«Дайте людям инструменты и смотрите, как они играются». Правда о внедрении ИИ-сервисов в бизнес
![«Дайте людям инструменты и смотрите, как они играются». Правда о внедрении ИИ-сервисов в бизнес](https://www.21.by/pub/news/2024/07/1721019670480023.jpg)
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
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.