«Наняли» нейросети вместо людей и кое-что поняли

На волне хайпа нейросетей мы отказали в найме дизайнеру и уволили подрядчика, у которого на нас работало 7 человек. Доверили GPT общаться с клиентами. «Ну и что, успешно внедрили ИИ?» — и да, и нет:) Мы успели преисполниться ИИ, но одновременно и почувствовали его ограничения.

Кажется, что все ремонтники — это суровые, большие дядьки в касках, таскают мешки с цементом и разговаривают исключительно матом. А технологии — это что-то из другой вселенной. Несколько месяцев назад мы в Interion решили свести этих два параллельных мира воедино.

Несколько месяцев назад мы в Interion решили свести этих два параллельных мира воедино. Ожиданий никаких не было, но решили идти по этому пути до последнего — пока не добьемся результата.

В планах было внедрить ИИ во все отделы, мы даже придумали кодовое название «проект AI». Но чтобы бытие не схлопнулось от такого столкновения, начали вводить ИИ с отдела маркетинга.

Это была первая мысль. Потом копнули глубже и поняли, что с помощью ИИ закроем ряд проблем. У бизнеса есть задачи, которые искусственный интеллект может решить. Самая актуальная — снизить издержки, особенно в кризисные времена, когда это вопрос выживания.

После сентябрьских событий нам пришлось уволить часть штата, а теперь, когда рынок ремонтов пришел в себя, задались вопросом — кого нанимать обратно, а без кого можно обойтись.

Поступили так: никого не наняли обратно, наоборот — уволили еще больше людей. Да, уволили, потому что нейросети справились с их задачами так же, а может даже и лучше.

Нам всегда нужен был дизайнер на парт-тайм. В основном для того, чтобы создавать креативы для контекста и таргета. Искать людей под разовые задачи надоело, поэтому встал вопрос о найме. Но сперва мы решили поиграться с Midjourney и запустили в тест креативы.

Сравним:

Возможно, это магия котиков, но креативы отработали так же, как и те, которые нам делали фрилансеры. Не лучше, не хуже — показатели были +- такими же. Поэтому мы решили, что нет смысла нанимать дизайнера на эти задачи, раз их может выполнять нейросеть с той же эффективностью.

Для SEO-продвижения у нас был подрядчик, на которого трудилось 7 человек — уволили. Да, писать тексты с ключами может и GPT. Копирайтеров/рерайтеров с бирж, которые пишут статьи с ключами и отзывы, можно вполне заменить.

По тошноте и водянистости они почти одинаковые, а вот качество текста по закону Ципфа у GPT выше в 2 раза.

Например, наш копирайтер использует GPT, как помощника, когда нет возможности пообщаться с экспертом. Так было со статьей для Дзена «Как делать ремонт квартиры, если ограничен бюджет» — фактуру собирали с помощью GTP.

Статью можно сравнить с предыдущими, которые не собрали и 2 к показов. А этой алгоритмы дали аж 10 к. Да, раньше статьи тоже набирали по 15-20 к, но и времени на написание и сбор информации уходило больше.

В аналитике нам помогает ML-модель для прогнозатора — пользуемся библиотекой XBoost в Python. Она упрощает работу по предсказанию значений и учитывает тенденции в зависимости от даты. Мы пробовали вводить нашу минималку и поисковые запросы — это делало модель точнее. Тем самым мы избегали ручного подсчета «пальцем в небо».

Пока сложно сказать, насколько модель достоверна и хорошие ли у нее предсказания. К примеру, она хорошо угадывает значение на месяц вперед, дальше точность снижается. Но выводы делать рано, будем смотреть еще.

Привязали к нашему онлайн-прорабу GPT и теперь он отвечает на вопросы по ремонту. Конечно, полноценные консультации проводят замерщики и дизайнеры на первых встречах, но предварительно поспрашивать и узнать для себя что-то полезное о ремонте можно.

Каких сотрудников заменит ИИ?

ИИ справляется с простыми и шаблонными обязанностями, которыми занимаются младшие сотрудники. Если у бизнеса есть нужда, то нейросети смогут выполнять их работу почти бесплатно. В итоге одни специалисты улучшат навыки и останутся полезными для компании, другие — потеряют работу.

Например, в сфере ремонтов очень сильно хромает автоматический расчет сметы. Нет такого ИИ, который мог бы заменить сметчиков. Но мы создали программу-помощника, который автоматизирует расчет.

Насколько можно доверять ИИ?

Для своих задач мы просмотрели около 500 нейросетей и начали использовать те, которые дают больше пользы и допускают минимум ошибок.

Наши выводы:

Перед тем, как что-то внедрять, нужно разобраться в механизмах и алгоритмах работы ИИ хотя бы поверхностно. Например, chatGPT не генерирует текст сразу на русском языке, а переводит с английского. Поэтому если вам нужен текст про российские реалии, где могут встретиться названия государственных программ, достопримечательностей и т.д., есть риск, что что-то пойдет не так:

Но все это рабочие моменты, которые можно исправить.

Какое будущее нас ждет?

Уже сейчас понятно, что ИИ дает много возможностей, но нужно научиться ими пользоваться. Вот что мы смогли сделать с помощью ИИ:

С каждой новой версией нейросети расширяют, а баги исправляют. Поэтому есть предпосылки, что получится добиться полной автоматизации и не контролировать ИИ вообще. Уже сейчас ИИ можно обучить, чтобы они «работали» под ваши задачи.

Тут есть прямая выгода для малого бизнеса и стартапов: с помощью ИИ можно автоматизировать бизнес-процессы, не платить за это кучу денег и конкурировать с теми, у кого есть бюджеты на развитие и большой штат. Но понятное дело, что это не волшебная палочка, и придется адаптировать и перенастраивать нейросети под себя.