Внедрение нейросетей в работу российских компаний позволило сотрудникам делегировать рутину и сосредоточиться на креативе.
По данным исследования "Искусственный интеллект в России — 2023: тренды и перспективы", проведённого экспертами компаний "Яков и Партнёры" и "Яндекс", выяснилось, что уже 20% российских компаний активно пользуются генеративным искусственным интеллектом для решения задач бизнеса. Однако из них только 12% уже чётко определились с приоритетными функциями для внедрения нейросетей, а 27% только экспериментируют с технологией.
"ДП" рассказывает о нескольких примерах того, как российский бизнес пользуется нейросетями на практике.
Как компании используют ИИ
В 2023 году Газпромбанк и icontext стали партнёрами и решили разработать алгоритм обработки записей видеовстреч с помощью связки нейросетей. Это позволило освободить более 1 тыс. рабочих часов в году для решения креативных задач и снизить нагрузку на менеджеров.
"В коммуникации с рекламным агентством весомую часть времени занимают онлайн–встречи и последующее составление фиксирующего постмита. Мы вместе с icontext провели тест для оптимизации процесса. Внедрили ИИ–секретаря, который перевёл эту нагрузку с менеджеров на себя. Успех пилота привёл к сокращению трудозатрат команды агентства в 4–5 раз. А также указал на возможность оптимизации и других аналогичных задач", — рассказывает исполнительный вице–президент, начальник департамента онлайн–продаж Газпромбанка Антон Сафонов.
Сотрудники TenChat пользуются в работе языковыми и визуальными моделями, чтобы эффективнее выполнять рутинные и креативные задачи. "С помощью Stable Diffusion и Midjourney долгий процесс создания креатива для тех же презентаций теперь реализуется всего за 2 часа вместо полного рабочего дня. GPT–4 преобразует процесс создания описаний, уменьшая его с 4 часов до 30 минут, а сегментация данных, ранее требовавшая 3 часов, сейчас завершается за 35 минут, предоставляя нам более быстрый и точный анализ. Однако такие результаты возможны только при правильном взаимодействии с ИИ", — поделился с "ДП" руководитель проекта по интеграции нейросетей в TenChat Александр Жадан. По его словам, для получения удовлетворительного ответа важно правильно прописать задачу и промпты (запросы к модели). Если этого не сделать, сотрудники только потеряют время.
Ещё один пример — технологическая компания red_mad_robot, которая разработала и внедрила в свои процессы telegram–бота Daisy. При разработке бота команда использовала собственный вычислительный кластер, в котором развёрнуты предобученные модели. Daisy умеет писать тексты и код, редактировать статьи, делать лингвистические переводы с десяти языков, генерировать изображения и решать задачи по различным дисциплинам. "По данным внутренних исследований red_mad_robot, разработчики и бизнес–аналитики, использующие бота для решения задач, повысили свою скорость и эффективность на 35–40%. Daisy помогает им в написании функциональных требований и спецификации методов API. Также бот строит код для UML–диаграмм, пишет SQL–запросы, даёт советы по решению задач в Backend–разработке, составляет технические задания и ищет ошибки в коде", — говорит CEO NDT by red_mad_robot Валерий Ковальский.
Помощь в подборе кадров
Нейросети также могут оптимизировать HR–процессы. Например, в Marketlead.me создали бота на базе GPT (@marketer_research_bot), который помогает выбрать маркетолога для решения конкретных бизнес–задач. Бот умеет анализировать требования бизнеса и находить нужных кандидатов из базы.
"На вакансию digital–маркетолога приходит до 1 тыс. откликов. Лучше, чтобы показали пять контактов, но “в яблочко”, чем перебирать тысячу человек руками", — считает СЕО Marketlead.me Вероника Климова.
В компании Proscom создали инструмент на основе специальной математической модели. С её помощью алгоритмы анализируют резюме кандидата и делают вывод, насколько он подходит на вакансию. По словам генерального директора Proscom Антона Мишина, благодаря нововведению рекрутеры сократили время на отбор и первичную оценку 100 резюме с 5 часов до 3 минут.
В компании ZIAX HR–бот для Telegram смог повысить производительность департамента управления персоналом без увеличения затрат. ИИ помогает сотрудникам знакомиться с корпоративной культурой, консультирует по внутренним процессам компании, обучает, проводит опросы, обрабатывает входящие запросы сотрудников. Как рассказали "ДП" в ZIAX, чат–бот обрабатывает более 60% обращений без участия сотрудников HR–службы, сокращая время получения ответов в 3–4 раза.
Контент и обучение
Интересно, что, по данным "Яндекса", в основном ИИ внедряют в таких сферах, как маркетинг, продажи, клиентские сервисы, исследования и разработки. На сферу IT приходится всего 31% внедрений. Однако и там искусственный интеллект можно эффективно использовать для обучения сотрудников. В компании QTIM с помощью GPT–4 junior–специалистов учат писать оптимизированные запросы.
"Специалист просит нейросеть написать запрос и с помощью наводящих вопросов понимает, почему получился именно такой результат. Такой подход помогает понять основные паттерны составления запросов и научиться писать их самостоятельно. На этапе ревью тимлид проверяет получившийся результат. Это самая удобная и эффективная схема работы: попросить нейросеть сделать то, что потом может проверить компетентный специалист", — объясняет CEO QTIM Антон Фокин.
Проект avaho.ru летом 2023 года внедрил собственную рекомендательную рекламную платформу на основе ИИ.
Как объяснил сооснователь маркетингового агентства Prostor Agency Group Сергей Дзерко, обновление помогло наиболее эффективно рассчитывать целевую аудиторию и оптимальный временной отрезок показа конкретного рекламного объявления. Платформа позволила управлять таргетингом: после внедрения в компании зафиксировали увеличение CTR (коэффициента клибальности) на 67%.Большинство современных ИИ–провайдеров предоставляют API для интеграции своих ИИ–моделей в бизнес–процессы, отмечает генеральный директор коммуникационного агентства iTrend Павел Житнюк.
"На рынке существуют конструкторы–интеграторы, с помощью которых можно фактически в режиме no code прицепить ИИ к своим задачам. Важно понимать, что вычислительные мощности стоят денег и важно правильно посчитать экономику процесса. В целом возможности очень широкие: от обработки огромных массивов данных, аналитических прогнозов до чат–ботов техподдержки и операторов кол–центров", — объясняет эксперт.
