Компании всё чаще используют ИИ для проверки документов, подготовки предложений для клиентов, тестирования продуктовых гипотез и части разработки. Участники встречи Альфа-Банка «Новая оптика: как цифровой банк видит будущее» обсудили, где технология даёт измеримый эффект для бизнеса, что мешает внедрять её эффективнее и какую часть работы можно передать агентам.
Екатерина Борисоглебская, руководитель по развитию транзакций в Поиске и Алисе AI в «Яндексе» и приглашённый преподаватель «Школы управления СКОЛКОВО», назвала инициативы без понятной цели «ВДНХ-проектами». По её словам, компании часто сначала решают внедрить ИИ, а уже потом ищут для него задачу.
Она рекомендует сначала определить, какие задачи дают бизнесу наибольшие потери или потенциальную выручку, и только после этого проверять, подходит ли для них ИИ. Иначе компания рискует потратить деньги и время на инструмент, встроенный в неэффективный процесс, и не получить ожидаемый результат.
Николай Верховский, руководитель по развитию транзакций в Поиске и Алисе AI в «Яндексе» и приглашённый преподаватель «Школы управления СКОЛКОВО», советует заранее выбрать показатель, который должен измениться после внедрения. Это может быть, например, рост конверсии или снижение стоимости операции.
По его словам, до запуска нужно описать процесс, который компания хочет автоматизировать, собрать нужные данные и назначить сотрудника, отвечающего за ИИ-агента и бизнес-метрики. Если порядок действий не описан, документы отсутствуют, данные хранятся разрозненно и никто не отвечает за итог, передавать такую работу ИИ пока рано.
В Альфа-Банке до начала разработки считают, какую пользу технология даст бизнесу. Как отметил руководитель цифрового офиса корпоративного бизнеса банка Семён Деваев, «деньги любят счёт».
Эффект там оценивают по сокращению ручной работы, ускорению операций и изменению клиентских показателей. Время, которое сотрудник раньше тратил на задачу, пересчитывают в деньги, чтобы ещё до запуска понять, оправданы ли затраты на внедрение.
Отдельный пример — проверка продуктовых гипотез. При разработке сервисов для корпоративных клиентов Альфа-Банк столкнулся с тем, что поиск респондентов, проведение исследования и обработка результатов могли занимать до трёх месяцев.
Чтобы ускорить этот этап, банк начал использовать синтетических ЛПР — цифровые модели лиц, принимающих решения в компании. Для их создания команда собрала данные прошлых исследований и переписку с корпоративными клиентами в почте и чатах.
С помощью такого подхода базовую гипотезу можно проверить за один-два дня, а отдельный вопрос — за один-два часа. При этом синтетический ЛПР не заменяет общение с клиентом: модель опирается на уже собранные данные, а слова человека не всегда совпадают с его поведением.
Семён Деваев отметил, что человек может думать одно, говорить другое и поступать по-третьему. Поэтому банк сверяет гипотезы с данными о поведении клиентов, а для части новых решений по-прежнему проводит фокус-группы.
ИИ также ускоряет повседневную работу клиентских менеджеров. При подготовке сделки рекомендательные модели машинного обучения учитывают профиль клиента и подсказывают, какие продукты ему подойдут с большей точностью.
Это сокращает время на подготовку и освобождает менеджера от части сопутствующей работы. Система также отслеживает условия сделки и обязательства клиента.
В валютном контроле Альфа-Банка проверка документов для сложной операции раньше занимала двое суток и требовала специалиста нужного профиля. Теперь ИИ-агент выполняет такую проверку за минуты.
При этом сотрудников не сокращают. Банк использует тот же состав команды, чтобы обрабатывать больший объём операций.
Директор по информационным технологиям Альфа-Банка Алексей Фетисов рассказал, что в части сервисных процессов агенты выполняют до 90% операций без участия человека. По его оценке, без таких систем банку пришлось бы нанять около 500 сотрудников для сохранения прежнего объёма работы.
Экономию банк считает через расходы на дополнительный штат, из которых вычитается стоимость работы ИИ. При этом Фетисов подчеркнул, что цена разработки не всегда главный критерий: иногда выгоднее потратить больше, но вывести продукт на рынок раньше и раньше начать получать выручку.
Похожий подход банк тестирует в разработке. Раньше над продуктом работала команда из 10–12 человек, а один рабочий цикл занимал две недели. Сейчас в Альфа-Банке пробуют формат Tiny Teams, где продакт и AI-инженер с системой агентов могут пройти тот же объём за день или быстрее.
Однако ускорение разработки само по себе не гарантирует более быстрый запуск. Если после этого продукт неделями или месяцами проходит внутренние согласования и проверки, общий срок вывода на рынок почти не меняется.
Генеральный директор «МТС Линк» и эксперт «Школы управления СКОЛКОВО» Владимир Урбанский делит эффект от внедрения ИИ на эволюцию и революцию. Рост производительности на 10–20% он считает эволюцией, а увеличение в два, три или четыре раза — революцией, когда перестраивается сам рабочий процесс.
По его словам, в «МТС Линк» продуктовый портфель вырос вдвое, а человеческий ресурс при этом стал задействован на 30% меньше.
Директор по искусственному интеллекту Beeline Cloud и эксперт «Школы управления СКОЛКОВО» Михаил Степнов считает, что около 90% эффекта от ИИ появляется при правильном разделении работы между человеком и агентом. Например, агент может собрать информацию и подготовить коммерческое предложение, а итоговое решение остаётся за менеджером.
Полностью передавать ИИ задачи вроде выбора поставщика пока сложнее. Для этого агенту нужны полные и актуальные данные, но часть информации может храниться в корпоративных системах, к которым у него нет доступа.
Владимир Урбанский отметил, что пока не готов доверить ИИ финансовое решение целиком. Сначала он хочет увидеть собранную информацию и самостоятельно сделать выбор.
Алексей Фетисов также напомнил, что по закону ИИ не несёт ответственность за принятые решения. Даже если агент выполняет значительную часть работы, за итог отвечает человек или компания.
В Альфа-Банке также тестируют ИИ-помощника с доступом к корпоративным системам сотрудника. В банке называют его персональным цифровым двойником: он может разбирать почту, анализировать документы и готовить выжимки.
По словам Фетисова, в закупках один сотрудник с таким помощником уже справляется с объёмом работы, для которого раньше требовалась большая команда. В дальнейшем банк готовится к сценарию, при котором клиенты будут поручать финансовые задачи уже своим ИИ-помощникам, а те — напрямую обращаться к банковским сервисам.
Источник: RB.RU — https://rb.ru/reviews/evolyuciya-ili-revolyuciya-gde-ii-uskoryaet-processy-gde-perestraivaet-rabotu-kompanii/
