Представленный в 2022 году ChatGPT привлёк внимание как студентов, так и руководителей предприятий. Хотя он, вероятно, помог многим студентам с написанием сочинений, для широкого применения в бизнесе требовалось дальнейшее развитие.
Компании теперь получают выгоду от двух улучшений. Первое — это доступ к бизнес-данным, обычно с помощью технологий, известных как генерация дополненного поиска (RAG) или протокол контекста модели (MCP). Благодаря RAG, MCP и аналогичным технологиям, предоставляющим релевантные данные, магистр права (LLM) может использовать этот контекст для ответа на вопросы о бизнесе, например, на запросы клиентов о продуктах и на сценарии «что если» руководителей относительно прогнозов продаж.
Во-вторых, это способность ИИ разрабатывать планы, анализируя, как были выполнены предыдущие задачи, и используя наборы инструментов для выполнения более сложных задач. Это называется агентным ИИ, и оно становится ключевым фактором, обеспечивающим ощутимую бизнес-ценность ИИ, особенно с ростом использования MCP. Вопрос уже не в том, будет ли ИИ использоваться в бизнесе, а в том, когда и как.
9 областей, в которых компании добиваются успеха с помощью ИИ
1. Обслуживание клиентов
Большинство взаимодействий со службой поддержки клиентов носят повторяющийся характер. Это означает, что ИИ с доступом к истории вопросов, решений и документации по продукту может выступать в качестве эффективного агента службы поддержки клиентов первого уровня и, используя новые инструменты, может выходить за рамки задач первого уровня. Например, агентский ИИ может учиться на прошлых взаимодействиях и вести интерактивные беседы для решения проблем. Бизнес-кейс будет наиболее убедительным, если данные службы поддержки клиентов полны и обширны. Давайте рассмотрим пять ключевых возможностей.
- Автоматизированная обработка запросов с помощью чат-ботов и голосовых помощников: Удивительно низкое качество предыдущих чат-ботов без ИИ часто разочаровывало клиентов, которые быстро начинали искать возможность общения с человеком. Даже с ИИ чат-боты и голосовые помощники должны быть прямыми, точными и быстрыми, чтобы завоевать доверие пользователей.
- Базовые вопросы и ответы, включая обзоры и ответы из документации: один из способов помочь клиентам принять помощь чат-бота — позволить ему отвечать способами, уникальными для ИИ. Например, Amazon Rufus может объединять документацию и комментарии предыдущих покупателей, чтобы делиться информацией о характеристиках продукта, а также сообщать мнение предыдущих покупателей о его характеристиках. В сфере поддержки продукта чат-бот может быстро предложить наиболее вероятные решения проблемы на основе своей базы знаний или предоставить информацию, которую не могут дать специалисты службы поддержки клиентов.
- Анализ настроений: когда клиентам нужна помощь, они не всегда настроены терпеливо описывать проблему и выслушивать элементарные вопросы о возможных решениях — никому не нравится, когда его спрашивают: «Он подключен к сети?». Все чаще ИИ может оценивать тон чата или голоса, чтобы помочь агентам распознать нетерпение или гнев, что крайне важно для эффективной поддержки.
- Сортировка и маршрутизация тикетов: При поступлении запросов в службу поддержки важно правильно направить тикет. Является ли это ценным клиентом, которому необходимо обслуживание высочайшего уровня? С каким продуктом связана проблема и кто может лучше всего решить её? Отслеживая предыдущие решения, ИИ может эффективно направлять поток обращений в службу поддержки клиентов.
- Персонализированная поддержка: Независимо от того, используется ли искусственный интеллект или оператор, персонализированная поддержка зависит от качества данных в системе поддержки клиентов. Внедрение искусственного интеллекта в систему позволяет операторам быстро находить и предоставлять актуальную информацию о клиентах в режиме реального времени или сделать взаимодействие с ними более персонализированным при прямом взаимодействии.
2. Маркетинг и продажи
Способность ИИ быстро анализировать данные и разрабатывать уникальные маркетинговые и торговые стратегии, часто для каждого клиента, — привлекательное предложение. Окупаемость наступает быстрее у тех, кто в полной мере использует возможности своих текущих CRM-систем и систем автоматизации маркетинга. Чем качественнее ваши данные, тем лучше будут результаты при использовании ИИ. Ведут ли ваши продавцы скрупулезные записи о взаимодействии с клиентами? Возможно, а возможно, и нет. В любом случае, ИИ может помочь, но чем больше данных, тем выше будут результаты ИИ.
- Квалификация и развитие лидов: Какова ваша цель? Хотите ли вы удвоить свою клиентскую базу в течение следующих двух лет или предпочитаете добавить к ней 10% или 20%? Хорошо ли знает ваша команда продаж конкурентов и имеет ли она хорошее представление о вселенной потенциальных клиентов? Если ваша команда продаж настроена и вы были бы в восторге от темпов роста от 10% до 20%, ИИ для поддержки продаж может быть не так важен, как для быстрорастущих компаний или предприятий с широкой клиентской базой. Обосновать бизнес-кейс для ИИ здесь, вероятно, сложнее, чем, скажем, для обслуживания клиентов. Для компаний, которые хотят выйти на новые рынки или выпустить новые продукты, бизнес-кейс на основе ИИ лучше. ИИ может оценивать лиды, что полезно, например, когда у вас много лидов, но вы можете нацелиться только на небольшую их часть.
- Определение потенциальных клиентов: Как указано выше, ИИ может создавать идеальные профили клиентов (ИПК) для новых продуктов или услуг, анализируя демографические данные, поведение в интернете, активность в социальных сетях и предыдущие покупки, чтобы выявить закономерности, которые люди могут упустить. ИИ может затем использовать ИПК и стратегии оценки лидов для оптимизации маркетинговых кампаний.
- Оптимизация кампаний: если ваши кампании генерируют большой объём данных — возможно, тысячи или многие тысячи лидов — ИИ может помочь выявить наиболее эффективные предложения и смоделировать кампании до того, как возникнут затраты на их запуск. А для организаций, где отлажен процесс отслеживания лидов на протяжении всего пути к заключению сделки, ИИ может извлечь новые уроки из этих данных и помочь оптимизировать будущие кампании.
- Сегментация клиентов: ИИ отлично справляется с поиском сходства между товарами в огромных массивах данных, поэтому идея поручить ИИ найти потенциальных клиентов, похожих на ваших лучших клиентов, весьма привлекательна. Если ваши данные достаточно надежны, ИИ может быстро выявить потенциально прибыльных клиентов и, во многих случаях, объяснить, что делает их перспективными и для каких продуктов. Эта способность улучшается по мере того, как система получает больше данных.
- Коммуникация с клиентами, включая создание сообщений и мониторинг откликов: собирая электронные письма, публикации в LinkedIn, другую переписку и статистику по каждому из них, ИИ может определить, что работает лучше всего, и создать сообщения, которые, скорее всего, окажутся высокоэффективными. Здесь, как и везде, качество данных имеет решающее значение. Не менее важно: не ожидайте, что созданные ИИ сообщения будут готовы к отправке. На данный момент их всё ещё необходимо проверять перед отправкой существующим и потенциальным клиентам.
- Динамическое ценообразование и рекомендации: способность ИИ быстро анализировать данные и делать прогнозы ценна для любого бизнеса, рассматривающего динамическое ценообразование. Допустим, вы менеджер стадиона «Доджер» в Лос-Анджелесе, куда приезжают «Нью-Йорк Янкиз». Место за 100 долларов может стоить 1000 долларов на этой игре, а может, и больше. Какую цену установить, чтобы оптимизировать доход и при этом заполнить стадион? Если вы понимаете эту дилемму, то динамическое ценообразование с помощью ИИ может быть для вас. Если же вы лучше понимаете менеджера стадиона «Петко Парк» в Сан-Диего, где билеты на матчи «Падрес» распродаются нечасто, то есть спрос не так сильно превышает предложение, то динамическое ценообразование может вам не подойти.
3. Автоматизация операций
ИИ хорошо подходит для автоматизации повторяющихся процессов, в которых возникают исключения, особенно для организаций, использующих набор совместимых продуктов для управления операциями, обычно с ERP-системами в качестве центрального элемента. Чтобы максимально эффективно использовать ИИ, необходимо предоставить ему возможность работать с операционными и финансовыми данными. Это может быть реализовано в системе, основанной на ERP, или в хранилище данных, подключенном к извлечения данных из операционных систем, используемых компанией.
Это не значит, что применение ИИ в отдельных продуктах, таких как управление цепочками поставок, не стоит усилий. Однако операционная эффективность и организационная аналитика, получаемая от ИИ, будут выше, если он получит целостное представление о повседневной деятельности.
- Оптимизация цепочки поставок: ИИ может помочь в оценке поставщиков, отслеживая изменения в их эффективности, или в перебалансировке процесса закупок для доступа к нескольким источникам, если он интегрирован в систему управления цепочками поставок (SCM). Однако для эффективной работы систем SCM требуется множество дополнительных функций, поэтому решения на основе ИИ, обеспечивающие оптимальное экономическое обоснование, скорее всего, будут предоставлены вашим поставщиком SCM. Аналитика будет более качественной, если ИИ сможет анализировать детали вашей цепочки поставок и получать доступ к прогнозам продаж и операционным показателям, поскольку это поможет системе выявлять потенциальные проблемы в цепочке поставок на ранних этапах.
- Прогнозирование запасов: бизнес-кейс основан на составлении более быстрых и подробных прогнозов, чем ваша команда могла бы сделать без ИИ. Прогнозы запасов на основе ИИ наиболее эффективны, когда они связаны с подробными данными о продажах, что помогает оптимально разместить запасы. Агентский ИИ может пойти дальше, создавая или предлагая планы новых заказов и уточняя позиционирование запасов.
- Роботизированная автоматизация процессов (RPA): Роботизированная автоматизация процессов — это технология, позволяющая автоматизировать повторяющиеся процессы. Исторически RPA не использовала ИИ, но ситуация меняется. Например, добавление новой учётной записи в приложение занимает пять неизменных шагов. Вы можете создать роботизированный процесс, который выполняет эти шаги, экономя время, когда новым сотрудникам требуется доступ. Звучит заманчиво, но на практике работа по настройке RPA не обязательно компенсируется создаваемым ею повышением эффективности. Если вы добавляете 10 или 20 пользователей в течение месяца, настройка RPA может быть нецелесообразной. Но если вам нужно добавить сотни пользователей за короткий период, автоматизация, вероятно, станет выигрышем. Добавление возможностей ИИ-визуализации и сбора данных может помочь RPA справляться со всеми видами задач по вводу данных, например, по дебиторской и кредиторской задолженности. Эти преимущества могут быть ещё более значительными, когда агенты ИИ смогут использовать RPA для выполнения поставленной задачи. Подробнее об этом в разделе «Финансы» ниже.
- Профилактическое обслуживание: Проактивное обслуживание гораздо лучше, чем попытки починить машину, пока сборочная линия простаивает. Тем не менее, обслуживание может быть пустой тратой ресурсов, если выполнять его слишком часто, поэтому мониторинг оборудования и передача данных в ИИ, который сможет сообщать вам, когда машина начинает работать не так, как положено, кажется очевидным решением. Проблема в том, что модернизация старого оборудования с помощью датчиков Интернета вещей (IoT) может быть дорогостоящей, поэтому многие производители предпочитают ждать до замены оборудования. Конечно, срок службы большинства производственного оборудования измеряется десятилетиями. Как только компании начнут использовать IoT, ИИ сможет обрабатывать огромные объемы данных, чтобы выявлять аномалии. Это большое преимущество для оборудования, оснащенного датчиками, как это часто бывает в здравоохранении.
4. Финансы
Похоже, финансовые отделы часто испытывают нехватку ресурсов. ИИ может помочь, выполняя множество рутинных задач, поглощающих значительные ресурсы. ИИ, разработанный для сбора, анализа и классификации документов, может значительно сократить объём ввода данных человеком в финансах. В сфере дебиторской задолженности ИИ может корректно вносить платежи в бухгалтерский учёт и часто вносить необходимые записи в главную книгу. ИИ также может сопоставлять заказы на закупку с товарными накладными и счетами, чтобы убедиться, что вы получили то, что заказывали, и счета выставляются правильно.
- Обработка расходов: уже некоторое время сотрудники могут использовать приложения для смартфонов для регистрации расходов по мере их возникновения. Внедрение искусственного интеллекта может повысить точность и зачастую позволяет проверить соответствие расходов корпоративным стандартам, упрощая и ускоряя процесс утверждения и возмещения расходов.
- Обнаружение мошенничества: для обнаружения мошенничества используется ИИ для выявления аномалий в транзакциях, которые могут указывать на незаконную деятельность. ИИ очень хорошо выявляет аномалии, поэтому его широко используют для выявления мошенничества эмитенты кредитных карт, другие финансовые учреждения и страховые компании. Обнаружение аномалий с помощью ИИ происходит чрезвычайно быстро, поэтому транзакции, которые могут оказаться мошенническими, часто можно приостановить до проведения дополнительной проверки.
- Финансовое прогнозирование: Имея доступ к необходимым данным, ИИ эффективно составляет прогнозы, основанные как на исторической информации, так и на данных о ещё не выполненных продажах. Это особенно полезно для планирования сценариев, поскольку ИИ может быстро создавать новые прогнозы при наличии новых предположений. Системы, которые объясняют свои прогнозы, предпочтительнее, и ещё лучше, если они могут вести более продолжительные обсуждения и предлагать способы потенциального улучшения результатов. Как и в любом случае, качество данных, используемых ИИ, критически важно для его точности. Чем сложнее создать прогноз, тем лучше экономическое обоснование для инструментов на основе ИИ. Компании, использующие интегрированный пакет для управления финансами и операционной деятельностью, получат более быструю окупаемость, чем организации, которым необходимо консолидировать и нормализовать данные перед началом анализа.
- Оценка кредитного риска: ИИ может анализировать кредитоспособность заемщиков, но для оценки соответствия действующему законодательству по-прежнему требуется человеческий фактор. Федеральные и региональные законы устанавливают требования к справедливости кредитования, поэтому крайне важно понимать, как проводилась оценка кредитоспособности, и иметь возможность продемонстрировать её объективность.
5. HR
ИИ может помочь сотрудникам или новым сотрудникам ориентироваться в системах учета, политиках и льготах, а также составлять описания должностей и списки.
- Подбор кандидатов: ИИ может подбирать кандидатов на открытые вакансии в компании. Необходимо ограничить возможности ИИ, ограничивая его соответствием определённым требованиям, не допуская при этом выхода за рамки закона и потенциальной дискриминации. Сотрудники должны быть в курсе событий, чтобы выявлять проблемы, если ИИ действует не по назначению, и устранять их.
- Боты для планирования собеседований: ИИ может автоматизировать планирование собеседований, если подключен к календарям сотрудников. Системы искусственного интеллекта также могут делать заметки во время собеседований и использовать их в процессе оценки.
- Помощники по адаптации сотрудников: будь то заказ и настройка ИТ-оборудования и приложений, или помощь новым сотрудникам в адаптации и оформлении документов, ИИ может быть полезным инструментом. В процессе адаптации и после неё ИИ может помочь ответить на вопросы о политике и льготах компании.
- Аналитика рабочей силы: ИИ может выявлять пробелы в потребностях рабочей силы, имея доступ к данным о времени, посещаемости и выполнении задач по всей организации.
6. Разработка продукта
Инструменты на основе ИИ для разработки продуктов часто реализуются в виде агентов, которые помогают проектировать, программировать, тестировать и моделировать проекты перед созданием реальных прототипов. Вот несколько примеров.
- Определение приоритетности функций на основе анализа отзывов пользователей: не хотите тратить дни на изучение тысяч комментариев к ключевому продукту в надежде узнать, какие функции понравятся клиентам в будущем? Позвольте ИИ сделать это за считанные минуты, а затем будьте готовы задать вопросы о результатах его работы.
- Автоматизированное тестирование и контроль качества: процессы тестирования, генерирующие огромное количество точек данных, отлично подходят для ИИ. Системы обнаружения аномалий существуют уже много лет и способны обнаруживать едва заметные проблемы, которые другие методы анализа могут пропустить. ИИ также часто встраивается в системы машинного зрения и может быстро обнаруживать дефекты.
- Аналитика использования продукта: ИИ, особенно для SaaS-продуктов, которые ведут подробные журналы, может выявлять закономерности использования вплоть до уровня функций. Магистры уровня LLM могут обобщать результаты, быстро и эффективно извлекая ценную информацию из накопленных данных.
- Прототипирование с использованием генеративного ИИ: технология цифровых двойников создаёт компьютерные модели, которые можно использовать для моделирования реальных устройств и действий. Эта технология существует уже некоторое время и теперь комбинируется с магистратурой по праву (LLM) для ускорения создания цифровых двойников. Nirvana объединит эти две технологии для создания инструмента для создания и тестирования цифровых двойников для прототипирования. В настоящее время большинство цифровых двойников имитируют живые системы, такие как производственные цеха или даже города. LLM могут получать данные с датчиков и из журналов, что позволяет LLM прогнозировать результаты определённых входных данных, например, аномальную жару в определённом районе или появление нового оборудования на заводе. Для надёжного прототипирования новой конструкции потребуются аналогичные большие наборы данных. Без таких данных технология цифровых двойников на основе ИИ может не оправдать инвестиции.
7. Аналитика данных
Традиционно аналитика данных требовала наличия специализированной команды специалистов со специализированными навыками и дорогостоящими инструментами. Лицам, принимающим решения, приходилось стратегически подходить к фактам, которые они хотели получить от команды. ИИ в аналитике меняет это. Благодаря использованию подсказок и отчётности на естественном языке, аналитика становится всё более самостоятельным процессом, где бизнес-пользователи могут формулировать собственные вопросы. Ключевым фактором является доступ к широкому массиву бизнес-данных, что позволяет ИИ, например, оценивать спрос на основе воронки продаж и графиков поставок на основе данных о запасах. Всё чаще ИИ и аналитика данных взаимодействуют в облаке.
- Интерфейсы запросов на естественном языке: такие базы данных, как Oracle Database 23ai, теперь позволяют пользователям запрашивать данные на естественном языке, а не на SQL-запросах. База данных по-прежнему будет поддерживать безопасность и контроль доступа, что может значительно облегчить задачу по открытию ИИ-анализа.
- Обнаружение аномалий: Анализ аномалий уже давно является функцией машинного обучения. Магистры права (LLM) усовершенствовали эту технологию, снизив потребность в предварительной обработке обучающих наборов данных. Анализ аномалий находит широкое применение в аналитике, от обнаружения мошенничества до предиктивного обслуживания.
- Генерация отчётов: запросы к данным, такие как операторы SQL, возвращают данные или, возможно, таблицы данных, и ничего больше. Магистры права (LLM) могут создавать пояснения к возвращаемым данным и обобщать результаты, найденные в больших таблицах. Всё чаще LLM также могут создавать визуализации данных, что зачастую занимает много времени и требует привлечения экспертов со специализированными инструментами. Теперь отчёты с наглядной графикой можно получить за несколько минут.
- Очистка и обогащение данных: особенно когда компании используют бэк-офисные приложения от различных поставщиков, данные должны быть дедуплицированы и нормализованы перед их использованием в аналитике. Более того, связывая события, отслеживаемые в двух или более системах, можно обогащать данные, делая их более полезными для аналитики. ИИ помогает как в очистке, так и в обогащении данных, автоматизируя процессы, которые обычно выполняются вручную, занимают много времени и подвержены человеческим ошибкам. Например, при очистке алгоритмы ИИ могут выявлять и объединять дубликаты записей, даже если данные не полностью совпадают, как в случае с «Джен Смит, 123 Мэйн-стрит» и «Дж. Смит, 123 Мэйн-стрит», анализируя и оценивая сходство в различных полях. ИИ также может нормализовать данные и находить и исправлять распространённые ошибки, такие как опечатки, неправильное форматирование и пропущенные значения. В процессе обогащения данных ИИ может автоматически связывать записи из нескольких систем, помогать в прогнозировании, а также извлекать и структурировать неструктурированные данные, такие как публикации в социальных сетях.
8. Безопасность и ИТ
ИИ предоставляет значительные возможности для повышения безопасности данных и эффективности ИТ-операций. Обнаружение аномалий позволяет отслеживать активность в режиме реального времени, помогая организациям выявлять и нейтрализовать угрозы. Однако злоумышленники также используют ИИ, поэтому организациям постоянно приходится оставаться в центре внимания. С другой стороны, ИИ всё больше интегрируется в системы управления сложными корпоративными приложениями. Oracle начала внедрять функции автономного управления в некоторые продукты для управления данными в 2018 году и анонсировала свою автономную базу данных в 2023 году. ИИ-система самонастраивается, устанавливает исправления и корректирует свои действия, облегчая работу администраторов баз данных и позволяя им сосредоточиться на извлечении пользы из данных.
- Обнаружение угроз и реагирование на инциденты: как упоминалось выше, обнаружение аномалий, наряду с дополнительными технологиями, может пресечь действия злоумышленников при запуске эксплойтов. Всё чаще ИИ-агенты также могут что-то предпринять в этой ситуации. Реагирование выходит за рамки перекрытия пути атаки, включая документирование инцидента и уведомление служб безопасности.
- Анализ журналов: Инструменты анализа журналов существуют уже давно. Даже без ИИ они могут отвечать на вопросы об использовании и помогать определить, кто что и когда делал. Добавление LLM улучшает возможности резюмирования и может также стать частью систем обнаружения угроз.
- Автоматизация работы службы поддержки: системы ИТ-поддержки, существовавшие ранее, часто вызывали недовольство пользователей. Внедрение ИИ с доступом к записям о решениях служб поддержки может стать основой для создания системы, которая значительно превосходит предыдущие поколения, поскольку она может использовать возможности семантического поиска GenAI для поиска похожих описаний проблем и вариантов их решения. Однако качество работы любой службы поддержки на базе ИИ будет во многом зависеть от качества и полноты этих записей.
9. Правовые вопросы и соответствие требованиям законодательства
Юридическая профессия, как и другие, вероятно, совершенно изменится менее чем через пять лет, поскольку ИИ-помощники возьмут на себя многие рутинные функции, которые сейчас выполняют юристы и помощники юристов, и будут выполнять их быстрее и точнее. Вот несколько областей, где ИИ может быть полезен.
- Анализ и обобщение договоров: хотя юристы предпочитают самостоятельно изучать договоры, у магистров права есть своё место. Если договор находится на стадии переговоров и поступает новая редакция, ИИ может выделить и обобщить изменения, значительно сэкономив время.
- Мониторинг нормативных требований: службы мониторинга нормативных требований могут уведомлять юридические отделы об утверждении новых нормативных требований. ИИ может проверять контракты и другие документы, чтобы определить, где могут применяться эти новые нормативные требования, и в некоторых случаях предлагать стратегии их соблюдения.
- Аудит соответствия: Определение списка нормативных требований, которые компания должна соблюдать, — это первый и зачастую самый сложный шаг, особенно для компаний, работающих в нескольких юрисдикциях. После этого ИИ может проверять контракты и сертификаты соответствия, указывая, каких документов может не хватать и почему.
- Помощники по юридическим исследованиям: Поиск сходства с помощью ИИ отлично справляется с поиском релевантной судебной практики.