ИИ для бизнеса: с какой области применения начать?

Руководитель, который в понедельник утром идёт на совещание, хочет знать: есть ли на этой неделе в продажах, отгрузках или запасах что-то, на что мне нужно обратить внимание? Чтобы ответить, ему приходится смотреть в три экрана и просить отчёты у двух сотрудников. Именно такая разрозненная и повторяющаяся работа с информацией — одно из мест, где ИИ в компаниях приносит наиболее ощутимую пользу.

Корпоративный ИИ — это использование искусственного интеллекта не как отдельного экрана для чата, а как слоя, работающего внутри потоков знаний, документов, отчётов и решений компании. Дать сотрудникам новый экран с ИИ и встроить ИИ в существующий рабочий процесс — не одно и то же: в первом случае все из любопытства пробуют раз-другой, во втором же работа ускоряется напрямую. В этой статье мы рассказываем, какие бывают области применения и как выбрать ту, с которой начать первый проект.

Шесть возможных отправных точек

Не в каждой компании приоритетна одна и та же область. В работах YazSis по ИИ чаще всего рассматриваются следующие шесть областей. Рядом с каждой мы добавили, в какой ситуации она уместна:

• Корпоративный ассистент по знаниям: поиск и краткое изложение на естественном языке в источниках, к которым у пользователя есть доступ. Подходит, если сотрудники снова и снова задают одни и те же вопросы.
• Анализ документов: классификация содержимого документов и подготовка их к рабочему процессу. Ценен, если входящие документы читаются и перенаправляются вручную.
• Контролируемые агенты: структуры, которые выполняют задачи по правилам с помощью данных и инструментов. Полезны там, где шаги известны, а исключений мало.
• Умная отчётность: превращение данных ERP и операционных данных в краткие сводки для руководителей. Подходит, если отчёты собираются вручную.
• Аномалии и поддержка решений: аналитический слой, делающий видимыми закономерности, требующие внимания. Ценен, если показателей для отслеживания много и посмотреть на каждый по отдельности невозможно.
• Автоматизация рабочих процессов: автоматизация триггеров, согласований, уведомлений, отчётов и задач. Первый выбор для повторяющихся задач с известными шагами.

Четыре критерия выбора

Чтобы выбрать применение, привязанное к реальному рабочему процессу, а не к шумихе вокруг технологий, на вопросы ниже нужно ответить по порядку:

1. Доступ: какой источник данных будет использоваться и кто какие данные сможет видеть? Проект, который начинается без ограничения данных и прав, потом теряет контроль.
2. Качество данных: надёжны ли исходные данные? Быстро изложить неверные данные — значит лишь ускорить неверное решение.
3. Возможность проверки: можно ли отследить, откуда взят результат, и есть ли контроль со стороны человека на критичном шаге?
4. Результат для бизнеса: какое решение или операция ускорится, какая повторяющаяся работа сократится? Область применения, для которой нет чёткого ответа, остаётся экспериментом.

Искусственный интеллект говорит; цифры считает система.

Конкретный пример: вопросы руководителя

Приведённый выше пример с руководителем относится к области умной отчётности. Ассистент Fero из состава Корпоративного ИИ YazSis позволяет задавать голосом или письменно вопросы по данным о продажах, бюджете, отгрузках, заказах и запасах. Fero понимает вопрос, получает данные с помощью определённых рабочих инструментов, даёт краткий ответ и собирает экран под этот вопрос.

Здесь приведённые выше критерии находят конкретное воплощение. Fero получает доступ к данным только через 17 определённых рабочих инструментов, предназначенных лишь для чтения; свободные запросы он не выполняет, ИИ не пишет SQL. Показатели KPI, проценты и разницы вычисляются на серверной стороне; модель не может назвать число, которого нет в результате работы инструмента. Экраны собираются только из 13 одобренных компонентов, ИИ не создаёт код. Приложение подключается к базе данных с учётной записью, имеющей права только на чтение, то есть данные изменить нельзя.

Об источнике данных нужно сказать прямо: сегодня готов только MySQL. Другие источники — SQL Server, PostgreSQL, REST API, Logo, SAP, Odoo и Excel — рассматриваются в рамках проекта. Благодаря адаптерной архитектуре при добавлении нового источника рабочие инструменты и экраны не меняются. Иными словами, первый вопрос должен звучать не «какую модель использовать?», а «к каким данным, с какими правами и для каких вопросов подключаться?»

Частые ошибки

• Начинать с технологии. Если цель «пусть у нас будет ИИ» не привязана к проблеме бизнеса, проект не выходит за рамки демонстрации.
• Слепо доверять результату. Если не видно, на какой источник опирается краткое изложение или ответ, ошибку замечают лишь после неудачного решения.
• Оставлять права доступа на потом. Ассистент, которому каждый может задавать вопросы по любым данным, способен ответить и на то, что должно оставаться закрытым.
• Не привлекать пользователя к процессу. Система, созданная без списка вопросов, которые будущие пользователи ассистента задают чаще всего, через некоторое время перестаёт использоваться.

Короткий контрольный список для первого проекта

• Выберите одну проблему; не нацеливайтесь на несколько областей одновременно.
• Предпочтите задачу, данные которой собраны в одном источнике.
• Заранее запишите, как будет измеряться успех.
• Сохраните подтверждение человеком на критичных шагах.
• Начните с небольшой группы пользователей и расширяйте по обратной связи.

Все области применения можно изучить на странице Искусственный интеллект, а подход к ассистенту для руководителей — на странице Корпоративный ИИ.