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 карта темы: где отдача предсказуема, где её не будет, и куда идти дальше по каждому направлению. Подробные разборы вынесены в отдельные статьи, ссылки на них стоят в конце каждого раздела.

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 10 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 неё измеряется сотнями рублей в месяц. Платите вы за время на описание процесса, сбор эталонных ответов и договорённость о критериях, а потом за поддержку, потому что процессы меняются.

Разбор по статьям затрат и сроки по этапам: https://ilkaev.com/blog/vnedrenie-ii-agentov/

Сколько стоят сами модели и как считается цена за токены: https://ilkaev.com/blog/kakie-neyroseti-dostupny-v-rossii/

Три вопроса перед стартом

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

Можете ли вы показать 20 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.

Карта разборов по темам

Термины и границы. Что такое агент и чем он отличается от бота: https://ilkaev.com/blog/ii-agent-eto/

С чего начинать. Как выбрать первую задачу и что мешает чаще всего: https://ilkaev.com/blog/vnedrenie-ii-v-biznes/

Как это устроено по шагам. Пять этапов, сроки и что ломается на каждом: https://ilkaev.com/blog/vnedrenie-ii-agentov/

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

Голос. Где голосовой агент работает, а где раздражает: https://ilkaev.com/blog/golosovoy-ii-agent/

Право. Что можно и нельзя отдавать модели: https://ilkaev.com/blog/personalnye-dannye-i-neyroseti/

Выбор модели. Что доступно в России и как считается цена: https://ilkaev.com/blog/kakie-neyroseti-dostupny-v-rossii/

Отчётность. Где модель помогает, а где считать должен код: https://ilkaev.com/blog/avtomatizaciya-otchetov/

Два числа вместо презентации

Возьмите последние 50 обращений или последние 50 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.