Эволюция или революция где ИИ ускоряет процессы, а где перестраивает работу компании

ИИ не поможет, если компания не знает чего хочет

На совещании решили внедрить ИИ. Команде поручили запустить проект, но какую проблему он должен решить и по какому показателю оценивать результат, никто не определил. Екатерина Борисоглебская, руководитель по развитию транзакций в Поиске и Алисе AI в «Яндексе», приглашённый преподаватель «Школы управления СКОЛКОВО», называет подобные инициативы «ВДНХ-проектами»: компании хотят использовать ИИ, потому что технология на слуху, и только потом ищут для неё задачу.

Екатерина Борисоглебская рекомендует изменить порядок. Сначала сформулировать чётко направления и задачи, которые являются для бизнеса источником самых значимых потерь или потенциальной выручки. Затем убедиться, что ИИ помогает решить выбранную задачу: часто технология раскрывает новые способы решения или помогает сделать редизайн процесса в принципе. Иначе можно потратить деньги и время на разработку инструмента, который заведомо встроен в неэффективную модель работы, и не получить ожидаемых результатов.

Николай Верховский, руководитель по развитию транзакций в Поиске и Алисе AI в «Яндексе», приглашённый преподаватель «Школы управления СКОЛКОВО», рекомендует заранее выбрать показатель, который должен измениться после внедрения ИИ. Например, компания может поставить цель повысить конверсию или снизить стоимость операции. Затем нужно описать работу, которую планируют автоматизировать, собрать необходимые данные и назначить сотрудника, который будет отвечать за ИИ-агента и бизнес-показатели. Если сотрудники сами не могут объяснить порядок действий, документов нет, информация хранится разрозненно и никто не отвечает за результат, передавать работу ИИ рано.

В Альфа-Банке до начала разработки считают, какую пользу ИИ принесёт бизнесу. Семён Деваев, руководитель цифрового офиса корпоративного бизнеса Альфа-Банка, описывает принцип словами «деньги любят счёт». Эффект можно оценить по сокращению ручной работы, скорости операций или изменению клиентских показателей. Например, несколько часов, которые сотрудник раньше тратил на задачу, можно пересчитать в деньги. Так можно ещё до разработки понять, какую реальную пользу принесёт ИИ и оправданы ли затраты на его внедрение.

От понятной задачи — к результату

Компания разрабатывает цифровой сервис для руководителей бизнеса. Перед запуском новой функции команде нужно узнать мнение будущих пользователей: найти топ-менеджеров, собрать фокус-группу, провести исследование и обработать результаты. С руководителями компаний процесс может затянуться, потому что привлечь их к исследованию непросто.

С этой проблемой столкнулись в Альфа-Банке при разработке сервисов для корпоративных клиентов. Проверять гипотезы нужно почти для каждой новой функции, а потенциальных участников исследований среди руководителей немного. По словам Семёна Деваева, поиск респондентов, само исследование и обработка результатов могли занять три месяца.

Банк решил ускорить проверку продуктовых гипотез с помощью синтетических ЛПР — цифровых моделей лиц, принимающих решения в компании. Для их создания команда собрала данные проведённых исследований и переписку с корпоративными клиентами в почте и чатах. Базовую гипотезу с помощью синтетического ЛПР можно проверить за один-два дня, отдельный вопрос — за один-два часа.

Синтетический ЛПР не заменяет разговор с клиентом. Модель опирается на информацию, которую банк собрал раньше, а слова человека не всегда совпадают с его поведением. Семён Деваев отмечает, что человек может думать одно, говорить другое и поступать по-третьему. Банк сверяет гипотезы с данными о поведении клиентов, а для отдельных инновационных решений по-прежнему проводит фокус-группы.

В Альфа-Банке ИИ ускоряет работу клиентского менеджера: помогает быстрее проверять продуктовые гипотезы и улучшать ежедневную работу с клиентами. При подготовке сделки ему нужно понять, какие продукты предложить конкретной компании. Рекомендательные модели машинного обучения учитывают профиль клиента и подсказывают подходящие варианты. Менеджер тратит меньше времени на подготовку, получает более точные рекомендации и в результате может уделять больше внимания переговорам. Система также следит за условиями сделки и обязательствами клиента, освобождая менеджера от части сопутствующей работы.

Результат получили. Окупается ли он?

Компания автоматизировала операцию, сотрудники стали выполнять её быстрее. Теперь нужно понять, что бизнес получил от ускорения и во сколько обошлась работа ИИ.

В Альфа-Банке проверка документов для сложной операции валютного контроля раньше занимала двое суток и требовала специалиста с нужной подготовкой. ИИ-агент выполняет проверку за минуты. Сотрудников при этом не сокращают: прежним составом команда может обрабатывать больше операций.

В сервисном обслуживании Алексей Фетисов, директор по информационным технологиям Альфа-Банка, приводит расчёт, который можно перевести в деньги. В некоторых направлениях агенты выполняют без участия человека до 90% операций. Без агентов банку пришлось бы нанять около 500 сотрудников, чтобы справляться с прежним объёмом работы. Экономию Фетисов считает по расходам на дополнительный штат, вычитая стоимость работы ИИ.

Похожий подход работает и в разработке: раньше над продуктом работала команда из 10–12 человек, а один рабочий цикл занимал две недели. Сейчас в Альфа-Банке тестируют небольшие команды — Tiny Teams: продакт и AI-инженер с системой агентов могут пройти тот же объём за день или быстрее, отмечает ИТ-директор Альфа-Банка.

Сам ИИ тоже требует расходов: компания покупает вычислительное оборудование либо платит за токены и подписки на модели. При оценке проекта затраты на технологию нужно сравнить с деньгами или рабочим временем, которые удалось сэкономить. Цена разработки, однако, не всегда становится главным показателем. Алексей Фетисов приводит пример: компания может девять месяцев делать продукт дешевле или потратить больше и начать продавать его на восемь месяцев раньше. Второй вариант может оказаться выгоднее за счёт выручки, полученной после раннего запуска.

ИИ ускорился. Компания — нет

Компания внедрила ИИ, и разработчики стали выполнять работу в несколько раз быстрее. После разработки продукту ещё предстоит пройти согласования и проверки перед запуском. Если они занимают недели или месяцы, ускорение разработки не помогает быстрее вывести продукт на рынок.

Насколько сильно ИИ может ускорить разработку, показывает опыт «МТС Линк». По масштабу роста производительности Владимир Урбанский, генеральный директор «МТС Линк» и эксперт «Школы управления СКОЛКОВО», разделяет внедрение ИИ на эволюцию и революцию. Рост на 10–20% он называет эволюцией: сотрудники быстрее выполняют привычные задачи. Если нейросети перестраивают рабочий процесс и производительность растёт в два, три или четыре раза, речь идёт о революции. В «МТС Линк» продуктовый портфель вырос вдвое, при этом человеческий ресурс становится задействован на 30% меньше.

Сколько работы компания готова отдать ИИ

Менеджеру нужно подготовить коммерческое предложение для клиента. Он выбирает условия, а поиск информации и подготовку документа может поручить ИИ-агенту. По наблюдениям Михаила Степнова, директора по искусственному интеллекту Beeline Cloud и эксперта «Школы управления СКОЛКОВО», около 90% эффекта от ИИ возникает при разделении работы: агент выполняет задачу, человек принимает итоговое решение.

С выбором поставщика передать агенту всю работу сложнее. Ему нужны актуальные данные, но часть информации может оказаться недоступной. Например, сведения хранятся в корпоративной системе, к которой агент не подключён. Владимир Урбанский, генеральный директор «МТС Линк» и эксперт «Школы управления СКОЛКОВО», пока не готов доверить ИИ финансовое решение: сначала он хочет увидеть собранную информацию и самостоятельно сделать выбор.

Даже если агент выполняет большую часть работы, за результат отвечает человек или компания. Алексей Фетисов, директор по информационным технологиям Альфа-Банка, объясняет, что по закону ИИ сам не несёт ответственности за принятые решения.

В Альфа-Банке тестируют ИИ-помощника, которому дают доступ к корпоративным системам сотрудника. В банке называют его персональным цифровым двойником. Он может разбирать почту, анализировать документы и готовить выжимки. В закупках один сотрудник с его помощью справляется с объёмом работы, для которого раньше требовалась большая команда.

Со временем финансовые задачи агенту сможет поручать и сам клиент. По словам Фетисова, тогда человеку не придётся каждый раз открывать банковское приложение: его агент сможет обращаться к сервисам банка и выполнять поручения владельца. Альфа-Банк готовится к моменту, когда банку придётся работать напрямую с ИИ-помощниками своих клиентов.