Как генеративный искусственный интеллект умножает эффективность бизнеса

По данным Gartner, потенциальный эффект внедрения генеративного ИИ ‒ до 15,8% роста выручки, 15,2% сокращения издержек и более 22% роста производительности сотрудников.

Искусственный интеллект уже сейчас решает множество задач бизнеса ‒ от оптимизации работы в контактных центрах до персональных Сo-pilots – AI-помощников для целого набора различных специализаций. «Ведомости. Инновации и технологии» разбирались, где уже работает ИИ, способный понимать «человеческий язык», и почему LLM (англ. Large Language Models, большие языковые модели) становятся мощным катализатором рынка

Голос, эмпатия и роботы

Распространение нейросетевых технологий позволило компьютеру с достаточно большой точностью переводить текст в голос и голос в текст. Но диалог между людьми строится не только на тексте или словах, важен контекст, интонация, история взаимодействия с конкретным индивидом. Весь комплекс решений, связанных с пониманием и интерпретацией человеческой речи и ведения диалога, называется разговорным ИИ. По данным IBM Research, разговорный ИИ может снизить затраты на обслуживание клиентов на 30%. Некоторые компании считают, что разговорный ИИ может быть самостоятельным продавцом. Например, бренд одежды Brunello Cucinelli в тестовом режиме запустил вариант сайта, где нет ничего, кроме строки диалога с разговорным ИИ.

Применение технологий речевой аналитики в работе контактного центра для корпоративных клиентов позволило «Сберу» в 2023 г. сэкономить свыше 190 млн руб. ‒ на 38% больше, чем в 2022 г. Речевая аналитика уже охватывает 100% консультаций в голосовом канале. Сейчас специалисты компании обрабатывают около 5 млн обращений в квартал. «Учитывая уровень нагрузки, было необходимо иметь инструмент, позволяющий видеть «все и сразу». С помощью технологий партнера компании ЦРТ мы внедрили речевую аналитику на базе программы Smart Logger и интегрировали этот инструмент с внутренними системами банка», ‒ сказал Сергей Леханов, директор дивизиона «Центр корпоративных решений» Сбербанка. По его словам, это дало возможность проанализировать клиентский путь и выявлять проблемы и ошибки в продуктах, процессах и сервисе.

 Внедрение речевой аналитики легло в основу построения единой системы управления клиентским сервисом в работе с корпоративными клиентами «Сбера». Компания изучает клиентский опыт и может оперативно проверить ту или иную гипотезу, оценить масштаб инцидента ‒ выделить единичные и массовые сложности клиентов для принятия решения о трансформации продуктов. С 2020 г. было проверено более 4500 гипотез. Результатами анализа пользуются почти 50 000 сотрудников «Сбера» для доработки продуктов и процессов, улучшения клиентского пути и повышения удовлетворенности сервисами банка.

Оператор «Ростелеком» развивает применение речевой аналитики ЦРТ. Сейчас технология охватывает более 80% продуктов и 75% процессов обслуживания клиентов в большинстве макрорегионов и используется более чем на 3000 рабочих мест операторов контактного центра. «На постоянной основе функционирует более 15 наборов речевой аналитики, которые охватывают многие процессы обслуживания и сохранения клиентов. Суммарный эффект сокращения времени на диалоги от использования только одного подобного набора превышает один млн минут в год», ‒ уточнил представитель «Ростелекома».

Чат-боты вместе с подключением операторов в случае особенно сложных запросов позволяют Московскому метрополитену предоставить качественную помощь людям в любое время и на любой удобной витрине. «В 2020 г. по поручению заместителя мэра Москвы по вопросам транспорта и промышленности Максима Ликсутова мы запустили чат-бот столичного транспорта Александру. За почти четыре года бот стал полезным помощником пассажирам, пешеходам и автомобилистам», ‒ сказала Жанна Ермолина, заместитель начальника Московского метрополитена по развитию клиентских сервисов и работе с пассажирами. По ее словам, горожане стали гораздо быстрее получать нужную информацию о работе городского транспорта. Александра уже ответила более чем на 10 млн вопросов пользователей, а уровень автоматизации при ответе на обращения достиг 70%, сообщила Ермолина.

В операторе «Билайн» созданное специалистами ЦРТ решение на базе ИИ помогает в поддержке абонентов в текстовых каналах, разработке тестов и предсказании потребностей клиентов с помощью аналитических инструментов. Кроме того, это решение способствует ускорению разработки продуктов с помощью автоматизации анализа клиентских данных. Важная область ‒ прогнозирование, где ИИ помогает обнаруживать тренды, делая бизнес более эффективным, в том числе ‒ предугадывать потребности клиента и обеспечивать возможность реализации продуктивного обслуживания, рассказал Дмитрий Чернов, директор по клиентскому обслуживанию и сервису розничного бизнеса ПАО «Вымпелком».

Робот в помощь

По данным исследования «Яков и партнеры», вклад генеративного искусственного интеллекта (AI) в экономику России составит до 1,3 трлн руб. к 2028 г., практически 1% ВВП. Потенциал генеративного AI полностью еще не раскрыт бизнесом, только 12% определили приоритетные функции и сценарии для внедрения генеративного искусственного интеллекта. При этом компании, уже начавшие его использовать, оценивают эффект в 1–5% EBITDA.

По словам генерального директора группы компаний ЦРТ Дмитрия Дырмовского, ключевой запрос крупного бизнеса и государств по всему миру ‒ разработка AI-решений с LLM. «Появление больших языковых моделей, таких как GigaChat, и их совмещение с традиционными алгоритмами машинного обучения позволило нам предоставить бизнесу новый функционал в речевой аналитике для контактных центров», ‒ сказал Дырмовский. Также группа ЦРТ интегрировала нейросетевую модель GigaChat в AI-платформу для создания текстовых и голосовых роботов. Новое решение позволит еще быстрее и проще создавать диалоговых ассистентов, отметил эксперт.

По словам Дырмовского, обновленная версия нейросетевой модели GigaChat ‒ GigaChat MAX позволит использовать искусственный интеллект для решения еще большего количества сложных и разнообразных задач, поэтому количество проектов с использованием LLM в крупном бизнесе и госсекторе будет расти, а сервисы ‒ становиться все более человекоцентричными.

«У ИИ большой потенциал для диалога с пользователем. Ассистент «Госуслуг» робот Макс уже отвечает на вопросы пользователей, но мы стремимся к тому, чтобы он отвечал более точными и краткими фразами, ориентируясь на конкретные вопросы пользователей и их жизненные ситуации», ‒ сказал представитель Минцифры. По его словам, это поможет сократить путь пользователя, время на поиск нужной информации или услуги. Для этого уже сейчас проведена большая работа, интегрированы, настроены и дообучены несколько крупнейших российских LLM-моделей. Они показывают более высокий уровень точности ответов, особенно когда речь идет о сложных формулировках, добавляет он. Минцифры планирует существенно увеличить точность ответов, сделать их более персонализированными и запустить бета-версию уже к концу года.

Средство от рутины

 «По данным исследования «Яков и партнеры», в России приблизительно 20% компаний используют генеративный ИИ для бизнес-задач. И только 12% из них точно понимают, какие именно задачи можно решить с их помощью», ‒ говорит Алексей Долотов, руководитель продуктового направления ML в Yandex Cloud.

По его мнению, благодаря LLM бизнес-процессы будут ускоряться, а в жизни офисных работников станет меньше рутины. Самые популярные сценарии можно адаптировать для своего бизнеса уже сейчас с минимальными затратами и рисками. «Чтобы облегчить работу с нейросетями, клиенты могут использовать готовую библиотеку промптов с наиболее популярными бизнес-сценариями. Для прототипирования и разработки первой версии решения, как правило, достаточно работы с базовой версией модели», ‒ рассуждает Долотов.

«Перспективы применения LLM и других технологий генеративного и интерактивного искусственного интеллекта в бизнесе огромны», ‒ сказал Сергей Марков, управляющий директор ‒ начальник управления экспериментальных систем машинного обучения дивизиона общих сервисов «Салют» Сбербанка. Там, где новая технология находит действительно перспективную рыночную нишу (а в идеале – даже создает ее), бизнес-результат может превысить даже весьма оптимистичные ожидания, считает Марков.

Дырмовский отметил, что для достижения высоких бизнес-результатов важны узкоспециализированные навыки и комплексный подход. Например, эксперты ЦРТ обладают компетенциями разворачивания модели on-premise (использование собственной инфраструктуры и ресурсов для размещения ПО – «Ведомости. Инновации и технологии») и в частном облаке, с применением всего спектра подходов, включая RAG (Retrieval-Augmented Generation ‒ генерации, дополненной поисковой выдачей), мультиагентность.

Второй пилот для бизнеса

В частном секторе среди основных заказчиков решений на базе разговорного ИИ ‒ промышленность, финансы, госсектор. Также подобные решения активно внедряют телеком и ретейл, сказал Дмитрий Марков, исполнительный директор MTS AI. Наиболее развиты и активно применяются автоматизация обслуживания клиентов и сотрудников, в том числе таких функций, как служба технической поддержки и работа с клиентскими обращениями, внутренняя база знаний и поиск по ней, а также автоматизация рутинных процессов, уточняет эксперт.

Кроме того, актуальны копайлот-сервисы (в этом случае ИИ действует не самостоятельно, а в режиме советчика), которые помогают менеджерам в обслуживании клиентов. «Под капотом у таких решений ‒ большая языковая модель и метод RAG. Системы умного поиска за одну – три секунды предоставляют четко сформулированный ответ на вопрос, благодаря чему, например, кредитный менеджер сможет оперативно найти условия предоставления займа малому бизнесу, таким образом, он может сэкономить до четверти своего рабочего времени», ‒ рассуждает Марков.

 «LLM и ИИ активно внедряются в крупном, среднем и даже малом бизнесе и, конечно, в госсекторе. Для крупного бизнеса это способ автоматизировать колл-центры, операционные, юридические и HR-задачи, увеличивая эффективность, скорость и качество обслуживания», ‒ сказал Чернов, эксперт «Вымпелкома».

В помощь промышленнику и не только

В России уже реализуются эксперименты по внедрению LLM. Одним из первых в промышленности LLM внедрил «Сибур». В мае 2024 г. «Сибур», «Сбер» и группа ЦРТ заключили соглашение о сотрудничестве в сфере искусственного интеллекта, направленное на совместное развитие кейсов применения большой языковой модели «Сбера» GigaChat. В том числе на ее базе в сотрудничестве с ЦРТ создается AI-ассистент инженера-диагноста. С ним инженер может вести диалог о причине неисправности оборудования. Сотрудник в текстовом виде описывает аномалии в работе оборудования, а обученный AI-помощник дает релевантный ответ или формулирует гипотезы о причинах нехарактерного поведения агрегатов, а также возможные варианты устранения неисправности

В R&D-направлении ИИ будет использоваться для моделирования полимеров и создания материалов с новыми свойствами. Цель ‒ прогнозировать процесс полимеризации и свойства полимеров, моделировать рецептуры, добавки, влияние на физико-механические свойства материала и готовых изделий. При этом количество лабораторных экспериментов будет снижаться в пользу цифровых.

«В настоящий момент все гипотезы находятся на стадии пилотирования, поэтому говорить о значительных результатах еще рано. Но мы уже видим точечное повышение эффективности в наших производственных и бизнес-процессах и понимаем важность развития этих решений и дальше», ‒ сказал Алексей Винниченко, руководитель по управлению данными, аналитикой и инновациями «Сибур диджитал».

Сейчас «Сибур» тестирует AI-помощника для специалиста по закупкам, который обучен на технической документации, ГОСТах. В формате диалога он может определять технические параметры требуемого оборудования, проверять его наличие и предлагать альтернативы при необходимости. Дальнейшее внедрение такого решения позволит снизить трудоемкость процессов для сотрудников, сократить объемы неликвидов и оптимизировать затраты на закупки.

В 2025 г. компания планирует расширять воронку гипотез и продолжит тестирование и пилотирование решений на базе ИИ. Для этого в компании «Сибур» создана лаборатория ИИ, где в работе находятся более 200 инициатив. Среди ключевых направлений исследований – применение больших языковых моделей, использование методов классического машинного обучения (ML), а также развитие систем интеллектуальной видеоаналитики и компьютерного зрения.

«Мы видим потенциал применения больших языковых моделей для решения бизнес-задач в промышленном секторе, однако потребуется время для их дообучения под специфические нужды нашей отрасли», ‒ говорит Винниченко. По его словам, эти технологии уже показывают высокую эффективность в автоматизации рутинных процессов и аналитике данных.