На совещании ждали протокол с поручениями. Модель принесла оценку поведения руководителя и работы сотрудника. Разбор попал в общий доступ, хотя никто не просил машину судить людей. Компания хотела снять ручную работу, но получила новый риск.
В этой истории внедрение искусственного интеллекта началось с неверно поставленной работы. Руководителю нужен результат в работе компании. Красивый ответ модели сам по себе таким результатом не становится.
ИИ оправдан в повторяемом разборе свободного материала. Сотрудник читает текст или слушает запись, а затем готовит черновик для решения. Машина сокращает исходник до проверяемого ответа. Человек сверяет ответ с источником и решает, что делать дальше.
Потерянный срок ничего не скажет модели, пока у него нет ответственного. Такую задачу чаще закрывает обычная автоматизация. Этот вывод экономит первый бюджет лучше любой скидки на лицензию.
Что дает внедрение искусственного интеллекта компании
После переговоров руководитель одной компании надиктовывал итог. Ассистент искал реквизиты и вручную создавал карточку. Одна карточка занимала около 6 минут без учета прослушивания. Десяток новых компаний уже отнимал заметную часть дня.
Здесь модель может расшифровать голос и предложить поля карточки. Польза появляется после проверки контакта и следующего шага. Ассистент принимает черновик, а CRM сохраняет подтвержденную запись.
Подтвержденная карточка получает задачу с владельцем и сроком. Расшифровка остается промежуточным материалом. Поэтому внедрение ИИ оценивают по изменению в работе сотрудника: сколько времени ушло на принятую карточку и сколько ошибок дошло до CRM.
Бухгалтер смотрит спорный фрагмент счета рядом с исходником. Если ему приходится проверять весь документ заново, затраты просто переезжают из ввода в приемку.
В каких задачах ИИ окупается
Цена карточки уже известна: время ассистента. Для документов она может проявиться в задержанной оплате. Общая презентация о возможностях модели такой базы не дает.
Ассистент сэкономит свои 6 минут, только если проверит черновик быстрее, чем заполнял карточку. Если каждое поле приходится восстанавливать заново, модель добавляет еще один шаг. Лицензия может стоить недорого, но компания платит временем человека после каждого ответа.
Опечатку в справочном описании можно исправить после публикации. Ошибка в сумме, кадровом решении или сроке договора требует проверки до записи. Чем тяжелее последствие, тем уже полномочия машины и заметнее стоимость приемки.
Даже дешевый и аккуратный черновик бесполезен, если после него никто не принимает решение. Разбор звонка окупается, когда РОП возвращается к конкретной сделке. Архив с краткими пересказами только занимает место.
В итоге компания сравнивает стоимость нынешнего действия со стоимостью лицензии, подключения источников, приемки и поддержки. Экономия существует, когда весь новый маршрут обходится дешевле нынешней работы или раньше ловит дорогую ошибку.
Когда искусственный интеллект компании не нужен
Цветная дата в таблице может предупредить о поездке за 2 недели. Если у предупреждения нет получателя, билет все равно купят поздно. Модель здесь не добавит факта. Система должна создать задачу по дате и дождаться подтверждения покупки.
Прибор передали на площадке без записи, поэтому учет сохранил прежнего владельца. Модель не видела передачу и может только угадать новую фамилию. Людям нужна короткая фиксация события с подтверждением.
На ручных примерах сотрудники уже спорят, какой результат считать правильным. Обучение модели закрепит этот спор в ответах. Сначала владелец работы принимает правило, по которому человек отличает годный результат от ошибочного.
Часть звонков вообще не записывается, и модели нечего разбирать. Первый бюджет тогда уйдет на запись разговоров. Это полезная работа. Пользу модели компания проверит позже.
Какие способы внедрения ИИ бывают
Готовый сервис
Готовый сервис подходит, когда задача уже описана производителем почти теми же словами. Сервис расшифровывает звонки или читает документы. Компания проверяет его на своих примерах и считает лицензию вместе со временем пользователей.
В смете такого запуска остаются регулярная плата за использование и время сотрудников на проверку. Если вокруг сервиса нужна длинная разработка, покупка уже вышла за границы готового решения.
Компания покупает большую платформу ради одного ответа и начинает подстраивать работу под ее экран. Поэтому перед договором руководитель проверяет, попадает ли нужный результат к своему получателю без ручного копирования.
Подключение к данным и дообучение
Компании может понадобиться доступ модели к своим документам или правилам ответа. Для свежих фактов применяют поиск по разрешенным источникам: модель находит нужный фрагмент и готовит ответ с опорой на него. Учетная запись остается в исходной системе.
Размеченные примеры помогают закрепить устойчивый формат или способ классификации. Для этого и применяют дообучение. Пропавший документ и сегодняшняя сумма в памяти модели от него не появятся. Эти сведения все равно должны приходить из рабочего источника.
Подготовка примеров и подключение систем получают отдельную строку бюджета. Команда проверяет качество после запуска. К этому варианту переходят после теста готового сервиса или базовой модели. Иногда точного задания и доступа к документам уже хватает, поэтому дообучение только раздует смету.
Своя разработка
Своя разработка нужна, когда ответ машины должен пройти особый маршрут внутри компании. Например, черновик из голосового сообщения попадает в CRM, затем сотрудник подтверждает его, а спорная запись остается на проверке. Готовый сервис может уметь расшифровывать голос и все же не поддерживать этот порядок.
Такой бюджет считают как разработку программного продукта. В него входят интерфейс сотрудника, подключения к источникам, журнал действий и поддержка после запуска. Расходы на модель остаются одной строкой внутри большей сметы.
Особый маршрут должен давать компании измеримую пользу, иначе собственная система не окупится. Желание владеть своей нейросетью само по себе пользы не создает. Большинству задач хватает готовой модели внутри своего рабочего модуля.
Сколько стоит внедрение искусственного интеллекта
Одной средней цены у внедрения нет, потому что под этим словом покупают разные вещи. Нижний порядок бюджета задает лицензия готового сервиса. Подключение данных и рабочих систем поднимает смету на следующий уровень. Своя разработка стоит выше: компания оплачивает весь путь от источника до принятого действия.
Для первого расчета разнесите расходы по времени возникновения. До запуска понадобятся разбор задачи и подготовка примеров. Во время пилота компания платит за сервис или модель, подключение и приемку. После запуска остаются поддержка, контроль качества и изменение правил при смене процесса.
Самой дорогой строкой в смете может стать время будущего приемщика. Если бухгалтер проверяет весь документ заново, стоимость лицензии мало что решает. Если РОП читает полный звонок после каждого краткого разбора, экономия тоже исчезает.
Этого уже хватает руководителю, чтобы определить порядок бюджета до коммерческого предложения. Готовый сервис он планирует как подписку с короткой проверкой, а подключение к данным считает отдельным проектом. Свою разработку компания оценивает по этапам, как другой рабочий продукт. Точная сумма появляется после просмотра источников и места приемки.
Что должно быть готово в компании до старта
Руководителю сначала нужен ответ на один вопрос: какое решение изменится после работы модели. Если ответ звучит как «будем лучше понимать бизнес», границы проекта пока не видны. Фраза «РОП увидит обещание без задачи и вернет сделку в работу» уже задает проверяемый результат.
Будущий приемщик отвечает на этот вопрос на недавних примерах исходного материала. Он показывает правильный ответ и спорные случаи, а руководитель до оплаты большого проекта видит реальное качество данных.
За каждый источник отвечает владелец: он дает доступ, следит за полнотой и исправляет запись. Модель не станет новым источником истины, потому что ее ответ собран из чужих записей.
Руководитель заранее записывает нынешнюю цену действия: время сотрудника или число возвратов на исправление. Если выбрать мерку до пилота, после запуска не придется искать удобное оправдание потраченному бюджету.
Решили, что ИИ нужен? Следующий шаг разобран в статье «Как выбрать первый процесс для ИИ в компании». Там один процесс проходит от исходного материала до решения по пилоту.
Что делать с данными при внедрении ИИ
Команда проверяет модель на копии недавних материалов. Из копии убирают необязательные поля, сохраняя смысл задачи. Модель получает ровно один нужный источник. Доступ ко всей папке «на всякий случай» только расширяет последствия ошибки.
Владелец источника заранее решает, где хранить исходник. Рабочая система держит принятую запись. Черновик можно удалить после проверки или сохранить вместе с версией источника для разбора ошибок.
На первом запуске модель готовит только черновик, потому что действие с последствиями подтверждает сотрудник. После накопления проверок владелец процесса может передать правилам часть безопасных операций. Спорный случай все равно возвращается человеку.
Каждый рабочий запуск оставляет журнал. По нему видно, какой источник прочитала модель, что она предложила и кто принял результат. Без этой истории уверенный ответ трудно разобрать после ошибки.
Какие риски надо проверить до покупки
Модель может потерять строку в таблице и при этом написать гладкое объяснение. Приемщик поэтому смотрит исходный фрагмент, а интерфейс показывает его рядом с черновиком.
Формат документа меняется, и вчерашняя проверка больше ничего не гарантирует. После удачного демо команда продолжает смотреть качество на свежих примерах.
Сотрудники начнут обходить систему, если она оценивает людей вместо порученной задачи или показывает чувствительный разбор лишним коллегам. До первого рабочего запуска руководитель ограничивает содержание ответа и права доступа.
Руководитель просит поставщика показать весь маршрут от источника до сотрудника с правом принять решение. Одна цифра точности описывает тест, но ничего не обещает компании, если судьба результата осталась за кадром.
С чего начать руководителю
Возьмите недавний звонок или документ после ручного разбора сотрудником. Рядом положите принятый результат. Разница между ними покажет, есть ли у модели ясная работа.
Если люди дают разные вердикты, сначала примите правило и способ фиксации события. Повторяемый ответ уже можно проверять в готовом сервисе. Собственная разработка понадобится позже, если особый маршрут компании окажется важнее стандартного экрана.
Такой рабочий пример можно разобрать на живом AI-аудите Синтела. Мы проверим, решается ли задача обычной автоматизацией. Если для нее нужна модель, руководитель увидит, достаточно ли готового сервиса или стоит запускать пилот, и получит основание для бюджета до покупки большой платформы.
Хороший первый вывод иногда звучит скучно: искусственный интеллект этой задаче не нужен. Такой вывод сохраняет деньги. Их можно вложить в повторяемый разбор, результат которого человек примет и пустит в работу.