный ИИ)
мы пока еще сопротивляемся роботам и сразу кладем трубку при звонках от робота, но возможности генеративного ИИ как раз в том, что при наличии доступа к качественным данным и правильного обучения он действительно найдет ответ быстрее человека.
Кейсы для генеративного ИИ там, где мы можем соединить людей с вопросами с приложениями с ответами.
Для агентного ИИ сценарии будут лежать в части повышения эффективности бизнес-процессов, где агенты смогут встраиваться в существующие коммуникации и забирать на себя повторяющиеся процедуры. Соответствие нормативным требованиям, соблюдение условий контрактов и улучшение клиентского опыта (включая опыт сотрудников), автоматизация маркетинговых кампаний и коммуникаций, автоматизация продаж за счет более быстрых и точных ответов.
Для агентного ИИ сценарии будут лежать в части повышения эффективности бизнес-процессов, где агенты смогут встраиваться в существующие коммуникации и забирать на себя повторяющиеся процедуры. Соответствие нормативным требованиям, соблюдение условий контрактов и улучшение клиентского опыта (включая опыт сотрудников), автоматизация маркетинговых кампаний и коммуникаций, автоматизация продаж за счет более быстрых и точных ответов.
Объединение агентов в команды и формирование мультиагентных систем позволит расширять сценарии практически без ограничений.
Где лежит ROI от применения ИИ?
Для ответа на этот вопрос стоит посмотреть на нашу организацию через призму зонального управления, предложенного Джеффри Муром в книге "Зона победы", так как в зависимости от зоны мы будем получать разные эффекты:
- В зоне основного производства мы нацелены на рост выручки от наших основных продуктов, и ROI лежит в области повышения выручки, доли рынка, влияния и т.д. Там, где ИИ может помочь нам повысить производительность наших основных процессов и увеличить выручку.
- В зоне продуктивности, к которой относятся все корпоративные сервисы, ROI лежит в области ускорения и повышения эффективности наших внутренних процессов, за счет которых мы способны быстрее масштабироваться и повышать прибыльность.
- В зоне инноваций мы ищем новые точки роста. ROI приходит от ускорения процессов проверки гипотез, получения обратной связи от рынка на соответствие ему продуктов, более точного и быстрого принятия решений об инвестициях.
- В зоне трансформации, отвечающей за изменение организации в продуктовом предложении, операционной или бизнес-модели, ROI достигается в момент осуществления качественного перехода компании из одного состояния в другое. В этой зоне всё "решает" человеческая инертность и сопротивление переменам, и эта зона включается в организации, когда необходимо эту инертность победить.
Насколько важно сейчас действовать быстро?
Каждая технология проходит через стадии своего жизненного цикла. Мы можем смотреть на нее через Циклы Хайпа Гартнера или через жизненный цикл принятия технологий, но в любом случае мы проходим четыре стадии, и наше поведение сильно зависит от того, какую роль наша компания хочет играть на рынке:
- Ранний рынок - время разрушителей, первопроходцев, желанное время для стартапов и крайне сложное для устоявшихся компаний, если у них отсутствует зона инноваций. Это время испытаний для зоны инноваций.
- Преодоление пропасти - время первых кейсов, когда найдены бизнес-сценарии для применения технологии. Технология доказывает свою эффективность и внедряется в Зону продуктивности, или в Зону производительности.
- Внутри торнадо - когда технология прижилась, её внедрение распространяется со стремительной скоростью. И вы или поймаете волну, или волна накроет вас. Время, когда промедление недопустимо, потому что технология позволяет конкурентам обойти вас на повороте. Время, когда включается Зона трансформации, потому что иначе есть риск отстать от рынка.
- На главной улице - технология стала надежной инфраструктурой и может применяться в повышении эффективности основных процессов. Время зоны продуктивности и контролируемого эффекта от применения технологии в части получения требуемого ROI.
От ответов на эти вопросы именно для вашей организации и зависит, какое место займет ИИ в бюджете на 2025 год.
- Что ИИ может делать сегодня? Что он может сделать для нас уже в следующем году, чтобы приблизить к успеху? Кто нам может помочь лучше понять наши возможности?
- Какая инфраструктура необходима для работы ИИ? Достаточно ли нашей инфраструктуры или нам нужно инвестировать? Под какие задачи и в каких объёмах?
- Какие сценарии достойны того, чтобы их применить в моей компании? Можем ли мы выбрать хотя бы один сценарий для внедрения, который существенно повлияет на наш бизнес в 2025 году?
- Где лежит ROI и какие метрики применимы к ИИ? В какой зоне нашей компании мы будем развивать ИИ? По каким метрикам будем себя оценивать?
- Насколько важно сейчас действовать быстро? Где, по нашему мнению, находится технология? Какую роль мы готовы занять на рынке по отношению к этой технологии? Какие цели по времени для получения ценности мы для себя ставим?
Как бы мы ни ответили на вопросы, главное не забывать:
"Будущее уже наступило, оно просто неравномерно распределено"
P.S. по мотивам вопросов, которые поднимает Джеффри Мур в своем блоге.