Внедрение ИИ в бизнес: с чего начать и какие ошибки все портят

pickTech — платформа выбора программного обеспечения: мы помогаем бизнесу подбирать ИТ-решения и видим, что происходит с проектами после покупки. Компании приходят к теме внедрения ИИ с практичным вопросом: какой инструмент выбрать. Вопрос понятный, так как линейка решений широкая, демонстрации выглядят убедительно, а сроки запуска в презентациях измеряются днями. Но на платформе мы часто видим проекты, которые сталкиваются с одной проблемой: нет порядка в собственных данных компании. Процессы, услуги и накопленный опыт четко не описаны. Поэтому ответ на вопрос «с чего начать» находится далеко от каталогов программ.

Сначала ревизия, потом выбор

Начинать внедрение ИИ стоит с ревизии базы знаний. ИИ-агент отвечает клиентам и выполняет задачи ровно на том материале, который ему передала компания. Если информация устарела, противоречива или существует только в переписках менеджеров, платформа этого не компенсирует, какой бы развитой она ни была.

Разработчики ИИ-агентов, с которыми мы работаем на платформе, сходятся в одном наблюдении. «Саму структуру организаций сейчас нужно пересобирать с учетом существования ИИ», — так это формулирует Вячеслав Попков, сооснователь «Найми ИИ». Раньше отсутствие детальных описаний того, как устроена работа, бизнесу почти ничем не грозило. Теперь контекст компании — регламенты, подробная информация об услугах, ответы на типовые вопросы, внутренние наработки — превратился в актив, который напрямую определяет скорость и стоимость автоматизации. У кого этот актив в порядке, тот внедряет ИИ быстрее и эффективнее конкурентов.

Разберем три ошибки, которые в проектах встречаются чаще всего.

Ошибка первая: база знаний по остаточному принципу

Типичная картина: компания выбирает платформу месяц, сравнивает функции, а подготовку базы знаний проводит по принципу «соберем что есть, дальше разберемся». И это ошибочно, потому что именно документы определяют результат. ИИ-агент, который знает реальный контекст бизнеса, снимает с людей значительный объем задач. Агент без подробной информации выдает общие ответы, и клиент это чувствует с первого сообщения.

Поэтому инвентаризацию знаний нужно провести до запуска пилота. Выяснить, какие процессы, услуги и договоренности описаны формально, какие находятся только в головах отдельных сотрудников, а какие отсутствуют совсем. Уже на этом шаге многие компании обнаруживают, что часть «известных всем» правил нигде не зафиксирована, и это находка сама по себе, независимо от дальнейшей автоматизации.

Ошибка вторая: перегруженный агент

Обратная крайность: загрузить в систему все накопленные документы сразу, в расчете, что модель сама разберется, где важное, а где второстепенное. На практике избыточная и противоречивая информация делает поведение ИИ-агента менее предсказуемым. Ответы получаются формально корректными, но все чаще не про то, что спрашивал клиент.

Принцип, который Попков формулирует короче всех: «Чем чище база знаний, тем управляемее ИИ». Начинать ее разбирать следует с узкого контура. Один процесс, один тип обращений и выверенный набор документов под него. Когда агент стабильно закрывает один участок, контур расширяют и добавляют следующий сценарий и раздел знаний. В практике «Найми ИИ» первый контур обкатывали около месяца, прежде чем расширять, зато каждый шаг оставался проверяемым.

Ошибка третья: ждать большого проекта вместо пилота

Третья ошибка — организационная. Компания решает «делать по-серьезному»: заказная разработка, длинное техническое задание, месяцы согласований бюджета и архитектуры. К моменту запуска часть требований устаревает, а команда устает от проекта раньше, чем видит первый результат.

Альтернатива — быстрый пилот на готовом продукте с последующими доработками по реальным обращениям. По данным «Найми ИИ», в проекте интернет-магазина Acolyte Wear пилот стартовал за один день. Базу знаний обработали и подключили агента к типовым вопросам, а спорные диалоги настроили на передачу менеджеру. За время работы ИИ-агент провел более 11 000 диалогов и 55% из них закрыл полностью самостоятельно, остальные перевел на операторов. Существенно, что развитие шло итерациями: новые сценарии добавлялись по мере того, как реальные диалоги показывали, чего системе не хватает.

Пилот в таком формате отвечает на главный вопрос заказчика: «работает ли это на наших данных» с запуском за несколько дней и за небольшие деньги. Длинный проект отвечает на тот же вопрос через месяцы и за существенно больший бюджет.

Экономика вопроса

Зачем все это бизнесу, хорошо видно на цифрах клиентского сервиса. По оценке Вячеслава Попкова, ИИ-агент обходится в 20–30% стоимости живого сотрудника и при этом заменяет его минимум в половине случаев. В услугах для бизнеса любая технология в конечном счете работает на один из двух показателей — рост выручки или снижение расходов. ИИ в клиентском сервисе затрагивает сразу оба. Агент консультирует клиентов в пиковые часы и вне рабочего времени, когда менеджеры физически отвечают не всем. Обработанных обращений становится больше, значит, больше и продаж. Поскольку стоимость обработки диалога составляет долю от стоимости штатной единицы, компания экономит.

Важная оговорка: эта экономика достижима при подготовленных данных. Если знания компании противоречивы, агент будет чаще передавать диалоги людям, и расчетная выгода растает. Экономический эффект достигается, когда в данных порядок.

Чек-лист готовности к внедрению ИИ

Перед выбором платформы имеет смысл проверить пять пунктов.

1. Процессы, услуги и внутренние наработки описаны. Знания существуют в виде документов, доступных для передачи системе, и их не нужно собирать у отдельных сотрудников.

2. База знаний вычищена. Дубли, устаревшие регламенты и противоречия удалены. По спорным местам принято решение, какая версия верна.

3. Выбран узкий пилотный участок. Один процесс с измеримым результатом, например, типовые вопросы клиентской поддержки.

4. Понятно, к каким рабочим системам нужен доступ. CRM, учет заказов, каталог товаров. ИИ-агент выполняет реальные задачи, когда подключен к источникам актуальных данных.

5. Назначен ответственный за базу знаний после запуска. Контекст бизнеса живет и меняется. Без поддержки он устаревает, и качество ответов снижается вместе с ним.

Если два и более пунктов провалены, покупать инструмент рано, начните с ревизии. Платформы будут меняться и конкурировать между собой, а порядок в знаниях останется с компанией и переносится между любыми инструментами. Сравнить классы решений и посмотреть, какие ИИ-агенты представлены на рынке, можно в каталоге ИИ-агентов pickTech. В этом и состоит практический смысл разговора о внедрении ИИ. Технология усиливает ту организацию, которая заранее разобралась в собственном устройстве.