«Лидеры рынков ищут настоящие ИИ-кейсы»
Как российским компаниям применять искусственный интеллект в своем бизнесе
Рынок искусственного интеллекта (ИИ) перегрет маркетингом, но технология действительно может приносить бизнесу ощутимый экономический эффект. Денис Голованов, генеральный директор MANGO OFFICE, на примерах из практики компании объясняет, как искать точки внедрения ИИ в конкретных процессах и определять эффективность его внедрения.
ИИ сегодня — хайповая тема. Насколько она перегрета? Где эта технология действительно нужна сегодня?
Тема ИИ перегрета прежде всего на уровне маркетинга. Сегодня вендоры стремятся добавить ИИ в любой новый продукт. Создается впечатление, что продукт без ИИ уже сложнее продать. Но за этим внедрением не всегда стоит понятная бизнес-задача. Пять-семь лет назад так же было с CRM-системами. Компании массово переводили продажи из Excel в CRM и ждали резкого роста эффективности. Рынок быстро показал: если у компании слабая операционка и руководители не управляют процессом — CRM не спасет. Просто хаос станет более дорогим и формализованным.
С ИИ происходит то же самое. Компании используют его на уровне экспериментов: тексты, презентации, видео, поиск информации, первичный анализ данных. Это полезно, но пока не меняет экономику бизнеса. Реальная ценность ИИ появляется там, где он встроен в конкретный процесс и влияет на измеримые показатели эффективности. Например, на скорость обработки обращений. Поэтому для бизнеса правильный вопрос сегодня звучит не «какой ИИ нам внедрить?», а «где ИИ даст конкретный эффект?». Рынок переходит от хайпа к прикладному использованию. ИИ нужен не как модная новинка, а как инструмент повышения эффективности бизнес-процессов. Лидеры рынков уже ищут не демовстречи и красивые виртуальные презентации, а реальные ИИ-кейсы — с KPI, владельцем процесса и понятной экономикой.
В каких областях работы компаний внедрение ИИ может дать экономический эффект прямо сейчас? Вы видите эти примеры на российском рынке?
Результат от ИИ появляется там, где у компании есть дорогая и массовая рутина. Тысячи чатов, обращений, документов, звонков, заявок, проверок и решений ежедневно. Наиболее понятные точки роста от внедрения ИИ — клиентский сервис, контакт-центры, продажи, маркетинг, контроль качества, обработка документов, внутренние базы знаний и аналитика.
В первые месяцы после назначения гендиректором MANGO OFFICE я с командой провел серию встреч с топ-менеджерами корпораций. Это бизнесы, которые формируют техно-повестку в своих отраслях. Внутри них уже есть сильные внутренние заказчики — люди с полномочиями, бюджетами и прямой ответственностью за внедрение ИИ. Там ИИ уже становится частью операционной повестки. Они тестируют, сравнивают, считают эффект и начинают конкурировать между собой. Не на уровне заявлений, а на уровне скорости внедрения.
По отраслям лидируют банки, страховщики, крупный ритейл, телеком и отдельные промышленные компании. Речь идет о внутреннем контуре. Внешних массовых клиентских ИИ-продуктов с устойчивой экономикой пока меньше, чем кажется. Разрыв между компаниями очень большой. Лидеры рынка уже внедряют ИИ. Но организации меньшего масштаба выглядят заметно слабее.
В России ИИ уже дает экономический эффект, но пока не массово. Выигрывают компании, у которых есть три условия: понятная бизнес-задача, структурированные данные и управленческая воля встроить ИИ в процесс. У большинства игроков пока нет ни глубокого понимания, как использовать эту технологию, ни достаточного количества специалистов, ни стандартизированных продуктов с доказанным долгосрочным эффектом.
Какое видение по внедрению ИИ вы готовы предложить корпоративным заказчикам?
Моя позиция простая: идти в ИИ от конкретной бизнес-задачи. Не начинайте с вопроса: «Какой ИИ нам внедрить?» Правильный вопрос: «Какой процесс можно ускорить, удешевить или сделать качественнее за счет ИИ?»
Например, есть крупная компания. На ее горячую линию в сутки поступают тысячи звонков. Среднее время обработки одного обращения — 60 секунд. Для бизнеса это расходы, нагрузка на операторов, длина очереди, качество клиентского опыта и SLA. Поэтому задача должна звучать предельно конкретно: не «давайте внедрим ИИ в клиентский сервис», а «можем ли мы сократить обработку обращения с 60 до 20 секунд? И не потерять в качестве?». Если можем — это прямой экономический эффект.
Нужно не строить цифровую экосистему-игрушку ради красивой презентации. А брать конкретный участок, назначать владельца, определять KPI, считать экономику и быстро проверять результат. ИИ должен быть встроен в ИТ-контур бизнеса, внутренние регламенты и рабочие места сотрудников. Если ИИ-решение «прикручено изолентой» и живет отдельно от основных процессов — это эксперимент.