Энсайн 
Тендеры и лиды
Информация
У ИИ в бизнесе сейчас странный момент. С одной стороны, интерес огромный. С другой — многие компании уже успели немного устать от формата “давайте добавим чат с нейросетью”.
Первые запуски выглядели эффектно. Сотрудник задает вопрос, система отвечает. Клиент пишет в чат, бот что-то объясняет. Маркетолог просит идею для поста, ИИ выдает несколько вариантов. Для демонстрации этого достаточно.
Но дальше начинается реальная работа. И там выясняется, что красивый ответ еще не меняет процесс.
Если сотрудник по-прежнему сам открывает CRM, выгружает данные, проверяет таблицу, ищет документ, копирует фрагменты в ИИ и потом вручную переносит результат обратно, автоматизации почти нет. Появился еще один инструмент. Работы меньше не стало.
Алексей Постригайло, старший партнер ИТ-интегратора "Энсайн", разбирает, почему следующий этап внедрения ИИ связан не с чатами, а с процессами, данными и интеграциями.
У чат-бота понятная роль: он отвечает. Иногда хорошо, иногда не очень. Но его граница проходит там, где начинается конкретика компании.
Можно спросить у ИИ, почему падают продажи. Он назовет сезонность, цену, конкурентов, слабую воронку, работу менеджеров. Формально ответ будет выглядеть разумно.
Но бизнесу нужен другой ответ.
Где именно просела воронка? В каком сегменте? По каким клиентам? После какого изменения? На каком этапе сделки? Кто уже обращался в поддержку? Что поменялось в коммерческих условиях?
Без доступа к внутренним данным ИИ не может ответить на эти вопросы. Он рассуждает в общем виде. Для статьи, мозгового штурма или черновика это подходит. Для управленческого решения — нет.
Поэтому рынок постепенно сдвигается к другому формату: ИИ-помощник не просто разговаривает, а работает внутри конкретного сценария.
Сбер представил ИИ-систему "Маркус" для маркетинга и коммуникаций. Она помогает с мониторингом информационного поля, подготовкой материалов, отчетами и оценкой маркетинговой активности.
Но главный интерес здесь не в том, что крупная компания запустила еще одного ИИ-агента. Важнее подготовительный этап.
Перед запуском Сбер разобрал маркетинговые и коммуникационные функции. Сначала их было больше 1,2 тыс., затем их укрупнили до 250, после чего выделили 49 ключевых функций для дальнейшей автономизации.
Вот это и есть зрелый подход.
Не “давайте прикрутим нейросеть к отделу”. А сначала разбор: что люди реально делают, какие действия повторяются, где есть правила, где нужен человек, а где система может взять часть нагрузки.
Для интегратора это знакомая история. Самая тяжелая часть проекта часто начинается до разработки. Пока процесс не разложен, автоматизировать нечего. Можно сделать интерфейс, можно показать демо, но промышленная эксплуатация быстро покажет слабые места.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13691 тендер
проведено за восемь лет работы нашего сайта.
Билайн Big Data & AI открыл демодоступ к ИИ-агентам "Помощник аналитика" и "Маркетолог".
Наиболее интересен сценарий с аналитикой. Пользователь задает вопрос обычным языком: почему растет отток, где просела воронка, что влияет на маржинальность. Система должна обратиться к данным и вернуть не общую рекомендацию, а рабочий аналитический вывод.
Здесь сразу видно, где проходит граница между чат-ботом и ИИ-помощником.
Чат-бот может объяснить, какие факторы обычно влияют на отток. Помощник должен посмотреть конкретные показатели компании. Это уже другая архитектура. Нужны источники данных, роли, ограничения, журналирование, правила расчета метрик, обработка исключений.
Именно здесь многие ИИ-пилоты начинают тормозить. Не потому что модель слабая. А потому что данные живут в разных системах, показатели считаются по-разному, права доступа настроены исторически, а часть процессов держится на личных договоренностях сотрудников.
В такой среде ИИ не наведет порядок сам. Он быстрее проявит все противоречия.
Источник: https://beelinenow.ru/articles/beeline-big-data-ai-demodostup-k-ii-agentam/
В "2ГИС Про" появился ИИ-помощник для геоаналитики. Пользователь описывает задачу обычным языком, например просит оценить потенциал локации для бизнеса. Система собирает отчет на карте и позволяет уточнять запрос.
Этот пример интересен тем, что ИИ здесь не заменяет продукт. Он меняет способ входа в него.
У сложных корпоративных систем есть типичная проблема. Возможностей много, но путь до нужного действия длинный. Пользователь должен знать, где фильтр, где отчет, какие параметры выбрать, какой слой включить, что можно сравнить.
ИИ-помощник может сократить этот путь. Не убрать интерфейс полностью, а помочь начать работу с задачи, а не с поиска нужного раздела.
Для корпоративных продуктов это перспективное направление. Особенно там, где система накопила много функций, ролей, справочников и отчетов. Но такой сценарий работает только при одном условии: помощник должен понимать структуру продукта и действовать в рамках прав конкретного пользователя.
Снаружи все это может выглядеть как чат. Но ценность находится не в поле ввода.
Рабочий ИИ-помощник должен быть связан с процессом. Он должен понимать, откуда брать данные, что можно показывать пользователю, какие действия разрешены, где нужна проверка человеком и как фиксировать результат.
Если этого нет, компания получает знакомую картину: сотрудники пользуются ИИ отдельно от основных систем. Вручную копируют данные туда-сюда. Проверяют ответы. Возвращаются к старому порядку работы.
В итоге ИИ есть, а процесс не изменился.
"Сейчас бизнесу нужен не ИИ, который просто отвечает на вопросы, а инструмент, встроенный в рабочую среду и привязанный к конкретному процессу. Но такой помощник не появляется из воздуха. Сначала нужно разобраться с данными, правами доступа, интеграциями и логикой самой работы. Иначе компания получает еще один интерфейс, который создает шум вместо результата", — Алексей Постригайло, старший партнер ИТ-интегратора "Энсайн".
Начинать лучше не с выбора модели. И даже не с выбора платформы.
Сначала нужен один нормальный сценарий. Не “ИИ для продаж”, а “собрать сводку по клиенту перед звонком”. Не “ИИ для поддержки”, а “найти релевантный ответ в базе знаний и предложить оператору черновик”. Не “ИИ для аналитики”, а “помочь найти причину отклонения по конкретному показателю”.
Узкий сценарий проще проверить. Понятно, какие данные нужны. Понятно, кто видит результат. Понятно, где оставить контроль человеку. Понятно, как считать эффект.
И это не выглядит так громко, как универсальный агент для всей компании. Зато такой проект имеет больше шансов дойти до эксплуатации.
Главный вопрос для рынка сейчас уже не в том, кто первым объявит о запуске ИИ. Вопрос в другом: какую работу этот ИИ реально выполняет и встроен ли он туда, где эта работа происходит.
