ИИ для бизнеса: где он окупается, а где нет

Разговоров про искусственный интеллект в бизнесе сейчас больше, чем внедрений, которые доработали до результата. Причина не в технологиях: они как раз стали доступными. Причина в том, что внедрение начинают с вопроса «что нам внедрить» вместо вопроса «какую задачу закрыть».

Это обзорная статья: что реально окупается, что стоит денег и времени, и куда идти дальше по каждой теме.

Четыре места, где отдача предсказуема

Разбор входящих обращений. Заявки приходят из формы, мессенджеров, почты. Часть нецелевые, часть вопросы существующих клиентов. Модель читает свободный текст, отсекает мусор, собирает карточку для менеджера. Здесь эффект измеряется не в сэкономленных часах, а в скорости первого ответа.

Классификация больших объёмов текста. Отзывы, письма, резюме, обращения в поддержку, объявления конкурентов. Результат легко проверить на размеченных вручную примерах, поэтому внедрение управляемое.

Черновая работа с документами и данными. Собрать сводку, вытащить условия из договора, подготовить заготовку ответа, объяснить словами то, что уже посчитано.

Регулярные отчёты и сводки. Здесь модель не считает цифры, а объясняет их: расчёт должен быть детерминированным, иначе получите уверенные и неверные числа.

Где не окупается

Там, где хватает обычного правила. Сортировка по трём условиям это фильтр, а не модель, и он надёжнее.

Там, где мало событий. Пять обращений в неделю разбираются руками за десять минут.

Там, где нет процесса. Автоматизация не создаёт порядок, она ускоряет существующий. Если заявки теряются, потому что за них никто не отвечает, модель будет терять их быстрее.

Там, где цена ошибки высока, а проверить результат нельзя.

Там, где покупают у человека: сложная дорогая продажа, конфликты, переговоры.

Из чего складывается стоимость

Не из подписки на модель. В типовых сценариях расход на модель измеряется сотнями рублей в месяц, потому что разбор одного обращения стоит копейки.

Основные затраты это время: описать процесс, собрать письменные эталонные ответы, договориться внутри компании о критериях. По моему опыту эта часть занимает больше времени, чем сборка самого сценария, и она же полезна сама по себе, даже если внедрения не будет.

Третья статья, о которой забывают, - поддержка. Процессы меняются, модели обновляются, критерии уточняются. Внедрение без хозяина внутри компании умирает через пару месяцев.

Три вопроса перед стартом

Какое решение или действие станет быстрее и на сколько. Если ответа нет, проект держится на моде.

Можете ли вы показать двадцать примеров правильного результата. Если нет, вы не сможете ни настроить, ни проверить.

Кто внутри компании отвечает за правила. Не за проект в целом, а именно за содержание: что считать целевым обращением, что отвечать на вопрос о сроках.

Куда двигаться дальше

Разбор того, что такое агент и чем он отличается от бота: https://ilkaev.com/blog/ii-agent-eto/

Порядок внедрения по шагам: https://ilkaev.com/blog/vnedrenie-ii-v-biznes/

Четыре маркетинговых задачи с разбором, что в каждой ломается: https://ilkaev.com/blog/ii-v-marketinge/

Юридическая сторона, что можно и нельзя отдавать модели: https://ilkaev.com/blog/personalnye-dannye-i-neyroseti/

Выбор модели под задачу и бюджет: https://ilkaev.com/blog/kakie-neyroseti-dostupny-v-rossii/

Что сделать на этой неделе

Возьмите последние пятьдесят обращений или последние пятьдесят однотипных документов и разметьте их руками. Посчитайте время и долю мусора.

Эти два числа честнее любой презентации отвечают на вопрос, нужен ли вам ИИ и с чего начинать.