Алексей Пономарь, исполнительный директор агентства контент-маркетинга «Палиндром», спикер конференции «Маркет и Маркетологи», рассказал в интервью редакции «Сфера Медиа», как бизнесу эффективно внедрять ИИ, под какие задачи он подходит лучше всего и какие риски важно учитывать.
— Как сегодня можно оценить зрелость рынка в части внедрения ИИ? Компании действительно получают пользу или только экспериментируют?
Как минимум с 2024 года можно говорить о массовом применении ИИ в бизнесе во всем мире: по разным данным около 78% организаций в мире используют нейросети хотя бы в одной бизнес-функции. Мировой рынок уже прошел этап «нужен ли ИИ?», и активно работает над масштабированием его применения.
Но разрыв между лидерами рынка и остальными огромный. Исследование MIT Media Lab показало, что 95% пилотов по внедрению ИИ не дают результата. Компании тратят усилия, но не получают ROI. Основная причина провалов — неготовность к внедрению на практике. Бизнес сталкивается с неточностью моделей, отсутствием данных или сопротивлением сотрудников, и проекты застревают в вечном пилотном режиме. Наступает осознание, что добиться отдачи сложнее, чем просто подключить какой-нибудь ИИ-инструмент.
В России динамика похожа — проникновение ИИ быстро растет, но уровень зрелости проектов пока невысок. Крупнейшие игроки (банки, ретейл, телеком) особенно активны, государство также стимулирует развитие рынка искусственного интеллекта. Тем не менее, большинство инициатив пока также на ранней стадии. В малом и среднем бизнесе схожая картина: часть предпринимателей уже применяет ИИ-ассистентов, однако большинство еще только присматриваются и учатся эффективному использованию.
— Какие бизнес-процессы лучше всего подходят под внедрение искусственного интеллекта?
ИИ работает там, где много однотипных операций и накоплены данные: маркетинг (миллионы клиентских событий), поддержка (типовые вопросы), финансы (транзакции). Плюс нужны понятные KPI — рост продаж, снижение затрат, точность прогноза.
Самые частые кейсы сейчас:
- Персонализация и рекомендации для роста конверсии и среднего чека. ИИ генерирует контент, ускоряет рекламные кампании.
- Чат-боты и голосовые ассистенты снижают затраты на поддержку на 20-40%. Все телекомы и крупные банки это уже делают.
- Скоринг и антифрод в банках. Прогнозирование cash-flow, оптимизация бюджета.
- HR — первичный отсев резюме и общение с кандидатами.
МСБ (малый и средний бизнес) раньше отставал, но облачные ИИ-сервисы меняют ситуацию. Теперь у него есть доступ к инструментам, ранее доступным только крупным игрокам. Предприниматели хотят делать больше при той же команде и бюджете. Здесь самые частые кейсы — генерация контента вместо найма копирайтера, чат-боты в мессенджерах для обработки заказов и обращений клиентов, помощь с документами и таблицами. ИИ-ассистенты становятся «дополнительными сотрудниками», забирая на себя рутину. Маркетинг, продажи, сервис, финансы — в МСБ это тоже первые кандидаты на усиление ИИ, только масштаб задач поменьше.
Фото: freepik / freepik.com
— А в каких задачах пока рано внедрять нейросети? Почему?
Действительно, есть случаи, где лучше повременить или использовать ИИ только как подсказку:
Стратегические решения и высокая ответственность. Стратегия бизнеса, крупные инвестиции, смена бизнес-модели, позиционирование бренда — здесь слишком много нюансов, которые текущие алгоритмы не в состоянии полноценно учесть. ИИ не обладает интуицией, здравым смыслом и пониманием бизнеса, он может помочь проанализировать данные или сгенерировать варианты, но полагаться на него при принятии решений пока рано. Здесь пока не заменить человеческое видение.
Задачи с эмпатией. Переговоры с ключевыми клиентами, урегулирование конфликтов, мотивация команды. Полностью автоматизированный продажник или HR-менеджер пока невозможен, ведь чат-бот может ответить на вопрос, но не выстроит долгосрочные отношения с клиентом. Исключать здесь человека нельзя, но ИИ может давать ему рекомендации.
Медицина и юриспруденция. Модели слишком часто «галлюцинируют», причем убедительно. Даже одна некорректная формулировка чревата последствиями, поэтому финальное решение нужно оставлять за человеком.
Неоцифрованные процессы. ИИ требует данных, если ключевая информация до сих пор хранится в головах сотрудников или разрозненных Excel-файлах, сперва нужно навести порядок. Компании с незрелой ИТ-инфраструктурой (без CRM/ERP, с разрозненными базами) просто не готовы к внедрению ИИ.
Короче, ИИ хорош там, где цена ошибки невелика, результат измерим, данных много. А вот в областях, где на кону репутация, жизнь людей, крупные деньги или требуются творчество и доверие, технологии пока не заменят человека.
— Есть ли смысл внедрять универсальные решения или лучше разрабатывать узкоспециализированные инструменты под конкретные задачи?
Оптимальный подход — гибридный. Для базовых функций типа распознавания речи, OCR, перевода стоит брать готовые системы. А вот для ключевых бизнес-функций стоит развивать кастомизированные решения, которые дадут необходимое конкурентное преимущество.
Узкоспециализированные ИИ-решения превосходят общие, благодаря специальным знаниям. Медицинский ИИ обучен на клинических текстах, финансовый — на банковских данных. Универсальная модель типа ChatGPT тренируется «понемногу обо всем», умеет поддерживать беседу на любую тему, но ей недостает глубины в профессиональных областях.
— Приведите примеры успешных кейсов по внедрению искусственного интеллекта в российских бизнесах
Лидеры телеком-рынка запустили чат-боты на основе ИИ для саппорта. Они обрабатывают дестяки тысяч клиентских чатов и отвечают на типовые вопросы абонентов. А по заявлениям «Сбера», уже 100% решений по розничным кредитам принимаются с помощью алгоритмов ИИ, и до 70% решений по кредитам для бизнеса. Также «Сбер» применяет ИИ в антимошенничестве, персонализации предложений для клиентов, управлении операционными рисками.
X5 активно внедряет роботов для сортировки товаров, самообслуживание на кассах, прогнозирование спроса с помощью ИИ, чтобы вовремя пополнять полки. Множество мелких кейсов есть в МСБ, например, небольшие интернет-магазины активно подключают тех же чат-ботов на основе AI для консультаций.
В «Авито» ИИ обрабатывает текст комментариев клиентов о мастерах (ремонтниках, репетиторах и прочих) и формирует объективные сводные оценки и обзоры. Это помогает улучшить качество сервиса: недобросовестные исполнители быстро выявляются, а добросовестные получают заслуженный рейтинг.
Важно подчеркнуть: практически во всех успешных примерах человек не исчез, ИИ работает в паре с людьми. Сотрудники выполняют более творческие или сложные функции, пока алгоритмы берут на себя рутину и аналитику.
Фото: senivpetro / freepik.com
— С какими ошибками бизнес чаще сталкивается при внедрении, и как их избежать?
Многие ошибки типичны как для крупных корпораций, так и для малого и среднего бизнеса. Пожалуй, вот самые частые и как их предотвратить:
Отсутствие цели и стратегии. Внедрение ИИ ради моды, без привязки к бизнес-целям не дает результата, потому что изначально не поставлена задача, какую метрику надо улучшить. Выберите узкую задачу, где есть болевая точка (например, долгое обслуживание заявки, высокий отток клиентов) и KPI, которые ИИ должен улучшить. Стоит сделать нейросети частью общей стратегии, а не изолированным экспериментом.
Завышенные ожидания. ИИ — не волшебная кнопка. Нужно время на обучение персонала и настройку процессов. Считать, что для роста показателей достаточно купить подписку на ИИ-сервис — глупое и опасное заблуждение. Лучше действовать через пилотные проекты и измерять их эффекты, постепенно масштабировать удачные решения.
Игнорирование человеческого фактора. Технологический проект легко провалить, если не учесть людей, которые будут с ИИ работать. Распространенная ошибка — внедрили систему и бросили сотрудников без поддержки, не объяснив, как ей пользоваться и что она их не заменит. В итоге персонал может саботировать внедрение, и оно просто заглохнет. Вовлекайте пользователей с ранних этапов — показывайте прототипы, собирайте обратную связь, учитывайте их предложения. Обучите сотрудников работе с новым инструментом и снимите страхи. Менеджмент должен активно транслировать, что ИИ является помощником, а не заменой, поощрять команду осваивать новые навыки.
Попытка сделать все самим с нуля. Некоторые компании вместо использования рыночных решений и привлечения экспертов, решают разработать свои ИИ-системы с нуля. Это долго и дорого, а внутренней экспертизы может просто не хватить. Не бойтесь обращаться к компетенциям извне, экосистема вокруг нейросетей активно развивается — есть открытые модели, есть интеграторы и консультанты. Если у вас небольшая команда, лучше взять проверенное решение и адаптировать под себя, а не изобретать заново. Это не отменяет развития своих кадров, но сэкономит время и ресурсы.
Бизнес должен воспринимать ИИ-проекты не как чисто технические, а как комплексные организационные изменения. Это требует и стратегии, и данных, и обучения людей, и управления рисками. Тогда удастся избежать типичных ошибок и получить реальную отдачу от ИИ, а не пополнить статистику провалов.
Алексей Пономарь проведет воркшоп «От личного AI-помощника для продуктивности к AI-трансформации бизнеса» для участников конференции «Маркет и Маркетологи», 2-3 декабря в Санкт-Петербурге. Успейте зарегистрироваться!
— Существуют ли риски и ограничения, которые важно учитывать компаниям?
Основной технический риск — неточность ответов. Генеративные модели типа ChatGPT склонны убедительно выдавать ошибочную информацию. У больших моделей частота ошибок может достигать 30-48% ответов, то есть практически каждый второй ответ может содержать неточность. Поэтому нужны механизмы верификации информации человеком или дополнительными алгоритмами.
ИИ наследует статистику данных на которых обучен. Известны случаи, когда алгоритм найма дискриминировал женщин, потому что обучился на данных, где предпочитали мужчин. А это репутационные и юридические риски.
Стоит помнить про риск утечки данных, проходящих через модель. Недавний пример — утечки в ChatGPT, куда сотрудники по незнанию вставляли внутренние документы. Стоит помнить, что России уже принят ФЗ-233, корректирующий закон о персональных данных применительно к ИИ.
С самого начала встройте управление рисками в проект — тестирование, регламенты, контроль человеком, кибербезопасность.
— Как будет развиваться ИИ-направление в ближайшие несколько лет?
Если просуммировать ожидания и прогнозы экспертов, нас ждет дальнейшая интеграция ИИ во все сферы деятельности, охлаждение хайпа и фокус на практической пользе. Продолжится технологическое улучшение моделей и, разумеется, усиление законодательного регулирования.
Распространение ИИ продолжит расти. Малый и средний бизнес, который пока в массе лишь экспериментирует, начнет внедрять ИИ повсеместно по мере роста доступности и удешевления технологий. Думаю, ИИ станет такой же обыденной частью рабочего инструментария, как интернет и смартфоны.
Для рынка в целом это означает повышение конкурентной планки — тем, кто до сих пор игнорировал ИИ, будет все сложнее конкурировать с теми, кто его освоил. Это особенно актуально для топ-менеджеров, предпринимателей, и маркетологов — для всех, кто стремится вести свой бизнес вперед.
Интервью провела: Юлия Карпунина, sfera.fm
