Разворачивай и властвуй
Почему российский бизнес не может правильно внедрить ИИ
По итогам прошлого года большинство предприятий так и не смогли довести пилотные проекты в сфере искусственного интеллекта (ИИ) до внедрения: около 90% так и остались на стадии пилотирования, трансформировались или вовсе закрылись. Основная причина неудачи — отсутствие предварительного этапа, считают участники рынка. «Ъ-Технологии» обсудил с компаниями основные правила правильного внедрения ИИ в бизнес-процессы.
Фото: Пресс-служба Норникеля
Фото: Пресс-служба Норникеля
На протяжении последних двух лет российские компании начали массово внедрять искусственный интеллект и технологии на его основе в бизнес-процессы. Например, производственные предприятия начинают с предиктивной аналитики и контроля за выработкой, в то время как ритейл — с прогнозирования спроса. Финансовые же организации внедряют ИИ для анализа рисков и автоматизации обработки документов.
Впрочем, в прошлом году многие участники рынка столкнулись с тем, что пилотные проекты так и не достигли масштабирования. Основная причина этого — отсутствие предварительного этапа, отмечают опрошенные «Ъ-Технологиями» участники ИТ-рынка. «Если организация сразу запускает тестирование решения в том направлении, где автоматизация нужна, но не разобравшись, какую именно задачу с его помощью нужно решить, проект чаще всего не начинает работать на уровне сотрудников, а так и остается идеей о более эффективной работе»,— отмечает директор по развитию бизнеса профессиональных ИИ-сервисов в «Яндексе» Егор Алешин.
Так, российские компании отложили или закрыли порядка 90% пилотных проектов по внедрению генеративного интеллекта (GenAI), запущенных в прошлом году, сообщали «Ведомости» со ссылкой на исследование компании «Интеллектуальная аналитика». В результате лишь 7–10% проектов, связанных с большими языковыми моделями, чат-ботами на базе ИИ и ИИ-агентами, достигли стадии полноценного промышленного развертывания.
По оценкам экспертов, до половины пилотов были свернуты, поскольку не дали ожидаемого экономического эффекта. Среди причин — слабая интеграция в реальные бизнес-процессы предприятий. Например, модели могут не интегрировать с CRM (система управления взаимоотношениями с клиентами), документооборотом или другими корпоративными системами. Так, в «Интеллектуальной аналитике» приводят случай, когда компания самостоятельно дообучала китайскую модель без привлечения внешних подрядчиков. В результате точность ИИ-ассистента не достигла даже 50%, а сам проект был закрыт.
Анализ — всему голова
Эффективнее начинать с короткого аудита: даже двух недель хватит на то, чтобы вместе с вендором изучить внутренние процессы, понять проблемы, с которыми могут столкнуться будущие пользователи, и оценить готовность инфраструктуры. Только после этого уже можно выбирать сценарий для пилота — тогда он покажет результат. Без предварительного разбора высок риск, что ожидания, несмотря на все усилия и инвестиции, так и не оправдаются. А это надолго отбивает у команд желание возвращаться к теме ИИ, отмечает Егор Алешин.
На старте стоит сфокусироваться на одном процессе или нескольких понятных операциях: можно выделить три критерия выбора первого кейса для внедрения. Первое — процесс должен быть высокочастотным. «Если задача выполняется раз в квартал, ИИ-решение просто не успеет показать эффективность»,— говорит господин Алешин. Второе — результат должен быть измеримым. Например, поиск информации сократился с 2 минут до 30 секунд, подготовка отчета — с часа до получаса, обработка резюме — с получаса до десяти минут. Эти цифры легко трансформируются в экономию рабочих дней, если считать показатели за год.
Последнее — проект должен затрагивать большую часть сотрудников и давать им ощутимую пользу, считают в компании: «Когда человек понимает, что работать с инструментом становится проще, чем без него,— это запускает органическое повсеместное распространение без административного давления». Именно этот момент критичен для перехода от пилота к масштабированию.
«Если сотруднику приходится менять привычный сценарий работы ради новой технологии, она начинает восприниматься как дополнительная нагрузка. Поэтому сегодня выигрывают не компании, которые внедряют больше ИИ-инструментов, а те, которые встраивают их в уже знакомую инфраструктуру — почту, документы, мессенджеры, базы знаний и другие привычные сервисы»,— считает коммерческий директор «Яндекс 360» Роман Королев.
Само массовое сворачивание проектов вовсе не означает потерю интереса к ИИ, отмечали эксперты «Интеллектуальной аналитики»: «Рынок переходит от хайповых пилотов к осознанному внедрению. Так, сдвиг сроков на этот год и позже означает вдумчивый подход бизнеса к решению этой проблемы.
Безопасность превыше всего
Одним из главных вызовов при внедрении ИИ в бизнес-процессы в hh.ru называют вопросы безопасности. «Очень важно тщательно фильтровать данные, которые мы готовы отправлять на обработку в LLM». Для этого внутри компании необходимо создать правила работы с данными и разметить их — определить, какие из них можно использовать в облачном ИИ-проекте, а какие — только в закрытом контуре. Так, в облаке может храниться техническая документация, регламенты, обезличенные базы знаний, а вот персональные данные, коммерческая тайна, финансовая информация — внутри контура, считают в «Яндексе».
«Второй важный аспект касается работы с базами знаний: здесь критически важно следить за качеством исходных данных. Никакая даже самая совершенная языковая модель не выдаст качественный ответ, если на входе у нее недостаточно информации или если источникам нельзя доверять на 100%»,— считает руководитель корпоративной архитектуры платформы hh.ru Константин Белоусов.
По его словам, при правильном подходе внедрение показывает первые эффекты еще на стадии пилота. «"Алису Про" от "Яндекса" мы внедрили как инструмент для работы с базой знаний техподдержки. Мы провели замеры и выяснили, что время на поиск информации — особенно при разборе сложных кейсов — удалось снизить на 60%»,— говорит он.
Среди системных ошибок бизнесов Егор Алешин перечисляет промедление с переходом от пилота к внедрению и период адаптации сотрудников к новому инструменту. В первом случае пилот может пройти успешно, однако нет как последующего плана действий для масштабирования технологии, так и бюджета на нее. «Это происходит из-за того, что результаты пилота не были заранее упакованы в язык финансовых эффектов. То есть операционные метрики показывают команде, что работа стала идти быстрее, но для обоснования бюджета руководству нужны другие цифры: экономия на рутине, рост производительности без найма, снижение стоимости ошибки»,— разъясняет он.
Во втором случае проблема состоит не в технологиях, а в том, что пользователи не успели адаптироваться к новому инструменту. Сами компании часто недооценивают важность обучения и коммуникации на этом этапе. Сами проблемы вполне решаемы, если руководство компании закладывает их в план на старте.
Среди приоритетных направлений при автоматизации процессов интеграторы выделяют задачи, где специалист тратит время не на прямые задачи, а на подготовку к ним — поиск и компоновку информации. Например, работа со знаниями — поиск по внутренней документации, ответы на типовые вопросы, онбординг новых сотрудников, отмечает он.
На втором месте — формирование привычки использовать ИИ как цифрового помощника для повседневных задач. «Подготовка писем, структурирование мыслей после встречи, исследование темы — это требует времени, но не экспертизы конкретного человека. Компании, которые помогают команде перестроить эти процессы, возвращают сотрудникам от полутора до двух часов ежедневно». Также для решения проблем адаптации внутри компании необходимо развивать сообщество ИИ-амбассадоров. Они помогают продвигать культуру использования нейросетей и обучают коллег работе с новыми инструментами»,— считает Константин Белоусов.
Конкуренция на интеллектуальных условиях
Само внедрение ИИ для системообразующих компаний уже стало частью базовой ИТ-инфраструктуры. Опрошенные “Ъ” участники рынка полагают, что компании, которые откладывают переход, проигрывают как конкуренцию с другими игроками, так и теряют сотрудников. Последние предпочитают выбирать рабочие места, где инструменты помогают в процессах, а не мешают.
«Разрыв между теми, кто уже внедрил, и теми, кто ждет, накапливается незаметно, однако становится критическим в тот момент, когда догонять становится дорого. А вот прирост в показателях эффективности, например, по времени, даже на 10–15% на сотрудника — это значимое повышение производительности: при масштабировании на весь отдел это дает существенную экономию ресурсов»,— заверяет господин Алешин. Кроме того, все технологии сейчас можно развернуть в контуре компании, что исключает риски, которых обычно при внедрении ИИ опасается бизнес.