ИИ в небольших компаниях и для экспертов: плюсы и возможности

Эта тенденция понятна: предприниматели с небольшим оборотом следят за лидерами отрасли и пытаются повторить их успех. Малому бизнесу важно четко определиться с направлениями и процессами, в которые будут внедряться конкретные сервисы. В этой статье я расскажу в каких сферах лучше всего применять ИИ, как с его помощью сэкономить, а также назову те инструменты, которые подойдут именно для МСП.

По нажатию кнопки

Исследование Аналитического центра НАФИ говорит о том, что треть российских предпринимателей из сектора МСП уже работали с какими‑либо сервисами на базе ИИ. 70% из них положительно оценивают этот опыт. Основные сферы внедрения — маркетинг и реклама, общение с клиентами, обучение персонала, разработка и анализ данных.

Больше всего респондентов используют ИИ для маркетинга: сервис позволяет персонализировать коммуникации и услуги или подключать чат‑боты для обработки первичных лидов. Причина популярности очевидна: GenAI прост в освоении, не требует глубокой интеграции в инфраструктуру (многие сервисы доступны в качестве SaaS) и открывает широкие возможности для создания разнообразного контента: от картинок в разных стилях до ответов пользователям. Эффект от этих функций быстро окупает небольшие вложения за счет снижения стоимости привлечения клиента.

Пользовательский сервис — еще один безусловный лидер среди направлений для применения ИИ. Здесь искусственный интеллект способен автоматизировать практически все общение с клиентом: формирование ответов на самые часто задаваемые вопросы (FAQ), сортировка обращений по срочности, тематике, услугам или эмоциональной окраске и многое другое.

ИИ помогает и в обучении: возможно, доверять его знаниям во всех областях не стоит, однако сервис поможет специалисту подобрать узкоспециализированный курс, который позволит прокачать необходимый навык.

Суть в том, что в каждом случае ИИ способен сфокусироваться на решении узконаправленных задач.

Время — деньги

Яркий пример — сервис по заказу трансфера GetTransfer. Как рассказывает основатель компании Александр Першиков, их команда внедрила AI для самых разных внутренних процессов — от автоматической классификации входящих email по намерениям до подключения цифровых ассистентов для тестирования программного обеспечения. Проще говоря, то, на что раньше тратились деньги и время сотрудников, теперь делает машина быстрее и зачастую точнее.

Строительная фирма «Лиго» использовала виртуального помощника для обработки клиентских заявок, чтобы выделять и отдавать приоритет запросам на приобретение жилья. Ассистент выполнил задачу на отлично: из 133 заявок, проверенных за два месяца, он выявил трех готовых к покупке недвижимости клиентов. Сотрудникам не пришлось вычитывать каждый из сотни запросов вручную.

Есть и другие функции искусственного интеллекта, которые востребованы в бизнесе. В сети можно встретить много публикаций о том, как компьютерное зрение применяется в торговых залах сетевых магазинов, но есть и менее очевидные кейсы. Компания «Научно‑технические решения», работающая с видеоаналитикой, внедрила клиенту — машиностроительному предприятию — технологию VideoAI.NTR для контроля качества продукции. Система изучала видеопоток с камер в покрасочном цехе и отмечала дефекты. До внедрения продукция проверялась персоналом, но человеческое зрение часто упускало недочеты. В результате работы ИИ удалось сократить брак на 20%.

Системы речевой аналитики, которые уже давно используются в банках, страховых компаниях, и ритейле, нашли применение в гостиничной отрасли. Такие технологии, которые предоставляет, например, вендор 3iTech, позволяют проанализировать 100% записей общения сотрудников с клиентами, и выявить реальное отношение клиентов к услугам отеля. По данным компании, без использования этой системы можно изучить не более 3% от накопленной голосовой информации. Другой пример из сферы гостеприимства — инженерные системы, работающие по принципу “умного дома”. Они автоматически регулируют теплоснабжение исходя из окружающей температуры и времени суток, выключают свет в помещениях без людей, а сенсорные датчики контролируют расход воды. Экономия от этих Smart‑сервисов может достигать 30%.

Эти примеры демонстрируют выгоду малых и средних предприятий от ИИ: технология дает бизнесу не только разовый эффект, а постепенно нарастающую выгоду за счет постоянного обучения алгоритмов на поступающих данных. Здесь важны базовые принципы: задача должна быть четко сформулирована, понятна и измерима.

Прилежный ученик

Логика проста — чем больше качественных данных получает система, тем точнее она отвечает целям бизнеса. Конечно, у МСП нет такого объема информации, как у корпораций, но даже тот, что есть, открывает новые возможности.

Один из таких инструментов — персонализация предложения. Изучая множество различных параметров (от истории покупок до поведения на сайте), ИИ предлагает каждому клиенту именно то, что подойдет конкретно ему. Внедрение таких инструментов позволяет увеличить число повторных покупок в среднем на 30%, снизить отток клиентов на 15%, а также способствует росту прибыли примерно на 25%.

Прогнозная аналитика — другой механизм, работающий на основе данных. Нейросеть изучает историю вопроса (допустим, какого‑то экономического показателя в регионе или продуктовой ниши), выделяет тренды и на их основе делает вывод о будущих тенденциях. Например, производитель вин и других напитков «Абрау‑Дюрсо» прогнозирует продажи с помощью ИИ, что помогает компании планировать процессы на 2,5 месяца вперед. Однако это далеко не единственное направление, в котором можно применить прогнозирование — такой инструмент может стать незаменимым для принятия управленческих решений.

Первый после шефа

Виртуальный помощник способен не только сэкономить время, но и улучшить качество решений за счет свежего взгляда, лучшего понимания продукта и беспристрастного изучения различных аспектов, а также выявить тенденцию там, где человек не заметит аномалии. При этом ИИ не только видит отклонения, он сразу предлагает причину и способы восстановления приемлемых показателей. Что самое главное, эти преимущества помогают работать эффективнее не только руководителю, но и каждому конкретному сотруднику.

Кажется, что преимущества очевидны, но далеко не все руководители настолько открыты к инновациям. Объяснить руководителю все преимущества внедрения и убедить его вложиться в технологический проект — это настоящее искусство. Важно говорить с ним на языке цифр и показать все достоинства этого решения, а также предложить примерные сроки окупаемости и гарантии. Но даже после получения поддержки руководства интеграция сервиса может не сработать, и вот почему.

Трудности внедрения

Слепое копирование чужого подхода к интеграции ИИ (особенно если брать за образец крупное предприятие) может закончиться плачевно. Сервис, отлично сработавший у другой компании, может потопить вашу из‑за недооценки значимости нюансов, таких как уникальные данные и особенность бизнес‑процессов.

Кроме того, есть вопрос в качестве тех самых данных: нельзя просто закинуть все таблицы с жесткого диска, чтобы нейросеть сама в них разбиралась. Неочищенная и некачественная информация приведет к ошибкам в работе. Именно поэтому важно, чтобы вопросом занимался компетентный специалист, а еще лучше — целая команда профессионалов. Это база для внедрения любого продукта. Если ее нет в штате, стоит поискать кандидатуры на аутсорсе, потому что альтернатива обернется разочарованием. Согласно отчёту K2 НейроТех, отсутствие квалифицированных кадров является вторым по распространённости барьером для подключения ИИ (так заявили 43,3% опрошенных). Главным среди таких препятствий респонденты назвали неготовность собственной ИТ‑инфраструктуры (недостаток вычислительной мощности, отсутствие необходимого оборудование и тд).

В связи с этим важно подчеркнуть: ИИ перестал быть прерогативой ИТ‑гигантов, уже сейчас предприятия МСП могут позволить себе значительно увеличить доход за счет таких технологий. Однако к вопросу внедрения стоит подходить с умом: к этому необходимо подготовить и руководство, и рядовой персонал, и внутреннюю инфраструктуру.

Внедрить ИИ на раз‑два‑три

Интеграция ИИ не требует немедленных многомиллионных инвестиций или найма команды data‑scientists. Стоит начать с малого, но стратегически важного.

В качестве первого шага стоит провести аудит бизнес‑процессов и выделить пару самых «болезненных точек», которые отнимают непропорционально много времени и ресурсов. Это может быть обработка обращений клиентов или регулярное создание постов для соцсетей. Важно определить конкретную задачу с понятной и измеримой выгодой.

После выбора задачи вам стоит найти инструмент именно для нее. Не стоит брать сразу масштабное коробочное решение, если с ней справится и ChatGPT. Например, для создания ботов подойдет Aimylogic, SendPulse или ЧатФуд, для контента Яндекс GPT (текст) и Kandinsky (изображения), для аналитики — ИИ‑функционал Яндекс Метрик.

Следующим шагом проведите пилотный проект, то есть тестирование на ограниченный срок. Не ждите от инструмента мгновенной прибыли, его цель — решить поставленную задачу по заранее выбранным метрикам. Предположим, использование нейросети сократило срок подготовки постов для соцсетей по контент‑плану с 20 часов до 5, причем эта экономия времени не единоразовая, а сохраняется в каждый период. В таком случае внедрение можно считать успешным, и стоит переходить к масштабированию решения на другие направления.