Трансформация бизнес-операций с GenAI: сначала стратегия, потом масштабирование

Будь то гипер-автоматизация рутинных задач или усиление продуктов и сервисов, компании всё чаще внедряют генеративный ИИ (GenAI) для получения конкурентного преимущества. Но успешная реализация GenAI — нетривиальная задача. Она требует четко определенной стратегии и глубокого понимания бизнес-потребностей и требований к данным.

Первый вопрос, который бизнес должен задать себе: какие области организации получат максимальную пользу от GenAI? Стоит ли фокусировать пилотные проекты на улучшении внутренних операций — эффективности маркетинга или HR? Или на клиентских направлениях — оптимизации колл-центра или усиления цифрового присутствия?

Каков бы ни был сценарий использования, в качестве первого шага GenAI может быть очень эффективен для оптимизации и упрощения сложных бизнес-процессов и рабочих потоков. В отраслях вроде здравоохранения, технологий, производства и ритейла существуют запутанные процедуры, охватывающие множество отделов и агентств. Компании начинают выявлять точки, где генерация, анализ и суммаризация контента ИИ могут автоматизировать передачу задач между командами и ускорить сроки и результаты.

Один из наших клиентов — крупный провайдер здравоохранения, управляющий записями на рентген для больниц — достиг масштабных приростов эффективности с ИИ. Запись на один рентген требует оценки десятков параметров: доступности врача, оборудования, пациента — процесс, который раньше занимал 8–10 минут в среднем. Используя GenAI для быстрого анализа всех точек данных, провайдер сократил время записи до 2–3 минут. Это значительно. Для провайдера с высокой нагрузкой сокращение даже на несколько минут на запись переводится в миллионы долларов экономии ежегодно.

Но реальность такова: большинство организаций должны научиться ходить с GenAI, прежде чем бегать. Более десяти лет назад McKinsey разбил стадии инноваций на три горизонта. Первый, в течение первых одного-двух лет — инкрементная инновация: постепенные улучшения существующих продуктов, сервисов или процессов. Второй горизонт, следующие два-пять лет — исследование и открытие новых расширений. Третий, обычно через 5–10 лет — видение и создание совершенно новых бизнес-моделей или рыночных возможностей, не существовавших раньше.

Я считаю, что эти горизонты всё ещё актуальны, но их временные рамки будут сильно ускорены в эре GenAI. Фактически, по недавнему отчету IDC, 92% внедрений ИИ занимают 12 месяцев или меньше, а организации получают средний ROI за 14 месяцев.

См. также: Извлечение слоев ценности из приложений GenAI

5 шагов для эффективного использования GenAI в бизнесе

Хотя потенциальные выгоды GenAI огромны, успешная операционализация и масштабирование требуют прагматичного подхода с четкими целями. Вот пять шагов для позитивных результатов внедрения GenAI.

1: Обеспечить точность ИИ

Критическая проблема — проверка точности и надежности выходов ИИ. Большинство моделей, вроде ChatGPT, имеют дисклеймеры о возможных неточностях. Поэтому компаниям всё ещё нужны люди в цикле для ревью и валидации результатов ИИ.

2: Оценить бизнес-кейс количественно

Другой ключевой аспект — ROI. Нужно смотреть, стоит ли вкладывать усилия в ИИ для задач, решаемых традиционной автоматизацией или существующими рабочими процессами. Сколько денег тратите на достижение результата, достижимого проще?

Помимо финансового ROI, компании должны картографировать потенциальную экономию времени от использования ИИ для генерации, анализа и других задач. Если вы генерируете и анализируете контент с ИИ, сколько часов сэкономите против ручного способа? Каково общее сокращение времени бизнес-процесса? Затем можно отобразить экономию времени в экономию затрат. Экономия времени и затрат за счет упрощения процессов с ИИ может быть убедительным драйвером. Однако она может сильно варьироваться по сценариям и доменам.

3: Найти опытного партнера

Быстрая эволюция GenAI за последние 18 месяцев понятно вызвала путаницу. Изначально говорили о создании кастомных моделей инхаус. Но это аналогично созданию собственной платформы мобильных приложений. Чрезмерно сложное и дорогое предприятие для большинства компаний.

Более мудрый подход для большинства — запускать proof-of-value (POV) проекты. В отличие от proof-of-concept, валидирующего саму технологию, POV демонстрирует конкретную ценность, которую бизнес может извлечь, используя GenAI для конкретных кейсов. Не застревайте в доказательстве уже установленного — что эти модели работают. Сфокусируйтесь на доказательстве их ценности для ваших операций.

Для эффективного POV используйте экспертизу партнеров и ИТ-провайдеров с глубокой доменной экспертизой GenAI, подкрепленной проверенными платформами вроде Microsoft, Google или AWS. Эти специалисты приносят ценный опыт внедрения похожих решений для других клиентов.

4: Приоритизировать качество данных

Ключ к отличным результатам GenAI — подготовка данных. Речь о качестве, доступности, организации и управлении данными, а не только о процессе обучения. Главное: успех с ИИ невозможен, если данные плохого качества или недоступны.

Многие CXO скептичны о том, как GenAI может эффективно работать с их данными, учитывая, что LLM обычно предобучаются на интернет-данных. Этот миф нужно развенчать. Модели ИИ могут хорошо работать на данных организации, если они правильно структурированы. Важная часть — иметь высококачественные, хорошо организованные данные под рукой.

5: Внедрить guardrails для ИИ

GenAI может быть непредсказуем. Он может усиливать предвзятость, угрожать приватности и вести к неэтичным решениям. Это одно из самых серьезных препятствий массовому внедрению. Но вызов можно преодолеть, если этические соображения, предвзятость данных и подобные проблемы тщательно адресовать. Например, многообсуждаемая проблема неожиданной и нежелательной речи. Теперь есть инструменты для контроля и фильтрации речи, связанной с ненавистью, насилием или самоповреждением. Такие инструменты ключевы и дадут пользователям уверенность.

В частности, крупные технологические вендоры — Microsoft, Google, AWS — и многие стартапы разрабатывают инструменты и аддоны для развертывания GenAI-решений с уже встроенными guardrails. Цель — чтобы пользователи меньше беспокоились о фильтрации предвзятых выходов и блокировке оскорбительного контента. Эта задача решается за кулисами. Но инструменты безопасности ИИ всё ещё на ранних стадиях. Внедрение надежных guardrails потребует значительных усилий от любого бизнеса, желающего воспользоваться GenAI.

См. также: За бuzzwords: глубокий взгляд в GenAI

Итоговое резюме

GenAI уже сейчас трансформирует бизнес в реальном времени. Организации, не подключившиеся, отстают. Но компании, спешащие внедрить GenAI, должны смотреть — и планировать — прежде чем прыгать. Следуя этим пяти шагам и следя за последними трендами и лучшими практиками, бизнес может раскрыть трансформационный потенциал GenAI для стимулирования большей инновации, эффективности и роста.