Роман Ткачёв
AI

Первый ИИ-проект в компании должен быть скучным. Иначе он, скорее всего, провалится

Для первого внедрения ИИ лучше выбрать не самый эффектный процесс, а понятную повторяющуюся задачу с измеримой проблемой, доступными данными и небольшой ценой ошибки. Такой проект проще проверить, довести до результата и затем масштабировать.

Первый ИИ-проект в компании должен быть скучным. Иначе он, скорее всего, провалится

Когда компания начинает интересоваться ИИ, список первых идей обычно выглядит впечатляюще:

  • создать цифрового директора;
  • автоматизировать принятие важных решений;
  • заменить целый отдел;
  • построить универсального агента для всех сотрудников;
  • внедрить корпоративный аналог ChatGPT.

Для презентации такие идеи подходят отлично. Для первого проекта гораздо хуже.

Чем шире задача, тем больше данных, интеграций, исключений и ответственных появляется внутри неё. В какой-то момент команда уже не понимает, что именно проверяет: возможности модели, качество данных, готовность процесса или способность подразделений договориться между собой.

Хороший первый проект выглядит скромнее

Например, компания получает сотни входящих обращений. Сотрудники читают их, определяют тему, срочность и ответственного, а затем переносят информацию в рабочую систему.

Первый ИИ-агент может выполнять только часть процесса:

  1. прочитать обращение;
  2. определить его категорию;
  3. извлечь необходимые данные;
  4. подготовить краткое содержание;
  5. предложить ответственного;
  6. передать результат сотруднику для проверки.

Такой сценарий не выглядит революционным. Зато его можно нормально измерить.

Компания знает, сколько времени обработка занимает сейчас, сколько обращений приходит, какие ошибки возникают и какой результат считается правильным.

У скучного проекта есть важные преимущества

Во-первых, у задачи понятные границы. ИИ не пытается управлять всем процессом и не принимает решения, последствия которых сложно отменить.

Во-вторых, доступны реальные данные. Для проверки можно взять обращения за прошлый период и сравнить работу системы с решениями сотрудников.

В-третьих, цена ошибки остаётся управляемой. Если агент неправильно определил категорию, человек может исправить её до следующего действия.

В-четвёртых, результат легко показать бизнесу. Не в формате «нейросеть отвечает довольно умно», а в конкретных показателях:

  • время обработки сократилось с 15 до 7 минут;
  • доля ручных операций уменьшилась;
  • количество пропущенных данных снизилось;
  • сотрудники стали быстрее отвечать клиентам.

Первый проект не обязан менять всю компанию

Его задача гораздо практичнее: доказать, что команда умеет выбрать подходящий процесс, подготовить данные, встроить ИИ в существующую работу и измерить результат.

После этого можно расширять сценарий, подключать новые источники, добавлять действия и переходить к более сложным процессам.

А попытка сразу построить универсальную AI-платформу часто заканчивается универсальной презентацией. Красивой, дорогой и не используемой в реальной работе.

Какой процесс вы бы выбрали для первого внедрения ИИ в своей компании?

55