brini.app
Расскажите о задачеОбсудить задачу

ИИ для бизнеса

Внедрение ИИ в бизнес: с чего начать и как проверить результат

Разбираем четыре шага: выбрать задачу, проверить данные, запустить пилот с метрикой и решить по цифрам. Рассказываем, как это было в нашем проекте.

· 5 минут чтения

ИИ в компании: с чего начать. Чат с ИИ-помощником на сервере компании

Внедрение ИИ в бизнес лучше начинать с одной задачи, на которую сотрудники каждый день тратят часы. Попробуйте автоматизировать её на пилоте, с небольшой группой людей. Перед стартом проверьте, где лежат данные для этой задачи, и договоритесь, по какой метрике будете судить о результате. Итоги пилота покажут, продолжать ли внедрение ИИ в вашей компании.

Нейросетями уже пользуется больше половины предпринимателей: по исследованию ПСБ и «Опоры России», 53% против 17% годом ранее (откроется в новой вкладке). Но встроить ИИ в работу компании удаётся гораздо реже. По опросу «Корус Консалтинг», ИИ работает в ключевых процессах только у 12% компаний (откроется в новой вкладке). При этом 44% компаний не измеряют, что изменилось после внедрения ИИ.

Коротко

  • Начните с задачи, на которую уходит больше всего рабочих часов, и посчитайте эти часы.
  • До старта пилота договоритесь, по какой метрике будете судить о результате. Иначе потом его не с чем будет сравнить.
  • Со стороны компании нужен сотрудник, который знает процессы и проверяет ответы ИИ. Разработку и поддержку берёт подрядчик.

Почему ИИ-пилоты не доходят до работы

По исследованию СберПро и TAdviser, 67% компаний сталкивались с пилотами, которые так и не дошли до промышленной эксплуатации (откроется в новой вкладке). Чаще всего такие проекты закрывают, когда руководство не приняло чёткого решения или владельцы процессов не хотят менять привычные регламенты.

Эти риски также знакомы небольшому бизнесу. Пилот почти наверняка забуксует, если задачу выбрали только потому, что «ИИ уже у всех». То же будет, если результат не с чем сравнить или нужные документы разбросаны по папкам. Ниже четыре шага, которые помогают этого избежать.

Шаг 1. Найдите задачу, на которую уходят часы

Для первого пилота подходит задача, которая повторяется каждый день и отнимает время у нескольких сотрудников. Хорошо, если ответы для неё уже есть в документах компании. Когда найдёте такую задачу, прикиньте, сколько времени на неё уходит. Например, если 10 менеджеров тратят по 40 минут в день на поиск ответов в регламентах и прайсах, это больше 6 рабочих часов ежедневно. С этой цифрой вы потом сравните результат пилота.

Чаще всего начинают с таких задач:

  • Поиск по регламентам, инструкциям и каталогам. Сотрудник задаёт вопрос и получает ответ со ссылкой на документ, из которого он взят.
  • Ответы клиентам на типовые вопросы о наличии, сроках и доставке. Если вопрос сложный, помощник передаёт его менеджеру.
  • Разбор входящих заявок и писем. ИИ находит в них позиции и реквизиты и передаёт заявку ответственному.
  • Сбор отчётов, которые раньше сводили из выгрузок вручную.

Рассказываем, как мы проводим пилот: берём одну задачу, договариваемся о метрике и решаем по цифрам.

ИИ для бизнеса

Шаг 2. Проверьте, где лежат данные

ИИ-помощник отвечает только по тому, что загружено в его базу знаний. Если ответ знает один опытный менеджер и нигде его не записал, нейросеть этот ответ не найдёт. Поэтому перед пилотом проверьте документы, которые нужны для задачи. Сначала убедитесь, что ответы записаны, а не хранятся в головах сотрудников. Потом уберите прайсы и регламенты, которые уже не действуют, иначе помощник ответит по старым ценам и правилам. Заодно выясните, где всё это лежит: в CRM, на общем диске или в почте.

Сколько времени уходит на данные, видно по нашему проекту для дистрибьютора строительной техники. Знания о технике, продажах и контрагентах там лежали в тысячах файлов, и сотрудники искали ответы вручную. Проект занял четыре месяца: два ушли на настройку и столько же на наполнение базы знаний. Поэтому закладывайте на подготовку данных не меньше времени, чем на саму систему. При этом загружать всё подряд не нужно. Финансовые показатели, например, мы в базу осознанно не включали.

Заранее решите и то, какие данные нельзя отправлять во внешние сервисы. Обычно это персональные данные клиентов и сотрудников, договоры и коммерческая тайна. С персональными данными строже всего: по закону их передача в зарубежный сервис считается трансграничной, и для неё действуют отдельные требования. Если без таких сведений задачу не решить, поставьте модель на сервер компании или выберите GigaChat и YandexGPT, которые хранят информацию в России.

Шаг 3. Запустите пилот на одной задаче

Пилотный проект нужен, чтобы проверить, как ИИ работает в одном процессе и с небольшой группой людей. Сначала договоритесь, какую метрику будете смотреть и какой результат будет считаться успешным. Удобнее всего взять показатель, который связан с часами из первого шага. Это может быть время ответа клиенту, число вопросов к старшим коллегам или время на обработку заявки. В примере с менеджерами цель может звучать так: тратить на поиск ответов 10 минут в день вместо 40.

Для пилотного проекта внутри компании нужен сотрудник, который хорошо знает процессы. Он проверяет ответы нейросети и собирает вопросы, на которые она ответила плохо.

Шаг 4. Решите по цифрам, внедрять ли дальше

Когда пилот закончится, сравните метрику с тем, что было до него. Если результат есть, внедряйте ИИ дальше: подключите к помощнику другие отделы и филиалы, настройте доступы по ролям и решите, кто будет обновлять базу знаний. Если результата нет, закройте пилот, и это тоже нормальный исход. Деньги в этом случае ушли только на проверку одной задачи.

У дистрибьютора строительной техники после настройки и наполнения базы помощником пользуются около 50 человек. Доступ у них разный. В системе три уровня: для сотрудника, руководителя филиала и директора. Каждый получает ответы только из тех данных, которые ему открыты. Модель, железо и другие подробности проекта описаны на странице кейса.

ИИ-помощник для сотрудников дистрибьютора
Помощник отвечает сотруднику по базе знаний. Данные условные

Когда начинать рано

Пилот лучше отложить, если вы узнаёте свою компанию хотя бы в двух пунктах:

  • Есть желание «внедрить ИИ», но нет конкретной задачи.
  • Нужные ответы нигде не записаны, их знают только отдельные сотрудники.
  • Документы противоречат друг другу, и непонятно, какие из них ещё действуют.
  • Нет человека, который будет проверять ответы и отвечать за результат.
  • Не решено, какие данные можно отдавать модели и где она будет работать.

В таком случае начните с порядка в документах и с правил работы с ИИ для сотрудников. Они пригодятся, даже если помощника не будет.

Что нужно от компании

Разработку, настройку модели и поддержку берёт подрядчик. Компания со своей стороны даёт сотрудника, который знает процессы. Ещё она открывает доступ к документам и решает, какие данные можно использовать. Нужно ли своё оборудование, зависит от того, где будет работать модель. С GigaChat или YandexGPT оно не понадобится. Если же модель ставят на ваш сервер, под неё нужно железо: в нашем кейсе хватило одного сервера с видеокартой на 24 ГБ.

Частые вопросы

Не выдумает ли нейросеть ответ?

Помощник отвечает только по вашей базе знаний и к каждому ответу показывает документ, из которого его взял. Если нужной информации там нет, он так и говорит. И всё же цены, договоры и другие вопросы, где ошибка стоит дорого, лучше перепроверять человеку.

Сколько стоит внедрение ИИ?

Стоимость зависит от объёма данных, числа интеграций и того, где будет работать модель: в облаке или на вашем сервере. Поэтому точную цену мы называем после заявки, когда понятна задача. Окупаемость заранее не обещаем: её покажет пилот с метрикой.

Куда уходят наши данные?

Это зависит от того, где работает модель. Если на сервере компании, данные никуда не уходят. Если вы выбрали GigaChat или YandexGPT, информация хранится в облаке провайдера на серверах в России.

Обсудить вашу задачу

Напишите в форме ниже пару строк о том, где ваши сотрудники теряют больше всего времени. CTO ответит в течение рабочего дня и предложит, с какой задачи начать.

Автор

Игорь, CTO brini.app

10 лет в разработке, больше года работает с LLM.

Действия со страницей

Кейс по теме

Ещё по теме

Все статьи
Заявка

Расскажите о задаче

Пары строк достаточно. Ответит CTO в течение рабочего дня.

Ответит CTO в течение рабочего дня