Снизить издержки, автоматизировать процессы и прогнозировать спрос — лишь малая часть задач, с которыми бизнесу помогает искусственный интеллект. Рассказываем, как нейросети снижают нагрузку на сотрудников и что нужно учитывать при их внедрении.
Статья будет полезна:
- Руководителям компаний и подразделений, которые хотят повысить эффективность работы и оптимизировать бизнес-процессы с помощью искусственного интеллекта.
- Предпринимателям, интересующимся новыми технологиями и их применением в бизнесе.
- Специалистам по маркетингу, продажам и управлению персоналом, которые могут использовать искусственный интеллект для улучшения своих профессиональных навыков.
- Студентам и аспирантам, изучающим бизнес и менеджмент, чтобы получить представление о современных тенденциях развития искусственного интеллекта в деловой сфере.
План статьи
Этот материал поможет предприятиям малого и среднего бизнеса познакомиться с базовыми принципами работы ИИ, выбрать модель, оценить пользу от их внедрения. Понимание этих систем помогает и в оценке онлайн-репутации, поскольку поисковики широко используют нейросети для ранжирования выдачи.
Что такое нейронные сети
Нейросети — подтип искусственного интеллекта (ИИ, AI), решающий сложные задачи по анализу крупных массивов данных. Он помогает бизнесу в автоматизации рутинных процессов: пишет текст, общается с клиентами, рисует иллюстрации. Каждая нейросеть является искусственным интеллектом, но не каждый ИИ — нейросетью:
- Искусственный интеллект (ИИ, AI) — виртуальная машина, которая обрабатывает данные и решает с их помощью поставленные задачи в автоматическом режиме.
- Машинное обучение (ML) — направление ИИ, сфокусированное на самостоятельном обучении с использованием заданного датасета.
- Нейросети — инструмент ML, который использует искусственные нейронные связи для оценки взаимосвязей.
Датасет — ключевая часть ИИ. Это массив данных, который формирует интеллект и память системы.
Иван Коротеев
Федеральный спикер по искусственному интеллекту, выпускник МГТУ им. Баумана
Самый простой пример — черный ящик. Пользователь дает на входе ящика задание, например, нарисовать изображение. И получает результат на выходе. Результатом будет картинка, музыка, видео и даже готовый сайт.
Оксана Полищук
Старший преподаватель кафедры корпоративных финансов и корпоративного управления, факультет экономики и бизнеса, Финансовый университета при Правительстве Российской Федерации
Нейросети имитируют работу человеческого мозга. Они состоят из узлов, называемых «нодами», которые объединяются в различные уровни — «слои». Входной слой принимает данные, например, изображения или текст, затем скрытые слои обрабатывают эти данные, а выходной слой генерирует результат, такой, как распознавание образов или принятие решений на основе входных данных.
Преимущества ИИ
Цифровые технологии открывают доступ к большому количеству информации, однако ее нужно хранить и обрабатывать. Согласно исследованию корпорации IBM, в 2021 году до 95% бизнесов работали с неструктурированными БД. При этом неструктурированными оказывались до 80% данных во всем энтерпрайс-сегменте.
Неструктурированные данные проще собирать и хранить в «озере данных», под эти решения дешевле содержать облачную инфраструктуру формата pay-as-you-use. Аналитикам бизнеса легче искать нужные сведения по целевым критериям, а не только по заранее заданным категориям. Например, из неструктурированного массива переписок можно выбрать только те сообщения, которые написаны в определенной тональности: негативные отзывы, критика компании, посты о конкретных бизнес-событиях.
Но у такого подхода есть обратные стороны. С неструктурированными данными сложнее работать, они требуют от аналитиков компании опыта. Нейронные сети решают эту проблему: они оценивают массивы разрозненной информации, находят в них неочевидные закономерности и распределяют по кластерам.
Какую роль нейросети играют в бизнесе
ИИ берут на себя те задачи, которые раньше нужно было выполнять вручную. Эти решения экономят время, устраняют влияние человеческого фактора и повышают точность результатов.
Аналитика
В традиционной бизнес-структуре аналитики используют комплексные формулы, точность которых зависит от множества переменных. Такой подход применяют в юнит-экономике. При достаточно высокой выборке погрешность снижается практически до нуля. Однако чем больше данных, тем сложнее с ними работать в ручном режиме и тем больше времени это занимает.
Нейронные сети выполняют для компании функцию «умного» калькулятора: они анализируют большие объемы данных и составляют формулы со всеми актуальными переменными, включая те, которые мог не заметить «живой» аналитик.
Например, компания X5 Group задействует ИИ-сервисы для анализа деятельности своих магазинов. С их помощью определяют пиковые часы, нагрузку на продавцов, остаток товара, средний чек и другую метрику, которая помогает оптимизировать логистику и маркетинг, предлагать новые бизнес-идеи.
Текст
Исследование Visual Capitalist указывает, что 83% открытых нейронных сетей составляют текстовые модели. 60% приходятся на ChatGPT — продукт OpenAI.
AI-сервисы составляют описания, переводят готовый контент на другие языки, пишут сценарии для роликов, генерируют новые идеи. Они помогают наполнять Яндекс Дзен контентом, если эта платформа выступает в качестве дополнительного канала для продвижения бизнеса.
Все крупные языковые ИИ построены на базе GPT-технологий, или «генеративных предобученных трансформеров». Это специализированные решения, которые обрабатывают и генерируют текст, их легче обучить и масштабировать. Для конечного пользователя общение с текстовыми сервисами похоже на обычный человеческий диалог.
GPT-решения легко адаптировать под текущие задачи. Например, если бизнесу нужен бот, который напишет описания для нескольких сотен или тысяч товаров на основе их характеристик.
Графика
Графические ИИ действуют по тому же принципу, что и человеческое зрение: они замечают паттерны, на основе которых нейронные связи анализируют полученную информацию. Затем, в зависимости от сервиса, ИИ может опознать предмет на фото или сгенерировать похожее изображение.
Сервисы, обученные на графических датасетах, генерируют картинки по запросам пользователя. Это может быть логотип бизнеса, абстрактный фон для карточки товара или серия картинок для иллюстрации видеоролика. Мы используем графические нейросети, чтобы подготовить обложки для материалов в нашем блоге — это экономит время, помогая придерживаться единого визуального стиля.
Общение с клиентами
ИИ-продукты применяют в ORM-маркетинге. Эти решения помогают в короткий срок отработать несколько сотен отзывов — положительных и отрицательных. Можно задать роль и предложить другие идеи, на основе которых AI-бот сгенерирует ответ, близкий к естественному языку.
Какие инструменты искусственного интеллекта используют бизнесы
Выбор технологии AI зависит от требований вашего бизнеса. Инструменты искусственного интеллекта разделяют на кастомные (системы, разработанные для конкретных предприятий) и открытые. В зависимости от типа эти ИИ построены на базе традиционных алгоритмов или искусственных нейронных сетей.
Машинное обучение (ML)
Бизнес внедряет этот тип искусственного интеллекта, чтобы:
- собирать и каталогизировать сведения о клиентах и продажах;
- провести автоматизацию бизнес-процессов, экономя время специалистов;
- улучшить безопасность, нивелировать возможность недобросовестных схем;
- управлять финансами.
В классическом понимании машинное обучение — система, которая парсит данные и обучается на них при помощи традиционных алгоритмов. Пример ML-системы — голосовой ассистент Siri, интегрированный в технику Apple. Базовая версия Siri применяла набор заранее заданных правил для распознавания голоса и выдачи ответа, хотя потом часть задач отдали нейронным сетям.
ML-программы используют бизнесы, которые работают с малыми датасетами и у которых нет производительных серверов для работы нейронных сетей. Например, с помощью машинного обучения у комплаенс-отдела бизнеса появляется возможность предупреждать подозрительные финансовые операции.
Глубокое обучение (DL)
Бизнес внедряет программы глубокого обучения, чтобы:
- выполнять анализ сведений о клиентах, предлагать личные оферы на основе их поведения;
- прогнозировать бизнес-риски;
- распознавать речь;
- генерировать идеи, создавать готовый контент.
Глубокое обучение — технология ML, в которой алгоритмы и вычислительные блоки, нейроны, объединены в искусственную нейронную сеть. Их сложнее обучить, но они лучше справляются с большими объемами материалов.
Обработка текстов на естественном языке (NLP)
Бизнесы интегрируют NLP-решения, чтобы:
- собирать запросы клиентов в чате поддержки;
- выполнять анализ запросов, выявлять их интент;
- отвечать на базовые вопросы, передавать команде специалистов сложные кейсы;
- анализировать текстовые документы, собирать сведения.
Обработка естественного языка (Natural Language Processing, NLP) проходит в два этапа: предварительная обработка материала и разработка алгоритмов. Предварительная обработка включает удаление стоп-слов, лемматизацию, стемминг, токенизацию и тегирование частей речи.
Иными словами, датасет упрощают и структурируют. Это занимает время, поэтому многие сервисы применяют свободные предобученные модели. NLP-системы работают на базе традиционных алгоритмов или нейронных сетей.
При помощи NLP клиенты общаются с сервисом на человеческом языке, вместо того чтобы ждать ответа специалиста или искать нужную функцию вручную. Их используют чат-боты всех крупных компаний, включая бизнесы e-commerce (Amazon, сервисы Сбера), IT (Яндекс, Google) и поставщики услуг (Ростелеком, Мегафон). Чат-боты помогают предприятиям среднего и малого бизнеса отвечать на запросы клиентов без большого штата специалистов поддержки.
Техническое зрение
Бизнесы внедряют ИИ-решения этого типа для того, чтобы:
- распознавать рукописные документы;
- сегментировать графические файлы на категории;
- распознавать объекты, лица людей;
- контролировать целостность объектов, вовремя реагировать на внештатные ситуации.
Техническое зрение помогает считывать сведения с цифровых носителей: картинок, фотографий или видеозаписей. Техническое зрение — комплексная система, которой нужны самые крупные датасеты.
Техническое зрение основано на принципах сверхточной нейронной сети (Convolutional Neural Network, CNN). Эти решения симулируют принцип работы зрительной коры человеческого мозга, но, в отличие от людей, техническое зрение не устает и не «замыливается» со временем.
Что учитывать при работе с AI
В зависимости от цели бизнес может задействовать кастомную или открытую модель нейронных сетей. У каждого решения есть свои преимущества, недостатки и особенности, которые стоит учитывать при работе.
Оксана Полищук
Старший преподаватель кафедры корпоративных финансов и корпоративного управления, факультет экономики и бизнеса, Финансовый университета при Правительстве Российской Федерации
Кастомная нейросеть необходима в случаях, когда задачи бизнеса требуют индивидуального подхода. Например, если бизнес работает в специфической отрасли и сталкивается с проблемами, которые не могут быть решены стандартными моделями. В других случаях, когда ресурсы на разработку ограничены или для текущих целей существует готовая открытая модель, компания может ограничиться существующими решениями.
Безопасность
Для нейронных сетей нужны крупные БД с конфиденциальными сведениями о клиентах, продажах и внутренних процессах бизнеса. Устойчивость к целевым атакам — главный критерий при тренировке ИИ. Кроме того, следует учитывать:
Этический аспект. Нейронные сети могут непреднамеренно закрепить или усилить предубеждения по отношению к определенным группам или лицам. Кастомные ИИ-боты требуют ручной перепроверки.
Устойчивость к атакам. Нейронные сети, в частности, графические решения, уязвимы для целевых атак. Злоумышленники могут сфабриковать изображение или предмет, который «обманет» ИИ. Например, фальшивые автомобильные номера или маски, которые мешают биометрическому распознаванию.
Сложность интерпретации. Во время обучения ИИ может выстроить ложные взаимосвязи, которые приведут к погрешности на выходе. Эти погрешности не получится проверить или исправить точечно — нужно дообучить машину.
Соответствие нормативным требованиям. При обучении кастомного ИИ бизнес должен следовать местным законодательным актам, особенно в отношении конфиденциальности (например, GDPR в Европейском союзе).
Поиск датасета
Открытые AI, обученные на свободных базах знаний, подойдут для решения базовых задач бизнеса. Они отвечают на общие комментарии, пишут информационные статьи, рисуют иллюстрации, предлагают идеи. Кастомные ИИ, которые решают специализированные задачи, нужно дообучить на основе внутренних материалов. Например, чатов со службой поддержки и фотографий клиентов для их автоматической идентификации.
Оксана Полищук
Старший преподаватель кафедры корпоративных финансов и корпоративного управления, факультет экономики и бизнеса, Финансовый университета при Правительстве Российской Федерации
Датасет формируют путем сбора, обработки и разметки информации, которую специалисты компании будут применять для обучения машины. Например, при разработке ИИ для распознавания образов датасет включает в себя тысячи изображений, каждому из которых присвоена соответствующая метка (например, кошка, собака, автомобиль).
В случае анализа тональности датасет содержит отзывы или комментарии о бизнесе, отмеченные как положительные или отрицательные. Важно, чтобы датасет был разнообразным и хорошо представлял все возможные варианты для эффективного обучения.
Иван Коротеев
Федеральный спикер по искусственному интеллекту, выпускник МГТУ им. Баумана
Если у бизнеса есть массив статей или материалов и заказчик хочет, чтобы ИИ использовал их при общении с клиентами, сделать это можно без датасета. Достаточно подготовить данные по технологии RAG (Retrieval-Augmented Generation).
Сложность интеграции
В зависимости от размеров бизнеса искусственный интеллект интегрируют на трех уровнях:
- на уровне инструментов — когда специалист взаимодействует с AI через сайт или приложения разработчика;
- на уровне API — когда бизнес встраивает открытый ИИ в страницу сайта, настраивая ее под конкретные задачи;
- на уровне кастомной модели — когда бизнес заказывает разработку специализированного алгоритма или нейросети.
Первый уровень — самый простой, для него не нужно писать программный код. Внедрение API готовых продуктов, с другой стороны, потребует знаний веб-разработки. В обоих случаях общее развитие технологии берет на себя разработчик продукта.
Иван Коротеев
Федеральный спикер по искусственному интеллекту, выпускник МГТУ им. Баумана
В 99% случаев подходят открытые ИИ-решения. В open-source есть большие языковые модели (LLM), такие, как Llama или Mistral, которые можно задействовать для себя. Не стоит забывать и про программную интеграцию через API. Бизнес может получить доступ к современным нейросетям и отправлять им запросы программным образом, а полученный ответ передавать в другие программы, например в чат-бот.
Бизнес вступает в новый мир, где машины общаются с машинами, но запросы и задания им все равно пишет человек. Есть ли у вас такой человек в штате? Можете ли вы обучить своих сотрудников? Вот о чем стоит задуматься.
Окупаемость
Стоимость внедрения ИИ-продуктов не должна превышать издержки, которые она сокращает. Например, малому бизнесу проще купить подписку на чат-бот. А крупным компаниям будет эффективнее разработать кастомную систему для ответов на обращения клиентов, обучив ее на собственных БД.
Иван Коротеев
Федеральный спикер по искусственному интеллекту, выпускник МГТУ им. Баумана
Для многих компаний нейросети уже заменяют реальных сотрудников. В области маркетинга это копирайтинг и рерайтинг, создание статей и переписывание существующих. И создание картинок для СММ-целей, на сайт или в блоги.
Самая большая статья расходов бизнеса — ФОТ (фонд оплаты труда). А цены на ИИ-сервисы очень дешевые, около 1 000 или 2 000 рублей за месячную подписку. Всего 1 специалист, который умеет работать с инструментами ИИ, заменяет 5 других сотрудников.
Согласно консалтинг-агентству Gartner, к 2025 году до 30% маркетинговых коммуникаций крупных компаний будут персонализированы с использованием инструментов ИИ.
Консультанты, применяющие искусственный интеллект, выполнили в среднем на 12,2% больше задач, сделали это на 25,1% быстрее, добились на 40% более качественных результатов, чем те, кто не использовал ИИ-решения. Это очень серьезные показатели.
Актуализация
Искусственный интеллект должен проходить постоянное переобучение, чтобы избежать проблем с точностью выдачи. Деградация точности происходит, когда свойство переменных меняется. К таким переменным относятся продажи или активность целевой аудитории в зависимости от времени года, трендов или внештатных ситуаций, включая стихийные бедствия. Если ИИ не учитывает эти факторы, его аналитика окажется неактуальной для бизнеса.
Особенности составления промтов
Промт — текстовый запрос, от которого отталкивается ИИ, формируя выдачу.
- Пишите простым, точным языком. Это будет полезно для графических и текстовых ИИ. У вас должна быть идея о том, как будет выглядеть результат — постарайтесь сформулировать ее в короткой фразе.
- Пропишите правила. Попросите текстовый ИИ обратиться к аудитории бизнеса, написать заметку в нужном стиле или взять на себя определенную роль.
- Учитывайте специфику модели.
- Midjourney поддерживает дополнительные функции, которые задают параметры выдачи. Например, «—ar x:x» указывает на соотношение сторон, «—quality x» — на качество и время рендера, а «—repeat x» — на количество повторов.
- ChatGPT лучше обрабатывает запросы на английском языке, чем на русском. Результат выдачи можно отредактировать и перевести при помощи сервиса DeepL или CAT-решений.
Гульназ Кадырова
Дизайнер «Репутация Москва»
Для генерации изображений мы используем Midjourney. Изначально мы восприняли ее как волшебную палочку, которая за 7 минут выдаст результат, прорисует мелкие детали. Но это не волшебная палочка, а инструмент, ускоряющий работу без привлечения дополнительных сил иллюстратора. Для нас эффективнее всего создавать в Midjourney основу, а затем мы сами в фотошопе дорабатываем изображение, детали. Раньше мы работали с иллюстратором: объясняли ему идею, готовили ТЗ на обложку. С Midjourney дело обстоит так: мы даем ей три сюжета с разными описаниями — она выдает несколько вариантов. Из них один мы берем в работу, а остальные сохраняем. Теперь у нас есть свой банк картинок от нейросети. И создание иллюстрации требует гораздо меньше времени. Но сам процесс не менее трудоемкий.
Уникальность материалов
Текстовые ИИ генерируют новый материал без прямых заимствований из открытых источников, но их выдача по одинаковым промтам будет идентичной. Если автор не проверит публикацию на уникальность, она может пересекаться с материалами, опубликованными на других ресурсах.
Если текст, созданный нейросетью, был уникальным на момент публикации, бизнес получает авторские права на данный контент — этот консенсус действует в России и большинстве других стран.
Владелец сайта или автор вправе удалить из интернета тексты конкурентов, которые пересекаются с оригинальным материалом, если они были написаны позже или если их украли. Это право действует и в том случае, если статья была сгенерирована по схожим запросам, а не украдена напрямую. Такое решение повысит релевантность оригинальной страницы для поисковых систем, способствуя лучшему продвижению сайта или блога бизнеса.
Стоимость внедрения нейросети в бизнес
Использование открытых нейронных сетей не требует периодических расходов — будет достаточно обучить сотрудников компании новым инструментам. При интеграции кастомного ИИ его стоимость зависит от нескольких факторов, включая:
- сложность поиска датасета;
- задачи, которые выполняет ИИ;
- шифрование БД;
- периодическое тестирование, обновление, развитие машины.
Кастомные нейросети применяют в CRM, помогая отделу продаж справляться с обработкой лидов. ИИ выполняют анализ сведений о воронке продаж компании, проводит бизнес-рассылки, отвечает на вопросы клиентов.
Стоимость интеграции искусственного интеллекта составляет от нескольких десятков до нескольких миллионов рублей — это сопоставимо со стоимостью разработки мобильного приложения. Периодическая поддержка более сложных моделей составляет от 2 000 рублей в час — такие решения подойдут для крупных бизнесов.
Лучшие нейросети для бизнеса
Часто задаваемые вопросы
Подойдут ли нейросети начинающему бизнесу?
Да, при запуске бизнеса закладывайте бюджет на интеграцию ИИ. Это сократит издержки при дальнейшем развитии и расширении — бизнесу не придется тратить время на переход с традиционных систем на искусственный интеллект.
Каким бизнес-процессам уделить внимание при внедрении искусственного интеллекта?
Нейросети хорошо выполняют рутинные задачи компании, даже если они включают элемент творчества: генерацию текста и графики, аналитику, общение с клиентами. Если на эти процессы уходит много человеко-часов, их отдают ботам.
Нужна ли нейросети помощь человека?
Степень интеграции зависит от сервиса и модели. Открытые нейросети требуют правильного использования: формулировки промтов и обработки итогового материала. Сложные CRM-системы для среднего бизнеса — полностью автоматизированный инструмент.
Как оценить эффективность нейросети в бизнесе?
В зависимости от типа нейросети оценку эффективности проводят количественным или качественным методом — через число созданных материалов, KPI, ROI и другие метрики, которые затрагивают конкретный аспект бизнеса.
- An Ultimate Tutorial to Neural Networks
- AI versus machine learning versus deep learning versus neural networks: What’s the difference?
- Deep Learning vs. Machine Learning: A Beginner’s Guide
- How is Natural Language Processing (NLP) used in business?
- On the Robustness of Neural Network: Attacks and Defenses
- Почему хватит считать нейронные сети черным ящиком?
У этой статьи пока нет комментариев, но вы можете быть первым