AI, нейросети и другие умные слова: как малый бизнес может использовать их в свою пользу?

Все последние годы существовал разрыв. Крупные корпорации, особенно ИТ-гиганты и финансовый сегмент, успешно рапортовали об использовании систем искусственного интеллекта для оптимизации своих бизнес-процессов. Иногда с действительно хорошими результатами, иногда больше для пиара.

А предприятия малого и среднего бизнеса смотрели на все это как на «игрушки для богатых». У МСП весьма ограничен бюджет на любые IT-решения, плюс нехватка экспертизы и людей, способных на интеграцию подобных технологических решений.

Сейчас намечается сокращение этого разрыва и решения на основе нейросетей становятся доступны для малого бизнеса, как с точки зрения бюджета, так и с точки зрения отсутствия необходимости отдельного квалифицированного персонала. Но остается то самое непонимание: чем искусственный интеллект может быть полезен лично мне в моем небольшом бизнесе?

Какое принципиальное преимущество нейросети дают бизнесу?

По сути-то про искусственный интеллект говорят еще с середины прошлого века. Изначально речь шла об дескриптивной аналитике, которая на основе имеющийся информации давала ответ на простой вопрос: почему произошло то или иное событие? Далее произошел переход к предиктивной аналитике: что произойдет дальше?

Для бизнеса же самое главное значение имеет третья стадия — предписывающая аналитика (prescriptive analytics). Которая дает ответ на ключевой вопрос: что произойдет дальше, если мы сделаем то или иное действие?

Любой бизнес — это бесконечное принятие решений. Поэтому первое что нужно сделать — это понять какого рода решения вы хотите сделать более эффективными, используя возможности прогнозирования с помощью нейросетей. Внедрение не является самоцелью, а лишь инструментом.

Как выбрать бизнес-процесс, который нейросеть сделает эффективнее?

Сокращение технологического разрыва с крупным бизнесом происходит от того, что все большее количество решений появляется на рынке, которые легко интегрировать и которые не требуют в дальнейшем значительного участия со стороны предпринимателя.

Поэтому первоочередным может стать вопрос поиска «слабого места». Какие решения и процессы отнимают у вас больше всего времени? Где вы чувствуете себя неуверенно, поскольку решения приходится принимать интуитивно и не опираясь на конкретные расчеты и гипотезы?

Согласно статистике, нейросети чаще всего используются для оптимизации внутренних бизнес-операций. Это удел, прежде всего, производственных или торговых компаний с большим количеством рутинных операций, важностью своевременного прогнозирования наличия товаров на складе и т.д.

На втором месте, и я полагаю во многом как раз за счет малого и микробизнеса, находится вовлеченность клиентов (сustomer engagement) — 45%. Иными словами, каждая вторая компания, из тех где внедрено хотя бы одно решение на основе нейросетей, использует его для управления лояльностью клиентов. Что оправданно, т.к. поддержка взаимоотношений с клиентами, особенно в b2c, требует большого количества времени и трудовых ресурсов. Повышенная нагрузка приводит к ошибкам из-за человеческого фактора или отсутствию внимания в нужный момент, из-за чего можно потерять клиента.

На третьем месте — задачи по HR и управлению командой. Их использует каждая пятая компания из участвовавших в исследовании.

Что нужно учитывать при внедрении решений?

Решения на основе нейросетей будут эффективны только при соблюдении нескольких условий.

Первое — достаточный объем данных. Именно поэтому, кстати, нейросети чаще используются для анализа взаимоотношений с клиентами или для внутренних процессов, чем для HR-задач. Просто потому что достаточный объем данных по персоналу может быть только у крупного бизнеса, а у малого бизнеса с десятком сотрудников — слишком малая выборка.

Второе — чистота этих данных.

Лучше всего это пояснить на примере. Допустим, в части вовлеченности клиентов. У клиентов вашего бизнеса может быть семейная карта лояльности. В результате на поведенческий фактор влияют совершенно разные люди: муж, жена, старший ребенок, младший ребенок. Для нейросети это будут, скорее всего, бесполезные данные, в которых одна единица одновременно покупает, условно говоря, алкоголь, косметику и игры на приставку. Управлять лояльностью такого «франкенштейна» сложно — что, допустим, ему должна предложить нейросеть для повышения чека и допродажи? И через какой канал коммуникации — кто будет читать пушап-сообщение в телефоне или e-mail: папа, мама или кто-то из детей?

Ну и третье — скорость.

Есть такая штука про человека, которого спросили про вероятность встретить динозавра на улице. Он ответил, что 50 на 50 — может встречу, а может нет.

Нейросеть обязана давать не только довольно точный прогноз по событиям, которые произойдут при тех или иных действиях.

У малого бизнеса, как правило, нет времени на раскачку, поэтому решения на основе нейросетей должны максимально быстро давать обратную связь и показывать свою эффективность уже спустя месяц-два. В противном случае малый бизнес теряет свое преимущество в гибкости и адаптивности, а именно эти качества позволяют ему держать конкуренцию со стороны крупных компаний.

Резюмируя можно составить такой чек-лист по внедрению в бизнес современных решений на основе AI:

1) Определите ваше «слабое звено» - процесс и задачи, на которые уходит больше всего времени и сил, и в которых вы чувствуете недостаток знаний и навыков для эффективной работы

2) Оцените насколько эти решения можно автоматизировать с помощью нейросети: хватает ли данных? Насколько они корректны?

3) Если не хватает, то как можно повысить их количество и качество?

4) Изучите имеющиеся решения по автоматизации этих процессов и задач. Оцените насколько они трудоемки в части интеграции в действующий бизнес и, самое главное, насколько быстро они могут дать результат.