Как внедрить ИИ в бизнес: с чего начать

«Внедрить ИИ» — это не задача

Формулировка «нам нужно внедрить искусственный интеллект» описывает средство, а не результат. С ней невозможно понять, получилось или нет, потому что успехом можно объявить что угодно.

Рабочая постановка содержит три вещи: названный процесс, измеримый результат и человека, который за этот результат отвечает. Например: сократить подготовку коммерческого предложения с двух дней до четырёх часов, не увеличив число правок от юристов; отвечает руководитель отдела продаж. Такую формулировку можно проверить через месяц и получить ответ «да» или «нет».

Пока задача звучит как «попробовать нейросети», проект удобен для отчёта и бесполезен для компании.

Масштаб проблемы измерен. Исследование MIT NANDA разобрало более трёхсот публично описанных внедрений, 52 интервью и опрос 153 руководителей: 95% организаций не получили от генеративного ИИ измеримого возврата. Авторы отдельно отмечают, что разрыв объясняется не качеством моделей и не регулированием, а подходом к внедрению.

Как выбрать первую задачу

Хороший кандидат обладает несколькими признаками сразу:

• Процесс повторяется. Если задача возникает раз в квартал, вы не наберёте достаточно случаев, чтобы понять, работает решение или нет.
• Объём заметен. Экономия десяти минут в неделю не окупит даже совещаний по проекту.
• Результат измерим. Есть способ отличить хороший ответ от плохого, и он понятен не только автору идеи.
• Ошибка переносима. Неудачный черновик письма поправят за минуту, неверный расчёт обязательств обойдётся дороже.
• Данные доступны. Если нужные сведения лежат в трёх системах без интеграции, вы начнёте интеграционный проект, а не эксперимент с ИИ.
• У процесса есть владелец. Человек, которому нужно, чтобы стало лучше, и который может изменить регламент.

Плохие кандидаты для первого раза выглядят иначе: уникальные разовые задачи, процессы без описанного эталона результата, решения с юридическими или финансовыми последствиями и всё, где ошибку не видно до того, как она дойдёт до клиента.

Измерьте исходное состояние

Зафиксируйте до начала работ:

• Сколько времени процесс занимает сейчас, от запроса до готового результата.
• Сколько людей в нём участвует и на каких шагах.
• Как часто результат приходится переделывать и по каким причинам.
• Кто проверяет качество и сколько времени тратит на проверку.
• Во сколько обходится один полный проход.

Считайте цикл целиком. Генерация текста может ускориться в десять раз, но если проверка и правка занимают столько же, сколько раньше занимало написание, выигрыша нет. Это типичный исход, и обнаруживается он только при честном замере.

Как устроен честный пилот

Пилот проверяет конкретное предположение, а не демонстрирует возможности. У него должны быть пять элементов:

1. Гипотеза в одном предложении. Например: черновик ответа на типовой запрос клиента можно готовить за пять минут вместо тридцати, сохранив текущий объём правок.
2. Выборка из двадцати-пятидесяти реальных случаев, а не из самых удобных примеров.
3. Срок в две-четыре недели. Дольше — и проект начинает жить собственной жизнью.
4. Критерии успеха и остановки, записанные заранее, до первых результатов.
5. Ответственный за приёмку. Не тот, кто делал, а тот, кто принимает работу.

Отдельно договоритесь, кто оценивает результат. Если оценку даёт автор проекта, она будет хорошей независимо от того, что произошло.

Данные и границы

До первого запроса решите, какие сведения допустимо передавать выбранному сервису. Персональные данные клиентов, коммерческие условия договоров и внутренняя переписка имеют разный режим, и смешивать их нельзя.

У поставщика стоит выяснить три вещи: где физически обрабатываются данные, используются ли они для обучения моделей и как долго хранятся запросы. Ответы должны быть в договоре, а не в презентации.

Для первого эксперимента часто достаточно искусственных примеров, если они близки к настоящим по структуре и сложности. Это снимает большую часть вопросов и не мешает проверить гипотезу.

Признаки, что пора остановиться

Остановка — нормальный исход, если она происходит вовремя. Поводы прекратить:

• Проверка результата стоит дороже, чем ручное выполнение.
• Качество нестабильно: на похожих входных данных результат то приемлемый, то нет, и закономерность не находится.
• Никто в компании не хочет владеть новым процессом.
• Выигрыш есть, но он меньше погрешности измерения.

Отсев — это норма, а не исключение. В том же исследовании MIT из компаний, оценивавших корпоративные решения на основе ИИ, до стадии пилота дошли 20%, а до промышленной эксплуатации — 5%.

Запишите причину. Через год кто-нибудь предложит то же самое, и эта запись сэкономит месяц.

Что делать с результатом

У пилота три честных исхода.

Масштабировать. Гипотеза подтвердилась, выигрыш измерен. Дальше нужны регламент, обучение людей, наблюдение за качеством и ответ на вопрос, что делает команда, если инструмент недоступен.

Переформулировать. Выяснилось, что узкое место не там, где предполагали. Это ценный результат: за месяц вы узнали о собственном процессе больше, чем за предыдущий год.

Отказаться. Затраты на контроль превышают пользу. Тоже результат, если он получен за четыре недели, а не за четыре квартала.

Пилот проверяет предположение, а не демонстрирует возможности.

Доведите один процесс до цифры и только после этого обсуждайте второй. Компании, которые начинают с десяти направлений сразу, обычно заканчивают презентацией вместо внедрения.