Нейросети для бизнеса: сценарии использования и нюансы технологии

Чат-боты и нейросети — наиболее обсуждаемые технологии 2023 года в российском бизнесе. Размышляем об их возможностях и ограничениях.

По оценкам Gartner, генеративный искусственный интеллект (ИИ) стал главной технологией 2023 года. Проведенный компанией опрос топ-менеджеров показал, что 38% из них инвестируют в нейросети для улучшения качества обслуживания и удержания клиентов. Среди других целей – рост выручки (26%), оптимизация затрат (17%) и обеспечение устойчивости бизнеса (7%).

Российские компании тоже начали экспериментировать с нейросетями, стремясь оптимизировать деятельность. Чаще всего речь идет об использовании чат-ботов на основе нейросетей в различных процессах. Чтобы получить результат и корректно оценивать возможный эффект от внедрения технологии, важно знать о ее нюансах и ограничениях.

Чат-боты — это инструменты для организации взаимодействия с пользователями или клиентами. Существует два типа чат-ботов. Первый — простые, которые решают несложные повторяющиеся задачи: принимают обращения людей или применяются для проведения анкетирования. Они задают вопросы, уточняют информацию и предлагают типовые решения. Прообразом можно считать контакт-центры крупных компаний или банков, которые использовали IVR – интерактивное голосовое меню. В нем выстроено стандартное дерево диалога, которое помогает пользователю добраться до нужной функции или получить ответ на свой вопрос. Если этого не получается, идет переадресация на специалиста компании, который занимается решением задач.

Другой тип чат-ботов — более сложные, «умные» системы, которые пытаются понять контекст разговора и слова пользователя, адаптировать ответ под конкретный запрос. Для возможности строить и “ветвить” диалог разработчики применяют методы машинного обучения и нейросети.

Нейросети — это инструменты ИИ, которые могут решать интеллектуальные задачи без заданного алгоритма и целевого результата. Так, в 2017 году появились трансформеры — это тип нейросетей, которые не обрабатывают данные по порядку, а фокусируются на наиболее значимых элементах благодаря внутреннему «механизму внимания». Это позволило алгоритмам обрабатывать текст на естественном языке. Со временем появились сложные языковые модели, самые известные — GPT-3 и GPT-4, на основе которых сделан чат-бот Chat GPT. И это уже генеративный ИИ, который не только распознает, что пишет или говорит человек, но и создает контент по запросу пользователя — текст, иллюстрации, видео. Подобные системы сегодня настолько развились, что без труда проходят тест Тьюринга (математик Алан Тьюринг придумал тест, в котором человеку на основании ответов предлагается определить, с кем он коммуницирует – с другим человеком или программой). Следующим шагом в развитии нейросетей стало появление моделей, способных переводить письменную и устную речь на другие языки, из примеров – сервис HeyGen.

Чат-боты на основе генеративного искусственного интеллекта обладают большими возможностями: они могут продолжить текст или выстроить фразу исходя из статистики употребления слов в анализируемых фрагментах. В результате формируется максимально точный ответ на вопрос. Тут нет заложенного ветвления вариантов диалога или оно применяется частично. Система старается анализировать контекст, заданный пользователем ранее, и выявить цель запроса — это приближает ее к реальному поведению человека в разговоре.

Существует несколько основных сценариев использования чат-ботов на основе нейросетей в бизнесе.

«Умные» чат-боты выполняют рутинные операции быстрее и точнее — это позволяет снизить расходы на содержание избыточного штата сотрудников. При этом автоматизированные системы не могут заменить человека — они дают подсказки и формируют идеи, которые специалист дорабатывает до нужного результата. Как правило, можно рассчитать конкретные показатели эффективности интеллектуальной автоматизации бизнес-задач.

Второй эффект — ускорение процессов. Человеку для чтения документа в 100 страниц нужно не меньше часа. В автоматизированном режиме это займет секунды. Не все можно упростить, но ключевые стадии работы во многих сферах получится сделать быстрее. За счет этого компания получает выгоду, так как оперативнее принимает важные решения. Такая способность в отдельных отраслях достаточно критична.

Снижение рисков — еще один важный бизнес-эффект, который обеспечивают чат-боты. Так, иногда важно иметь дополнительное мнение по ситуации. В медицинском сообществе по сложной задаче собирают консилиум, чтобы эксперты вместе обсудили диагноз. Методы искусственного интеллекта позволяют получить другой вариант оценки, проверить задачи, документы или расчеты. Формируется более полная картина, а значит, вероятность совершить ошибку становится меньше.

Сейчас нейросети применяются там, где есть достаточное количество размеченных данных для их обучения. Те компании, которые глубоко автоматизировали бизнес-процессы в свой организации, получают от внедрения ИИ-инструментов максимум выгоды. Для начала работы с этим технологиями нужна хотя бы первичная автоматизация документооборота, технической поддержки, основных и вспомогательных бизнес-процессов в сфере управления финансами и персоналом. То есть в результате работы компании должны появляться массивы данных и датасеты, которые можно использовать для обучения нейросетей.

Новые технологии широко применяют в финтехе и ритейле, в ИТ и телекоммуникациях, а также в производственных отраслях, например, в металлургии. В других областях, где не накоплены массивы данных или сами задачи сложнее, применение нейросетей ограничено высокой ответственностью за результат. Это медицина, образование и социальные институции — там только начинают экспериментировать с нейросетями. Есть перспективы в сельскохозяйственной отрасли, но это скорее вопрос будущего, а не сегодняшнего дня.

По прогнозу McKinsey, растущие возможности генеративного ИИ приведут к тому, что в промежутке между 2030 и 2060 годами порядка 50% всех текущих рабочих процессов будет автоматизировано. Экономический эффект от применения нейросетей может составить от $2,6 до $4,4 трлн в год. При этом в стоимостном выражении воздействие генеративного ИИ будет заметнее всего в четырех областях: взаимодействие с клиентами, маркетинг и продажи, разработка программного обеспечения, исследования и разработки (R&D, НИОКР) .