Изображение создано при помощи модели Шедеврум
Что такое генеративный искусственный интеллект и как он влияет на бизнес-процессы? Генеративный искусственный интеллект (ИИ) – технология, используемая для автоматизации процессов, создания контента и решения других задач. Генеративная модель способна создавать новый контент на основе информации, полученной в ходе обучения. Это могут быть тексты, изображения, код, музыка, видео и даже 3D-сцены.
Генеративный ИИ упрощает работу бизнеса. Технология может писать скрипты и тексты, анализировать работу конкурентов, а также продумывать стратегию ведения бизнес-плана.
Как отмечает в интервью вице-президент по развитию технологического бизнеса Сбербанка Сергей Крылов, за рубежом распространение генеративного ИИ в корпоративной среде достигло 85%, в России этот показатель пока что приблизился к 60%. Наиболее активно внедряют технологии компании из сферы финансов, информационных технологий, электронной коммерции и телекома.
Об одном из первых внедрений LLM (алгоритм, оптимизированный для работы с текстом) в промышленности пишут «Ведомости». Нефтегазохимическая компания «Сибур» в мае 2024 г. заключила соглашение со «Сбером» и группой ЦРТ (центр, занимающийся речевыми технологиями) в сфере применения языковой модели «Сбера» GigaChat. На ее базе также создается AI-ассистент инженера-диагноста. Такой помощник будет находиться в диалоге с сотрудниками и способствовать наиболее быстрому выявлению причины неисправности прибора
В R&D-направлении (направление для создания новых знаний, технологий и инженерных решений) планируется применение моделирования полимеров и создания совершенно новых материалов с помощью генеративного ИИ. Целью ставится прогнозирование процесса полимеризации и свойств полимеров, а также влияние на физико-механические свойства материала и готовых изделий. Лабораторные эксперименты будут сведены к минимуму в пользу цифровых.
Одним из ключевых направлений ИИ является персонификация. Руководитель Центра продвинутой аналитики Альфа-банка Алексей Каширин поделился актуальным кейсом. В компании алгоритмы не только анализируют одобрение или отказ в кредитах клиентам, но и учитывают ряд факторов: склонность клиента к разным продуктам, персональную эластичность цен и вероятность принятия предложений. Персонализированный кешбэк также не обходится без аналитики ИИ. Он помогает с выбором, рассчитывая показатель прибыли, которую компания может получить от клиента за весь период работы.
Руководитель лаборатории инноваций «Норбит» Дмитрий Демидов отмечает преимущество ИИ в поддержке и поиске. Нейросеть быстро выдает точные ответы пользователей. Это значительно упрощает внутреннюю работу сотрудников в технических, юридических и кадровых вопросах. Например, в области поддержки чаще всего речь идет о текстовых запросах, которые требуют быстрых и точных ответов. Генеративные модели помогают понять суть вопроса, сгенерировать ответ, направить к нужной информации или даже устранить проблему за пользователя. Такие решения актуальны для крупных компаний, где ИИ обрабатывает внутренние запросы сотрудников — от технических и юридических до кадровых.
Работа с корпоративными данными - активно развивающееся направление в процессе внедрения генеративного ИИ, отмечает Дмитрий Демидов. Например, алгоритмы быстро обрабатывают данные и отвечают на такие вопросы компании: «Какую выручку мы получили за период?» или «Дай список контрагентов, у которых большая дебиторская задолженность».
Приведенные выше кейсы становятся примерами того, как с помощью генеративного ИИ закрывается ряд проблем, с которыми сталкивается бизнес. Это и автоматизация процессов, а значит, освобождение времени сотрудников для более сложных задач. Это и ускорение вывода продуктов на рынок, и помощь в вопросах, требующих глубокой аналитики. Направление персонализации помогает более качественно выполнить запрос и клиента, и компании.
Любой пользователь генеративного ИИ должен помнить о рисках, которые отражаются в «авторских правах». Нейросеть учится на готовых текстах, картинках и других материалах. А значит, продукт, который мы получаем на выходе, является ничем иным как компиляцией. Но если пользователь вносит свой вклад в создание продукта, то переживать ему вовсе не стоит. В статье ГК РФ 1257 сказано, что автором произведения «признается гражданин, творческим трудом которого оно создано».
Например, история с нейросетью Stable Diffusion демонстрирует «тонкую грань» нарушения «авторских прав». Продавец использовал фотографию для карточек на маркетплейсе. По его словам, она была сгенерирована нейросетью Stable Diffusion. Фотография на его карточках имела некоторые незначительные отличия от работы реального фотографа. По итогам суда была назначена компенсация в пользу фотографа в размере 45 776 рублей.
Подобные истории иллюстрируют ситуации, которые пока что четко не регламентированы законодательством в области ИИ.
Что в таком случае стоит учитывать бизнесменам при работе с нейросетью?
Компания разобралась в юридическом аспекте и готова внедрить генеративный ИИ в процесс работы. Но что выбрать: готовую модель или создание собственной модели?
SaaS (Software as a Service) - это модель программного обеспечения, которая предоставляет доступ к готовому серверу. Он обслуживается провайдером, а компании остается лишь оформить подписку. Генеральный директор ООО «Эйс Солюшнс» Дмитрий Васильев приводит примерную статистику стоимости корпоративного ИИ: «использовать white label (готовое) решение за 500 т.р. + процент от оборота; разработать собственное приложение в десять раз дороже».
Дмитрий Васильев выделил ряд факторов, и вот основные из них:
Так, при выборе создания собственной модели данные остаются в безопасности, так как находятся под контролем компании. Собственная модель ИИ для компании на продажу станет преимуществом. Стоит учитывать, что этот процесс требует больших вложений, в то время как готовое решение обойдется финансово выгоднее. Однако при выборе готового решения необходимо искать ту модель, которая максимально полно отразит запросы компании без доработок.
Сейчас компании активно пробуют внедрять разные модели в процесс работы бизнеса. Среди них ИИ-агенты - это «помощники» сотрудника, которые находятся с ним в диалоге, отвечают на его запросы, помогают решить поставленную задачу. А, например, модель с глубокой интеграцией в операционные и стратегические процессы компании помогает решать более серьезные задачи, которые касаются стратегий развития бизнеса, анализа его сильных и слабых сторон, а главное - прогнозов для компании на ближайшие годы.
Сергей Кобелев – эксперт по практическому внедрению генеративного ИИ в бизнес-процессы
«Агенты и глубокая интеграция в процессы — реальные тренды, но они живут в авангарде: в технологических командах, в компаниях с высокой цифровой зрелостью. Для большинства это пока горизонт, а не повестка дня. Поэтому прогноз такой: следующие 2–3 года — это не гонка технологий, а гонка готовности людей. Компании, которые инвестируют в грамотность и культуру работы с ИИ сейчас, через два года получат реальное преимущество. Технология уже есть — вопрос в том, кто умеет ее использовать», – отметил специалист по практическому внедрению генеративного ИИ в бизнес-процессы Сергей Кобелев.
Сейчас применение генеративного ИИ в компаниях оказывается конкурентным преимуществом. Он помогает не только автоматизировать рутинные задачи, но и становится ассистентом, помощником и даже генератором стратегий. Наличие собственной модели поднимает спрос на компанию и тем самым помогает развитию бизнеса.
Автор: Полина Девуцкая
В подписке — дайджест статей и видеолекций, анонсы мероприятий, данные исследований. Обещаем, что будем бережно относиться к вашему времени и присылать материалы раз в месяц.
Спасибо за подписку!
Что-то пошло не так!
