«Эксель», «Ворд» и роботы. Внедрили ИИ для обычных b2b-работяг.

Всем уже надоели эти примеры «использования ИИ для бизнеса», которые в сотый раз показывают генерацию картинок для рекламы или создание унылого SEO-текста для сайта. Так что сегодня я расскажу, как большие языковые модели помогают торговой компании в настоящей ежедневной хардкорной работе.

Меня зовут Александр, я руководитель компании FronTech AI. Мы внедряем корпоративный искусственный интеллект в малый и средний бизнес для автоматизации реальных задач. Абстрактные статьи раздражают всех, включая меня. Поэтому сегодня расскажу о кейсе автоматизации поставщика складского оборудования при помощи искусственного интеллекта — с фактами, цифрами и ценами.

В кейсе заказчик не захотел раскрывать название компании и попросил избегать описания некоторых внутренних бизнес-процессов. Но он согласился поделиться информацией об общей структуре проекта, бюджетах и некоторых результатах.

В начале 2024 года к нам обратился Владимир – собственник компании по поставке складского оборудования. Классическая B2B-торговля с ежегодным оборотом около 1,2 млрд. рублей в год и штатом чуть больше 70 человек. Бизнес чувствовал себя устойчиво, но с 2020 года масштабировался с трудом. Выручка год к году росла в основном за счёт повышения цен, которые росли вслед за изменением курса валюты.

Это знакомо многим: продажи часто считаются «узким горлышком» в компании, и считается, что именно плохие продажи мешают ей развиваться и расти. Далеко не всегда такое мнение справедливо, иногда истинные причины лежат куда глубже и выходят далеко за рамки отдела продаж. Но в данном случае описанные Владимиром проблемы действительно существовали и он активно искал их решение. При этом трезво осознавая, что виноваты в этой ситуации отнюдь не сотрудники.

Что собственнику хотелось решить в первую очередь:

Снизить «текучку» среди менеджеров по продажам. В отделе продаж происходила постоянная ротация менеджеров, и периодическая смена РОПов. Эта карусель чем-то напоминала массовый найм: на испытательный срок набиралось 7-10 менеджеров, но в процессе большинство из них отсеивались. Кто-то уходил самостоятельно, кто-то не смог выполнить минимальный план продаж и пройти испытательный срок. После окончания испытательного срока из десятка кандидатов в отделе мог остаться буквально один-два человека. Нередко случалось и так, что из двадцати соискателей испытательный срок не проходил никто. И так до нового «раунда».

Продажи держались на нескольких опытных менеджерах, которые работали давно, имели наработанную базу постоянных клиентов и не сильно нуждались ни в новых клиентах, ни в новых конкурентах в лице новичков. Не могу сказать, что стажёров выживали из компании. Но и помогать новым сотрудникам мало кто хотел, даже за щедрую денежную мотивацию. Ситуация была стабильной и не критичной, но процветанию компании способствовала мало.

Повысить качество обслуживания клиентов. Под качеством обслуживания я подразумеваю вполне банальные вещи: быстро найти подходящий клиенту товар, грамотно написать письмо с предложением, вовремя обработать входящие заявки. Всего этого в компании на тот момент не было; каждый сотрудник обслуживал клиентов в меру своих врождённых способностей и уровня прокрастинации.

Во время предпроектного обследования нам даже удалось выявить сотрудника, который в переписке общался с клиентами на чрезвычайно простом и незамысловатом языке. С точки зрения клиента, такое общение вполне можно было бы счесть за хамство. Хотя в действительности менеджер хамить и не собирался, просто у него отсутствуют базовые коммуникативные навыки и делового этикета. Справедливости ради, по телефону этот же менеджер общается как волк с Уолл-Стрит, аж заслушаешься.

Снизить нагрузку на РОПа и зависимость менеджеров от него. Хорошего руководителя отдела продаж сложно найти, легко потерять и невозможно забыть. Поэтому РОПы в компании раз в пару лет менялись, что приводило к очевидной проблеме: новому руководителю приходилось долго разбираться в делах, оставленных предшественниками. Это означает, что такой человек первые несколько месяцев малополезен для компании, но при этом получает приличные деньги.

Кроме того, у РОПа есть регулярные рутинные задачи, которые отнимают много времени: формирование отчётов по продажам, контроль работы подчинённых менеджеров по формальным признакам, решение вопросов с соседними отделами, а иногда и личное участие в продажах. В итоге времени на реальное развитие отдела и качественное обучение новых сотрудников не остаётся, весь ресурс съедает рутина.

Однако, не только отделу продаж нужна была помощь. Ещё на пресейле в проект включился HR-отдел, у которого были свои свои проблемы и взгляды на их решение. Мы решили удовлетворить притязания HR на толику современных технологий, поэтому совместно с ними была поставлена ещё одна задача, относящаяся ко всей компании:

Упросить адаптацию новых сотрудников компании. В отличие от отдела продаж, в других отделах, таких как закупки, склад или логистика, дела шли гораздо лучше. Увольнялись люди редко, но как раз начался активный найм новых сотрудников под новые проекты, такие как выход на маркетплейсы. Здесь важно, что HR и рекрутеры финансово замотивированы не на найм, а на удержание сотрудника. Премию за трудоустройство нового работника они получают только после того, как новый человек отработает в компрании три месяца. Поэтому им интересны любые инструменты для облегчения адаптации сотрудника, чтобы в самые сложные первые несколько недель работы он чувствовал себя максимально комфортно и не задумывался об уходе.

С точки зрения обывателя вышеописанные проблемы решаются легко: дай сотрудникам нормальную зарплату, напиши регламенты и спрашивай за них. В идеальном мире это работает, в реальном – нет. Опытные руководители прекрасно понимают, что материальная мотивация не коррелирует с качеством работы, а регламенты работают хуже, чем можно себе представить. Это не означает, что не нужно платить достойную зарплату или регламенты бесполезны. Нет, это означает лишь то, что этого может оказаться недостаточно для дальнейшего роста компании.

Именно в таких ситуациях можно наиболее эффективно раскрыть возможности искусственного интеллекта. Тут он поможет хотя бы частично компенсировать некоторые человеческие недостатки: невнимательность, забывчивость, низкую скорость работы и неспособность быстро осваивать большой объём информации (для большинства людей). И следовательно ускорить бизнес-процессы и повысить качество обслуживания.

Для автоматизации подобных проектов чаще всего мы используем собственную платформу корпоративного искусственного интеллекта – FronTech Atlas. Он обучается на корпоративных документах: регламенты, скрипты, прайс-листы, первичная бухгалтерская документация. Но приятнее то, что Atlas можно подключить к информационным базам, например, к 1С или CRM-системе. Благодаря этому можно автоматизировать работу отдела продаж, закупок, склада, доставки, сервиса, HR-департамента и в целом любой службы, где существуют какие-либо цифровые данные.

Всё началось с него. Мы не сторонники того, чтобы внедрять ИИ туда, где подойдёт классическая автоматизация или где автоматизация не требуется вовсе. Бывает достаточно простого изменения бизнес-процесса для решения вопроса, без применения каких-либо технологий. Поэтому проводим обследование, смотрим на реальные обстоятельства и уже потом принимаем решение о том, где может быть полезен ИИ, а где это пустая трата денег.

Так как основная боль для собственника компании исходила от продаж, мы начали с тщательного анализа работы этого отдела. Я не буду погружаться в детали обследования, скажу только, что на неделю мы погрузились во всё происходящее в этом отделе – включая прослушивание звонков и пошаговый анализ работы в 1С. А также проанализировали ситуацию более широко, пообщавшись с рекрутерами и HR, и только после этого подготовили отчёт об обследовании.

Отчёт это PDF-документ с результатами предпроектного обследования на 10-20 страниц. Кажется, что это немного, ведь многие интеграторы, которые занимаются классической автоматизацией, составляют документы и по 100 страниц. Но если присмотреться, то окажется, что 80% этого контента это вода или никому ненужные скриншоты для раздувания файла. И крайней редко кто-то со стороны заказчика сидит и внимательно вычивает всю сотню страниц, обычно листают «по диагонали». Так что мы идём от обратного – обеспечиваем максимальную плотность информации и минимальное количество страниц, чтобы у заказчика нашлось время прочитать отчёт «от корки до корки».

Вопреки нашим первоначальным ожиданиям выяснилось, что проблема заключалась отнюдь не в том, что зарплата, условия труда или поставленные задачи не соответствовали рынку: наоборот, они оказались даже несколько лучше рыночного предложения в этом регионе – это мы проверили лично на HeadHunter. Причина трагедии была банальна – отсутствие возможности или понимания руководства того, как работать с не очень компетентными сотрудниками. И это не редкость. Часто работодатель считает, что поставив достойную зарплату и купив вкусные печеньки на кухню к нему выстроится очередь из сейлзов, которые с порога начнут продавать как боги и перевыполнять план на тысячи процентов. Но спрос на действительно хороших, активных и компетентных продажников высок – он сопоставим со спросом на синьоров в IT, а может быть и выше. В реальности приходится работать не со звёздами, а с самыми обычными людьми, которым до «акул продаж» очень далеко и вообще в продажи они пошли от безысходности, а не от любви к профессии. И даже если руководитель захочет принять эту реальность, то что-то сделать для её улучшения пытаются немногие, а получается у единиц.

Если дело в людях, то чем сможем помочь автоматизация? Раньше с этим были сложности, но с появлением ИИ-инструментов, компьютеры готовы стать хорошим помощником в некоторых задачах. Например, ИИ может помочь новым сотрудникам начать продавать быстрее, снизить время всех сейлзов на рутинные задачи и сократить количество возможных ошибок (даже неправильно названные характеристики могут привести к конфликту с клиентом). И в данной ситуации нужно было стремиться к снижению человеческого фактора в этом процесса до минимума. Если этого не сделать и оставить бизнес-процессы «завязанными» на людей, то сотрудники так и останутся зависимы от факта, есть ли у РОПа или более опытных сотрудников время и желание помогать новичкам. Как это выглядит в реальности – увидим дальше.

Мы начали со сбора всей документации по отделу продаж, обработки и загрузки в ИИ-систему. В неё были загружены:

Если с регламентами всё просто, то с информацией о продукции обычно всё немного сложнее. Часто техническая информация и описание товаров есть в PDF-каталогах, а вот актуальные цены, внутренние артикулы и остатки содержатся в информационной базе. В этом проекте, такой базой была 1C:ERP Управление предприятием 2. Разумеется, это уже давно не «коробочная» ERP, а сильно доработанная местными умельцами программа, что привело к сложности при интеграции с корпоративной ИИ-системой.

А вот информация по клиентам, лидам и сделкам хранилась в CRM-системе Битрикс24. Причём в OnPremise-версии, которая размещается на сервере заказчика, а не в облаке Битрикса. Отягчающим обстоятельством являлось то, что коробочная версия также была в своё время сильно допилена и не обновлялась больше шести лет. Поэтому под интеграцию с 1C:ERP и Битрикс24 нам пришлось фактически писать коннекторы с нуля, с учётом всех этих доработок.

Когда коннекторы были настроены система Атлас смогла обращаться в ERP за информацией о товарах, а в CRM-систему по лидам или сделкам. Ко внутренней документации Атлас обращается тогда, когда вопрос касается бизнес-процессов, должностных обязанностей или общей корпоративной информации.

Для задач по онбордингу и адаптации новых сотрудников, которые мы закрывали HR, был подгружен примерно такой список документов:

А также был подключён 1С:ЗУП, но лишь с одной целью – чтобы дать каждому сотруднику возможность узнавать остаток по отпуску. Впоследствие выяснилось, что эта опция оказалась весьма востребована. Ведь раньше за информацией об отпуске приходилось топать на другой этаж и дёргать «кадровика», чтобы он закатил глаза и проверил эту информацию в ЗУПе. В общем, мелочь, а приятно всем. Наверное, даже кадровику.

В общих чертах, итоговая схема выглядит так:

Это не секрет. Обычно мы рассматриваем три варианта LLM, которые будут перемалывать данные для нашей ИИ-системы:

Вариант один: Наша собственная версия LLAMA-2. Работает на сервере Заказчика, позволяет создать полностью приватный контур для обработки данных. Но… это весьма дорого как при внедрении, так и при сопровождении системы. А при выходе новой лламы нас ждёт частичное перевнедрение (что и произошло с выходом LLAMA-3).

Вариант два: GigaChat от Сбера. Для тех, кто готов обрабатывать данные онлайн, но кому по каким-то причинам подходит только отечественное ПО. Из минусов можно отметить проблемы с математикой и логикой, при ценнике на API сопостовимым с GPT. Поэтому выбираем её только для маленьких проектов с небольшим количеством данных и отсутствием больших амбиций к развитию системы.

Вариант три: GPT от OpenAI. В большинстве случаев это самый оптимальный выбор по соотношению цена-качество. Есть свои нюансы, но большинство из них решаемы. И всё же это самая передавая и стабильная LLM-модель. А что ещё нужно бизнесу?

После проведения ряда тестов с данными клиента, было очевидно, что наиболее подходящей LLM здесь будет GPT от OpenAI. LLAMA банально не проходила по бюджету проекта, да и компания не нуждается в параноидальной конфиденциальности данных. GigaChat не «вывез» работу с большим количеством товаров, всё время путаясь в ответах и теряя нить повествования в диалогах. В то же время, GPT справился с тестовыми задачами вполне достойно, допуская минимальное количество ошибок и давая больше простор для дальнейшей разработки.

С чем мы столкнулись здесь?

Универсальные проблемы:

Неактуальные данные в 1С. Дубли товаров, товары с неправильной ценой и характеристиками, товары с неправильными наименованиями, неверные остатки и так далее. Поэтому нам вместе с заказчиком пришлось «причесать» номенклатуру в базе прямо в процессе внедрения. Благо, что часть проблем решается написанием обработок в 1С, но было и много того, что пришлось исправлять руками. С другой стороны, работа по приведение базы в порядок полезна всегда, даже без внедрения ИИ.

Отсканированные документы. А точнее, плохо отсканированные документы. Некоторым документам в компании исполнилось почти 20 лет и существуют они только в виде сканов. Очень плохих и очень некачественных сканов. Если такие документы важны для работы системы, то мы пытаемся распознать их через OCR, а если это не помогает, то «распознаём» вручную.

Устаревшие регламенты. И это тоже встречается почти в каждой компании. Когда начинаешь внимательно читать регламент, то быстро выясняется, что очень многие пункты из него неприменимы в настоящее время. Например, мы нашли регламент по работе в 1С, который был написан до существенных доработок в ней и потому уже давно потерял свою актуальность. Забавно то, что каждый пришедший в компанию сотрудник формально знакомился с ним и подписывал его, хотя чисто технически он максимально устаревший и бесполезный. В таких случаях мы или просим заказчика актуализировать (а иногда и написать с нуля) такие документы, или просим показать на пальцах весь бизнес-процесс, а потом пишем регламент сами. Разумеется, если реальный процесс будет изменён, то в систему ИИ потребуется загрузить свеженький документ.

Уникальные проблемы:

Каталоги продукции в виде сканов. Как так получилось, объяснить не смог никто в компании, но каталоги продукции некоторых поставщиков существовали только в виде сканов, снятых с бумажных каталогов. Опять же, назвать такие сканы качественными язык не повернётся – размытия, полосы, загнутые страницы и неровный угол наклона – это меньшее с чем мы столкнулись. По части продукции ни цифровых PDF-копий, ни бумажных оригиналов каталогов не было. А получить новые у производителя оказалось затруднительно ввиду того, что продукция заезжает в стрну как бы параллельным импортом и официально в России отсутствует.

Таблицы Excel на сотни столбцов. Часть важной информации для отдела продаж хранилась в Excel-файлах, которые систематически дополнялись. И это не было бы проблемой, если бы количество столбцов в некоторых файлах не переваливало за несколько сотен! Всё было настолько плохо, что на стандартных рабочих ноутбуках пользователей Excel с трудом переваривал такие документы и местами серьёзно тормозил. Работа с такими файлами затруднительна и для человека, и для современного ИИ. Поэтому вместе с заказчиком нам пришлось перестроить бизнес-процесс, который исключает необходимость иметь такие файлы. Как выяснилось, необходимости никогда и не было, просто когда-то так повелось и по привычке все так и работали. Так что мы изменили структуру таблицы и новые файлы уже были в более адекватном формате. Старые таблицы нам пришлось «разрезать» на куски и подгрузить в Атлас в более компактном формате.

Конечно, в процессе внедрения мы стоклнулись с огромным количеством других мелких проблем. Но в целом игра стоила свеч: мы привели в порядок большой объём документации и номенклатуры в 1С, до которых у заказчика давно не доходили руки.

Давайте разберёмся, ради чего была проделана вся эта работа.

Ради того, чтобы помочь менее опытным и талантливым менеджерам продавать лучше, а следовательно, снизить текучку в отделе продаж, затраты на найм и удержание.

Ведь текучка была напрямую связана с тем, что в первые месяца работы менеджеры не могли выполнить даже минимальный (и, на мой взгляд, вполне адекватный) план продаж и либо сливались сами, либо попадали под увольнение. А ещё получилось предоставить абсолютно всем сотрудникам компании небольшие, но приятные плюшки, которые не так уж и сложно реализовать через LLM.

Так что теперь менеджеры по продажам могут:

Сделать запрос на поиск товара: «Подбери штабелер грузоподъёмностью 2 тонны не дороже 3 миллионов» и через несколько секунд системы выдаст варианты из номенклатуры 1С, с названием, ценой, артикулом и характеристиками. Запросить разъяснение термина на понятном языке, например: «Что такое такеллажная система?».

Сделать выборку по своим клиентам из CRM: «Покажи всех клиентов, которые покупали складские напольные весы за последние 3 месяца» или «Когда ООО Глазурь покупала в последний раз?».

Попросить ИИ составить коммерческое предложение: «Составь коммерческое предложение с характеристиками и стоимостью товара X для Иванова Ивана Ивановича». Далее этот текст достаточно скопировать и вставить в письмо для отправки. Проверить своё письмо на грамматические или технические ошибки. Нужно вставить черновик письма и попросить проверить его. ИИ проверит не только грамматику, но и может сверить характеристики товара с базой 1С, если это необходимо.

Разъяснить регламент: «Ухожу в отпуск, что нужно сделать?». В ответ система предоставит информацию о том, что на основе регламента необходимо подписать заявление в отделе кадров не менее, чем за 3 недели, передать лиды и сделки заменяющему менеджеру, а также уведомить клиентов о своём отпуске. Кстати, ссылка на сам регламент присутствует в ответе – его легко открыть одним кликом.

И ещё множество интересных вещей. Благодаря этому мы убрали главные проблемы новых сотрудников в отделе продаж: отсутствие качественного обучения по продукции и потребность в постоянном внимании со стороны РОПа или более опытных коллег. Большинство «глупых» вопросов, которые обычно новички задают своим коллегам, теперь решаются при помощи обращения к ИИ. За 6 месяцев после окончания проекта нам удалось подсчитать результат: снижение «текучки» в отделе продаж на 30% без изменения системы найма и мотивации. Если ранее при самом удачном раскладе после первого месяца работы выживало 2 из 10 стажёров, то сейчас эта цифра выросла до стабильных 5 из 10. Мы вновь увидели что, любая поддержка, даже если она идёт от ИИ, позволяет большинству сотрудников показывать более быстрые и качественные результаты.

HR-отдел теперь тоже посылает лучи добра. Для них была реализована поддержка ИИ в адаптации всех новых сотрудников, а не только отдела продаж. Например, сейчас каждый сотрудник может сделать запрос «Сколько дней отпуска у меня осталось» и максимум через 10 секунд получить информацию об остатке отпускных дней. А также, новый сотрудник может узнать у системы:

Большинство вопросов, которые возникают у новичка после выхода на работу, теперь не нужно выяснять у HR-ов или коллег – можно сделать запрос в систему и получить ответ понятным человеческим языком. А если что-то осталось не ясным, то сделать ещё один запрос.

Я не могу вставить запись видео из системы заказчика, так как ответы ИИ содержат коммерческие данные. Но вот короткая зато очень понятная гифка из нашей демо-базы о том, как это работает.

После нескольких месяцев реальной эксплуатации, результаты заказчика удовлетворили и подогрели интерес к автоматизации других отделов. Поэтому сейчас мы расширяем работу системы Atlas на склад, отдел доставки и отдел закупок.

Теперь к самому интересному – к деньгам.

В общей сложности проект обошёлся заказчику в 1,135 млн. рублей, это примерно 0,09% от годового оборота компании. Важно отметить, что это цены полугодовой давности, с тех пор кое-что изменилось ( / токсично кивает в сторону курсы валюты /). Но для таких проектов не всегда нужно искать миллион. Сейчас минимальная планка на внедрение составляет 285 000 руб. и многие компании начинают с этих цифр, а через какое-то время просят добавки – за отдельный бюджет.

Стоимость проекта могла быть меньше, если бы заказчик самостоятельно приводил свою базу и документацию в порядок. Но у него такая возможность отсутствовала, поэтому нашей команде пришлось взять эту работу на себя. Также на итоговую сумму повлияла доработка коннекторов с 1С и CRM. Это связано с тем, что системы заказчика были ранее серьёзно «перепилены» и требовали особого подхода. Да и некоторые доработки в самой 1С пришлось производить тоже нам.

Три с половиной месяца – это срок, который заняла автоматизация от предпроектного обследования до ввода в рабочую эксплуатацию. Если смотреть весь портфель проектов, то самые быстрые укладываются в три недели, а некоторые растягиваются до года. Всё зависит от хотелок заказчика и сложности их воплощения в жизнь.

Корпоративный искусственный интеллект – это совсем новый и потому не всем понятный вид автоматизации. Большинство предпринимателей либо не знают о возможностях современных LLM, либо не считают их интересными и полезными конкретно для себя. Отчасти проблема в тех псевдо-кейсах про рерайтинг текста и генерацию картинок, о которых я писал в самом начале статьи. Но есть и другая категория руководителей. Они настолько воодушевлены перспективами ИИ-хайпа, что иногда нам приходится серъёзно охлаждать их ожидания.

Одними кейсами сыт не будешь, поэтому лучше посмотреть на всё своими глазами. Оставляйте заявку на нашем сайте, это бесплатно и без SMS. Всего один получасовой созвон в Google Meet — и вы узнаете всё о том, как работает корпоративный ИИ, какие есть ограничения и где его можно применить конкретно в вашей компании…

А почему бы и ДА?!