Почему интеграция ИИ в бизнес может
обернуться провалом

Шумиха вокруг искусственного интеллекта (ИИ) привела к тому, что топ-менеджеры по всему миру одобряют инвестиции в развитие этой технологии, и компании нанимают талантливых специалистов, чтобы те разработали пилотные AI-проекты. Но только 22% из них продвинулись дальше стадии проверки гипотезы и лишь 4% — добились успеха и теперь пытаются масштабировать прибыль. Команда экспертов Boston Consulting Group выпустила отчет о том, как компании в разных отраслях используют нейросети, кому из них удается добиться успеха и какое влияние ИИ оказывает на бизнес.

По данным BCG, когда дело доходит до искусственного интеллекта, включая генеративный ИИ (GenAI), любые компании можно разделить на те, которые практически не занимаются развитием технологии, те, которые находятся на стадии проверки гипотезы, а также — компании, которые пытаются масштабировать технологию, и те, кто уже извлекает из нее прибыль.

25% — ИИ-стагнация. Компании практически не используют ИИ в своей деятельности.

49% — стадия MVP. Компании строят и проверяют гипотезы применения ИИ в своей работе.

22% — стадия масштабирования. Компании уже масштабируют гипотезы по использованию ИИ.

Отрасль имеет значение

Задачи и бизнес-процессы, в которых ИИ способен принести компании реальную выгоду, напрямую зависят от отрасли, считают в BCG. Например, в сегменте разработки ПО, туризме, медиа или телекоммуникациях, искусственный интеллект способен взять на себя продажи и маркетинг.

Конкретные задачи для искусственного интеллекта и глубина его потенциального воздействия различаются в зависимости от отрасли. Но с помощью ИИ предприниматели уже могут изменить подход к продажам во многих отраслях. Речь идет о системах рекомендаций, генерации скриптов для общения с клиентами и автоматизации рутинных процессов, которые можно внедрить в самые короткие сроки.

В среднесрочной перспективе ИИ сможет поддерживать процесс продаж в реальном времени и сам заниматься торговлей через виртуальных помощников. Это снизит участие сотрудников в самых рутинных процессах, а значит — они смогут сосредоточиться на более сложных и стратегических задачах, таких как выстраивание личных отношений с клиентами.

В качестве примера аналитики приводят одного из ведущих североамериканских телекоммуникационных операторов, который анализирует записи звонков с клиентами с помощью нейросети. Использование технологии заметно снизило затраты оператора и повысило показатель удовлетворенности клиентов: они сократили время взаимодействия человека с колл-центром на 20% и на 25% уменьшили количество переводов на живого оператора. Нейросеть в общей сложности теперь обрабатывают 30% звонков, что позволило оператору на четверть снизить расходы в этом бизнес-подразделении.

Отдельно аналитики BCG отмечают и влияние искусственного интеллекта на маркетинг. ИИ охватит четыре ключевых процесса в этой индустрии:

1. Сбор и анализ данных. Этот процесс будет значительно автоматизирован, специалисты смогут быстрее выявлять рыночные возможности и создавать новые продукты.

2. Создание контента. AI ускорит цикл производства контента и его локализацию, а также облегчит процесс получения обратной связь от аудитории.

3. Настройка рекламных кампаний. С помощью ИИ маркетологи могут проводить гиперсегментацию аудитории — то есть сегментировать клиентов на небольшие группы для более точного таргетинга. Такой подход позволяет корректировать кампанию в реальном времени на основе трендов и отзывов, а также отслеживать прогресс достижения целей.

4. Продуктивность команды. Если делегировать рутинные и административные задачи ИИ, маркетологи смогут больше времени тратить на стратегические решения. Это повысит их эффективность и вовлеченность в работу.

Особенно заметную пользу нейросети уже приносят в биофармацевтике, медтехе и автомобилестроении. Одна из медтех-компании, к примеру, создает с помощью генеративных ИИ изображения, которые имитируют изображения людей с реальными заболеваниями, и тренирует на них ML-модели. Благодаря такому подходу их алгоритм стал еще на 4—5% точнее, приводят пример аналитики.

В BCG ожидают, что в будущем использование инструментов ИИ позволит автоматизировать проведение исследований или разработку продуктов. Специалисты смогут сокращать время на итерации и проверки, проверять новые концепции, моделировать дизайн продуктов, прогнозировать потребности в закупках, более доступными станут и экспертные знания для большого количества команд.

Одна крупная фармкомпания уже использует нейросети, чтобы ускорить разработку новых лекарств. Сначала она привлекла химиков, чтобы понять, как именно можно улучшить процесс поиска и разработки новых лекарств. А затем создала ML-модель, способную анализировать более миллиарда химических соединений и находить среди них потенциальные объекты для исследований. Благодаря этому решению компания начала выпускать на рынок новые препараты на 25% быстрее, что принесло корпорации дополнительные $100 млн годовой прибыли.

Исследователи привели и другой пример, на этот раз из финансового сектора. Международный банк модернизировал свою систему управления клиентами с помощью генеративного ИИ. Это позволило ему быстрее и качественнее общаться с людьми, за счет чего уровень продаж вырос, а операционные расходы, наоборот, снизились. Увидев результат, банк начал использовать нейросети и для клиентской поддержки, за счет чего снизил нагрузку на операторов, что вскоре благоприятно повлияло на общее качество обслуживания.

Тернистый путь к успеху

Чтобы эффективно использовать искусственный интеллект, очень важно определить конкретные сценарии его применения и понять, какую именно пользу будет приносить технология, отмечают аналитики. Например, в страховании 55% потенциала ИИ связано с управлением страховыми полисами, оценкой рисков и урегулированием убытков, а в биофармацевтике нейросети способны совершить прорыв в исследованиях и разработке (R&D), а также в продажах и маркетинге. Если не сформулировать сценарии использования технологии, она будет обречена на провал, предупреждают исследователи.

В BCG описывают и другие трудности, о которых важно помнить при внедрении AI-технологий:

— Переход от планов к действию. Среди проблем на данном этапе — неправильная расстановка приоритетов для инвестиций, ошибки при масштабировании решений на разные функции и подразделения, сопротивление со стороны сотрудников и сложности при достижении обещанных выгод от внедрения искусственного интеллекта.

— Нехватка компетенций. Большое значение имеет вопрос обучения и подготовки кадров — компании должны развивать у сотрудников конкретные навыки для работы с ИИ и заниматься общим повышением осведомленности об искусственном интеллекте в компании.

— Интеграция AI с существующими IT-системами.

Из опубликованного в отчете опроса компаний следует, что около 70% всех проблем при внедрении ИИ связаны с людьми и процессами, примерно 20% — с техническими аспектами и только 10% — с алгоритмами ИИ.

Это означает, что, несмотря на большое внимание к технической части, отношения с сотрудниками, их вовлеченность и мотивированность, а также правильная организация процессов имеют решающее значение для успеха. Многие компании ошибаются, когда уделяют слишком много внимания техническим вопросам и упускают важность работы с людьми.

Для успешного внедрения ИИ в процессы компании должны сосредоточиться не только на технологии и алгоритмах, но и на обучении, адаптации и поддержке сотрудников. По оценкам BCG, чем более зрелой является компания, тем больше внимания она уделяет безопасности, соблюдению норм и управлению сложными техническими аспектами.

Как внедрить ИИ — чек-лист от BCG

Авторы отчета выделили несколько аспектов, важных для успешного внедрения ИИ в бизнес-процессы компании:

1. Люди и процессы. Большинство необходимых для успеха навыков связано с человеческими ресурсами и процессами. Среди таких навыков — управление изменениями, развитие продуктов и организаторские навыки. Важно:

• Внедрять новые технологии;

• Четко распределять роли;

• Пересматривать и улучшать бизнес-процессы;

• Развивать таланты в области ИИ;

• Обеспечивать ответственное управление ИИ.

1. Техническая часть. Самыми важными техническими аспектами являются управление данными и платформами. Компании должны иметь доступ к качественным данным и системам, которые поддерживают работу с ИИ.

2. Производительность ИИ-модели и качество. Ключевая способность, связанная с алгоритмами, — это обеспечение высокого качества и производительности ИИ-моделей. Одного лишь наличия искусственного интеллекта недостаточно. Модели должны быть точными и стабильными.

Несмотря на то, что для большинства корпораций использование ИИ — это вызов, лидеры из отчета BCG уже добились определенного успеха, на который можно равняться остальным. Чтобы не отставать, исследователи рекомендуют оценить готовность бизнеса к использованию искусственного интеллекта и следовать проверенным стратегиям — это ускорит процесс перехода от экспериментов к применению новой технологии.