Вернуться

ИИ для оптимизации бизнеса: стратегическая необходимость

ИИ для оптимизации бизнеса: стратегическая необходимость

Автор – Владислав Прошинский, эксперт по запуску и масштабированию digital-продуктов, управлению продуктовыми командами. Более 10 лет реализует стратегии роста бизнеса, опираясь на ИТ-технологии в ролях от Product Manager до CPO (Ex-Head of Product в RUTUBE, ex-CPO в SOKOLOV, ex-Lead Product в Ozon).

 

Генеративный ИИ (AGI) и ChatGPT вывели дискуссии об искусственном интеллекте на новый уровень, привлекая внимание как предпринимателей, так и глав государств. Лидеры бизнеса и топ-менеджмент должны быть в курсе трендов и отслеживать сферы применения генеративного ИИ, чтобы создавать убедительные стратегические предпосылки для инвестиций.

Последние полгода я изучаю, как технологии AGI и LLM (Large language models - Большие языковые модели) могут быть применены в продуктах и бизнес-процессах. Я убежден, что знания в области нейросетей дадут менеджерам и фаундерам конкурентное преимущество в будущем.

В этой статье поделюсь стратегическим видением и кейсами применения генеративного ИИ в продуктах, а также рассмотрю результаты автоматизации бизнес-процессов в компаниях мирового уровня.

Генеративный ИИ (AGI) – это тип ИИ, который создает текст, изображения, видео, аудио и другой контент в масштабе, используя большие наборы данных и машинное обучение. В статье буду употреблять термин ИИ для простоты восприятия.

Генеративный ИИ оказал такое влияние, как никакая другая технология за последние 10 лет. За полгода Open.AI (продукт ChatGPT) сумел доказать: ни стоимость вычислений, ни сложность инфраструктуры, ни человеческие ресурсы больше не препятствуют массовому внедрению нейросетей, ИИ-трансформация уже началась.

Согласно отчету McKinsey, ИИ может дать дополнительный прирост $13 трлн. к 2030 году, увеличивая глобальный ВВП на 1,2% в год.


Стратегический контекст


Массовое принятие (mass adoption) технологии в активной фазе внедрения не только в личном использовании, но и в бизнес-процессах. Повышение производительности труда разработчиков и работников умственного труда с использованием продуктов на базе GPT вполне реально и заставило организации переосмыслить свои бизнес-процессы и ценность человеческих ресурсов. То, как развиваются продуктовые решения на базе GPT и других нейросетей, как интегрируют ИИ в повседневную жизнь человека и бизнес, – очередное доказательство того, что ИИ – стратегическая необходимость.

Стратегические инновации, которые требуют особого внимания (от 2 до 5 лет до массового внедрения), включают генеративный ИИ и принятие решений на основе ИИ (decision intelligence). Раннее внедрение этих инноваций приведет к значительному конкурентному преимуществу и упростит проблемы, связанные с использованием моделей ИИ в бизнес-процессах.

Gartner

Разберу прикладные кейсы использования ИИ. Задача – показать актуальность и глобальный стратегический контекст внедрения ИИ до 2030.

Мировые продуктовые компании внедряют AI в продукты, повышая ценность за счет увеличения скорости работы и решение проблем «с чистого листа», это позволяет лучше активировать пользователей в ключевые JTBD сценарии.


The winners take it all


В технологической гонке лидеры боятся остаться позади, если они замедлятся, а другие нет. Это ситуация с высокими ставками, когда сотрудничество кажется рискованным, а дезертирство заманчивым. Эта «дилемма заключенного» из теории игр создает риски для ответственных практик внедрения ИИ. Лидеры, отдающие приоритет скорости выхода на рынок, являются движущей силой нынешней «гонки вооружений» ИИ, в которой крупные корпоративные игроки торопят выпуск продуктов на базе нейросетей.

CEO и основатели компаний активно требуют от своих команд найти способы внедрения генеративного ИИ в свои продукты и процессы, но чтобы создать ценность с помощью этих технологий, необходимо понимать их: как они работают, где принесут пользу, какие у них ограничения и риски. Такие компетенцие, как правило, редко встречаются среди топ-менеджмента. Следовательно их нужно искать на стороне.

Как директор по продуктам я смотрю на технологии в контексте потребностей различных сегментов бизнеса и решаемых задач. И самый главный вопрос: «Как на этом заработать?». Ведь задача бизнеса – извлекать прибыль, но 87% ML-проектов не доходят даже до внедрения, и основная проблема в том, что мало кто сейчас имеет комплексные знания о том, какой «кубик» в виде ИИ-решения встроить в систему, как это сделать, как всё не сломать.

Проблемы, с которыми сталкиваются команды:

  • Кривые процессы работы над ИИ-проектом
  • Неверное определение возможностей для применения ИИ
  • Нет насмотренности (опыта) → впустую тратится много ресурсов
  • Бизнес и продакты всё ещё не говорят на языке DS- и ML-инженеров
  • Не определяют возможные риски на старте
  • Технические команды, которые уже работают c ИИ, увлеклись экспериментами «в песочнице», игнорируя бизнес-цели. 

    В современных реалиях бизнесу нужны менеджеры, которые будут видеть стратегические возможности для внедрения ИИ там, где это возможно, а также выстраивать операционные end-to-end процессы.


Прикладные инструменты
 

  • Поиск хайпа, трендов, инсайтов (AnswerThePublic  прослушивает данные автозаполнения из Google-запросов. Нил Патель утверждает, что пользователи делятся самым сокровенным с поисковиком, что создает ценность для компаний, которые нацелены лучше узнать своих клиентов)
  • Создавайте статьи и посты до 10 раз быстрее (Copy.ai, CoWriter, Jasper, Phrasee, AI Writer, WriteSonic, HyperWrite, GetGenie Ai)
  • Гиперперсонализация коммуникаций (Persado разработал «мотивационный ИИ», как утверждает сервис: «Бренды, использующие AI от Persado, отмечают рост конверсии на 41% в цифровых каналах». Их AGI содержит алгоритм, ориентированный на достижение плюсового ROI)
  • Создание баннеров и креативов: AdCreative.AI, Pebblely, Fotor, Designer
  • Создание продающих видео: Designs.AI, Kaiber, Elai.io
  • Мониторинг сайтов конкурентов: Browse AI (также можно использовать для мониторинга свежих вакансий, как пример мониторинг HH.ru)
  • LP и сайты: Landingsite.ai, Framer, Uizard , Durable, SiteGPT, 60secSite
  • Создание реалистичных людей с вашим продуктом: Caspa
  • (демонстрировали на Zoom-колле beta-версию продукта, работает хорошо с 3-5 попытки генерации изображений)
  • SEO: Craftly.AI, SEO.app, Charm, SEMRush, Moz, Market Brew
  • AI для email-рассылок: Animaker, Postcards (рост open-rate до 300%)
  • Презентации: Pitchbob, Tome, Designs, AI Colors, Gamma, Pitchyouridea

Продажи

  • Прогнозирование продаж: RCMX
  • Тренировать продавцов на эффективных моделях: Fiber AI
  • Цифровые продавцы: Rask.AI, Immersive Fox, Veed AI, Elai.io
  • Анализ звонков, перевод из аудио в текст: Fabius, SalesAI
  • Автозаполнение карточек клиента: SalesAI

Продукт

ИИ революционизирует разработку продуктов. Речь не только о создании востребованных продуктов, но и об улучшении самого процесса разработки. ИИ может предсказывать поведение пользователей, автоматизировать тестирование и даже создавать код, что способствует быстрому запуску.​

  • Искать точки роста в продукте для продактов: Kraftful
  • Удержание пользователей: Subsets
  • Кластеризовать проблемы пользователей: AppFollow, Charm
  • Сегментировать пользователей: Obviously AI
  • Генерировать гипотезы роста: GoalAI
  • Создавать рекомендательную систему (рассмотрим ниже Open-Source)
  • Анализировать отзывы клиентов: Rargus
  • Проводить исследования пользователей: Outset.ai, Iris.ai
  • Проводить анализ рынка: Silatus, Pitchbob.io
  • Prompt-инжиниринг для продактов: AI Product

Поддержка

ИИ трансформирует обслуживание клиентов, обеспечивает персонализированную поддержку 24/7, высвобождая время людей для решения сложных вопросов. Чат-боты с искусственным интеллектом могут обрабатывать огромное количество запросов одновременно, сокращая время ожидания и повышая удовлетворенность клиентов. ​

Опрос Salesforce показывает, что 75% потребителей ожидают, что компании будут использовать новые технологии для создания лучшего опыта обслуживания. Forbes пишет , что Meta , Canva и Shopify используют решения на базе ChatGPT в своих чат-ботах саппорта клиентов. ИИ решения для саппорта: Kapa, Clueso, Ada, MagicReply.

Разработка

По данным GitHub, Co-pilot участвует в написании 46% кода (среди тех, кто его использует) и помогает писать код на 55% быстрее.

Финансы

HR / рекрутмент

  • Автоматизация процесса найма (парсим job сайты → ChatGPT анализирует резюме → передвигает кандидата в Хантфлоу в следующий блок)
  • Прогнозирование увольнений (кейс Xsolla)
  • Подготовка резюме: HyreSnap, Resume.io
  • ИИ-тренер для прохождения собеседований: Yoodli

Управление / Менеджмент

Способность ИИ анализировать большие объемы данных может предоставить ценные инсайты, позволяя компаниям принимать обоснованные управленческие решения. Отчет PwC показывает, что 62% руководителей считают, что ИИ поможет им принимать лучшие решения.​

  • Kona – Executive-коучинг
  • Stellar ставит цели/KPI в компании и отслеживает их выполнение

Резюмируя, хочу отметить, что на этапе роста бизнеса, особую роль занимают эксперименты. Проверять гипотезы – одна из основных задач маркетологов и продактов. Тестируя перечисленные инструменты, есть большая вероятность, что вы сможете найти точки роста эффективности в своей работе.

Эффект от внедрения AI аватаров Synthesia как примеры роста, которые мы планируем внедрять в один из проектов клиента:

 



Open-source AI


Отдельно выделю решения c открытым исходным кодом. Они больше подойдут для среднего бизнеса, для проектов, где требуется больше гибкости, секьюрности, экономии бюджета (часть контента взята с Trends.vc).

ИИ с открытым исходным кодом помогает компаниям строить инфраструктуру быстрее, учась друг у друга. Компании, которые предлагают ИИ с закрытым исходным кодом решают, когда и для чего вы можете его использовать. ИИ с открытым исходным кодом помогает нам учиться и опираться на результаты работы друг друга, это превращает гонку ИИ-вооружений в сотрудничество.

Open-source ИИ платформы:

  • Huggingface – создавайте и развертывайте ИИ open-source модели
  • Replicate – создавайте и запускайте ИИ модели в облаке
  • Google Colab – для исследований в области машинного обучения
  • Difty – open-source для LLMOps, AI-native приложений

В будущем появится ещё больше платформ, созданных для размещения моделей ИИ с открытым исходным кодом. Они упростят создание и развертывание моделей ИИ.

Open-source ИИ модели:

  • Panda GPT – создание сложного описания по картинке, написание историй, видео и ответы на вопросы из аудио. Может одновременно принимать мультимодальные входные данные и составлять их семантику
  • Stable Diffusion преобразовывает текст в изображение
  • Riffusion  преобразовывает текст в аудио
  • BLOOM – открытая многоязычная модель
  • DragGAN меняет позы, форму, выражение и расположение сгенерированных объектов
  • Falcon – LLM для исследований и коммерческого использования

Open-source ИИ дата-сеты:

  • The Pile – набор данных книг, веб-страниц, журналов чатов и др.
  • ImageNet – 14 млн+ изображений с комментариями
  • OIG – диалоговые данные для чат-ботов с ИИ

Open-source ИИ-инструменты:

  • PyTorch – фреймворк для создания deep learning моделей
  • TensorFlow – ML платформа с открытым исходным кодом
  • Keras – API для deep learning моделей ИИ
  • Prem AI – инструмент для развертывания LLM на своих серверах

Альтернативы ChatGPT с открытым исходным кодом:

  • GPT4All – бесплатный локальный чат-бот с ИИ
  • HuggingChat – альтернатива ChatGPT, основанная на Open Assistant
  • StableVicuna – чат-бот, который дообучается на отзывах людей

Плюсы open-source AI:

  • Открытый исходный код решает проблему привязки к поставщику и высоких затрат на смену . Такие платформы, как Hugging Face, упрощают поиск моделей ИИ, подходящих для ваших вариантов использования.
  • ИИ с открытым исходным кодом позволяет создавать нишевые приложения, на создание которых у крупных компаний (например OpenAI) с закрытым исходным кодом нет времени, знаний или интереса.
  • Четкая документация повышает качество и внедрение вашего инструмента искусственного интеллекта с открытым исходным кодом.
  • Модели искусственного интеллекта с открытым исходным кодом могут быть немного хуже, но намного дешевле.


Возможности для предпринимателей


Появление новой «работы» (в терминах JTBD) у потребительских сегментов уже активно формируется. Это будет порождать спрос на экспертизу внедрения ИИ в бизнес-процессы для получения новых конкурентных преимуществ. В этой связи будет активно развиваться ИИ-консалтинг, а также курсы и мастер-классы по внедрению ИИ-решений в бизнес-процессы.

Компании всё больше будут отдавать такие задачи на аутсорс, так как высокий риск внутреннего саботажа среди сотрудников из-за страхов остаться без работы. Отчет ВЭФ за 2023 год утверждает, что к 2025 году 50% задач на рабочих местах будут автоматизированы.

Для формирования рынка ИИ бизнес-консультантов будут набирать обороты запуски инфопродуктов. Можно создавать курсы и мастер-классы для внедрения ИИ в бизнес-процессы, а также обучать фрилансеров для овладения инструментарием. Для примера англоязычные мастер-классы:

Важно отметить нюансы работы с ChatGPT:

  • «Мусор на входе → мусор на выходе» — четко характеризует ChatGPT. Сначала овладейте навыками писания промптов (шпаргалка). Подсказки и вопросы приводят к лучшим результатам.
  • Если ChatGPT не знает ответ, он его придумает (нужно перепроверять). Он может подделывать источники и давать правдоподобные, но неправильные или бессмысленные ответы.
  • Точность (accuracy) бота может снижаться. Были опубликованы исследования якобы снижения точности с 52% до 10% из-за мусорных запросов пользователей в нейросеть.


Резюме

Генеративный ИИ находится на пике хайпа. Согласно свежему отчету Gatner, ожидания от технологии завышены и, видимо, мы переходим в фазу «разочарования», что подтверждается снижением использования ChatGPT среди энтузиастов (в РФ аудитория ChatGPT снизилась на 30%, а Midjourney — на 50% в июне). Тем не менее, согласно циклу и прогнозам стратегов, технология получит широкое применение в начале 2024.

Недавно Gartner провели опрос на конференции The Future of Data-Centric AI, который показал, что большинство участников планировали начать промышленное использование больших языковых моделей (LLM) к концу 2023 года. Компании вынуждены добавлять функции с поддержкой AGI в свои решения, чтобы оставаться конкурентоспособными.

Теги статьи
Маркетинг IT Технологии