Рынок искусственного интеллекта сейчас явно перегрет. Но во многом не самой технологией, а тем, как ее продвигают. Практически каждый ИТ-продукт стремится добавить к описанию приставку «ИИ». Без нее решение уже выглядит недостаточно современным, его сложнее объяснять рынку и, конечно, продавать.

Похожую историю мы уже проходили с CRM-системами. Пять-семь лет назад компании массово переходили с Excel на новые платформы и ждали быстрого роста эффективности. Потом выяснилось, что программное обеспечение само по себе не исправляет слабые процессы и отсутствие управленческой дисциплины. Если внутри компании хаос, новая система просто делает этот хаос дороже.

С искусственным интеллектом сегодня происходит примерно то же самое. Во многих компаниях его пока используют на уровне отдельных участков работы: генерируют тексты и презентации, ищут информацию, анализируют данные — в общем, экспериментируют. Это полезные инструменты, они экономят время. Но заметного влияния на экономику бизнеса обычно не оказывают.

Эффект появляется, когда ИИ встроен в конкретный процесс и меняет понятный показатель: скорость обработки обращения, конверсию, стоимость операции, качество сервиса и т.д. Поэтому вопрос «какой ИИ нам внедрить?» мне кажется не самым полезным. Сначала стоит понять, где именно компания теряет время и деньги, а также что в этом процессе можно изменить.

Где технология может окупаться

Лучше всего сегодня работают сценарии, в которых много дорогой повторяющейся работы: тысячи звонков, чатов, обращений, заявок, документов и типовых операций каждый день. Поэтому первые понятные результаты появляются в клиентском сервисе, контакт-центрах, продажах, маркетинге, контроле качества, обработке документов, аналитике и работе с внутренними базами знаний.

В первые месяцы на посту генерального директора MANGO OFFICE я вместе с командой провел серию встреч с руководителями крупных российских компаний. Во многом именно эти организации сегодня формируют технологическую повестку в своих отраслях.

Внутри них уже появились сильные заказчики искусственного интеллекта. Это руководители с полномочиями, бюджетами и прямой ответственностью за результат. Они тестируют решения, сравнивают их между собой, считают эффект. И постепенно начинают конкурировать уже не количеством заявлений о цифровой трансформации, а скоростью внедрения инструментов, которые реально работают.

Быстрее других сейчас двигаются банки, страховые компании, крупный ритейл, телеком и отдельные промышленные предприятия. При этом большинство зрелых сценариев пока находится внутри компаний. Массовых клиентских продуктов с устойчивой и доказанной экономикой заметно меньше.

Разрыв между лидерами и остальным рынком остается большим. Быстрее продвигаются компании, у которых одновременно есть конкретная бизнес-задача, структурированные данные и руководитель, готовый менять сам процесс, а не просто покупать новую технологию.

Как искать точки роста

Начинать проект с выбора платформы — плохая логика. Сначала нужно посмотреть на процесс и задать более простой вопрос: что в нем можно ускорить, удешевить или сделать качественнее?

Представим крупную компанию, горячая линия которой ежедневно принимает тысячи звонков. Среднее время обработки одного обращения составляет 60 секунд. Для бизнеса за этой минутой стоят вполне конкретные вещи: расходы, нагрузка на операторов, длина очереди, качество сервиса и выполнение SLA.

Задача в таком случае должна звучать конкретно: можем ли мы сократить обработку обращения с 60 до 20 секунд и при этом не потерять в качестве? Если можем, дальше уже можно считать экономику проекта: стоимость внедрения, ожидаемую экономию и срок окупаемости. Появляется владелец процесса, KPI и результат, по которому через несколько месяцев можно честно сказать, сработал проект или нет.

Такой же подход мы используем внутри MANGO OFFICE, в собственных бизнес-процессах. Мы смотрим на компанию как на набор отдельных функций: маркетинг, финансы, HR, продажи, клиентский сервис, продуктовые и операционные команды. Затем последовательно разбираем каждую функцию на процессы. Где сотрудники тратят больше всего времени на рутину? Где слишком долго принимаются решения? Где компания теряет скорость, качество или конверсию?

После этого выбираем конкретные участки, где можно получить измеримый результат. Формулировка «внедрить ИИ в HR» нам ничего не дает. А задача сократить время первичного скрининга кандидатов на 20% уже понятна. То же самое в продажах: не внедрить новую технологию вообще, а, например, повысить скорость обработки лидов на 25%.

Когда бизнес готов довериться технологии

Здесь, на мой взгляд, есть два отдельных вопроса. Первый: можно ли доверять самой технологии? Да, можно. Но бизнес начинает доверять ей, а не просто пробовать и экспериментировать, после того, как видит цифры. Но парадокс распространения технологий заключается в том, что без экспериментов не будет и глубокого внедрения. Вопрос в том, что эти эксперименты должны просчитанными и целенаправленными.

Несколько лет назад похожий путь прошли голосовые роботы. Сначала компании не спешили передавать им общение с клиентами. Потом появились работающие проекты, понятная экономика и доказанный эффект. После этого инструмент довольно быстро стал нормой. С искусственным интеллектом, скорее всего, произойдет то же самое. Доверие будет расти вместе с количеством проектов, где результат можно проверить, а не только показать на презентации.

Второй вопрос: можно ли доверять компании, которая занимается внедрением? Корпоративному заказчику уже недостаточно красивой платформы и длинного списка функций. Нужен партнер, который понимает отрасль, реальные процессы внутри компании и ограничения уже существующего ИТ-ландшафта.

У крупных компаний давно есть свои системы, интеграции, требования к безопасности и сложившиеся процессы. Любое новое решение должно в эту среду встроиться. Иначе даже сильная технология останется отдельным экспериментом, которым неудобно пользоваться в ежедневной работе. Мы в MANGO OFFICE уже 25 лет занимаемся корпоративными коммуникациями и точно знаем, что не бывает универсальных решений «для всего».

Три тренда ближайших лет

Первый — фокус на пользовательском опыте. Технология может быть сложной внутри, но для сотрудников или клиента она должна оставаться понятной и удобной. Если новый инструмент усложняет работу, пользоваться им будут только по указанию руководства, и эффект окажется ниже ожидаемого.

Второй — рост роли интеграций. У большинства крупных компаний уже сформирован собственный ИТ-ландшафт. Они не будут полностью перестраивать его под каждое новое решение. Поэтому способность встроиться в существующие системы становится одним из главных требований к продукту.

Третий — запрос на измеримый бизнес-эффект. Компании все меньше готовы покупать технологии «на будущее». Они хотят понимать, что изменится сейчас: насколько быстрее станет процесс, как вырастет качество сервиса, сколько бизнес сэкономит или дополнительно заработает.

Поэтому искусственный интеллект постепенно перестает быть отдельной целью. Он становится обычным рабочим инструментом — таким же, какими в свое время стали CRM-системы, облачная телефония или корпоративные мессенджеры. Через несколько лет вопрос будет уже не в том, использует ли компания ИИ. Вопрос будет в том, насколько точно и быстро она смогла встроить его в реальные процессы и получить конкретный экономический эффект.