Разделы

Бизнес Цифровизация Конференции

От эксперимента к процессу: как ИИ трансформирует современный бизнес

Российский бизнес активно внедряет искусственный интеллект. Этап пилотирования остался позади, сегодня речь идет о реальных кейсах. Теперь главный вопрос заключается не в том, хватит ли у компании мощностей и специалистов для запуска проекта, а в том, насколько корректно работает модель и приносит ли она реальный экономический эффект. Участники пленарного заседания организованного CNews Conferences форума «Технологии искусственного интеллекта» поделились примерами перехода от изолированных чат-ботов к мультиагентным системам. Главный вывод дискуссии зафиксировал переход к жесткому прагматизму — автономия ИИ сегодня ограничивается ценой его ошибки, поэтому бизнес массово внедряет гибридные платформы и формат совместной работы специалиста и нейросети, где финальное решение и ответственность всегда остаются за человеком.

Максим Вихарев, основатель «Агентек»: Беда начинается там, где ИИ применяют в областях, в которых сами не разбираются

С искусственным интеллектом связывают большие надежды на повышение эффективности как отдельных процессов, так и бизнеса в целом. Опыт пилотов, значительная часть которых так и не переросла в полноценные проекты, свидетельствует: для того, чтобы эти надежды оправдались, необходима тщательная подготовка, рассказал Максим Вихарев, основатель «Агентек».

CNews: Какие задачи можно поручать искусственному интеллекту?

Максим Вихарев: Главное условие — задачи, где результат можно проверить: ответственным человеком или по очевидным показателям. Второе — цена ошибки не должна быть фатальной; чем она выше, тем меньше автономности.

Начинать стоит с рутины: задачи понятные, маловариативные, без глубокой экспертизы. У нас это чаще всего бот поддержки на типовых обращениях, квалификатор заявок, сортирующий входящие до менеджера, и конспект встречи с договоренностями и поручениями. Агента ставят прямо в рабочий контур — в ту же CRM, трекер, репозиторий и мессенджер, где работают люди.

Второй слой — вариативные задачи с большими массивами данных: разработка, аналитика, тексты, исследования. Тут ИИ усиливает сотрудника, который понимает предметную область. Самый массовый пример — вайбкодинг: маркетолог описывает лендинг словами, агент собирает страницу на тестовом адресе, правки идут тем же разговором. Так же собирают внутренние интерфейсы и отчёты: отдел делает себе приложение, не вставая в очередь к разработке. Проверка встроена в задачу — результат видно глазами, цена ошибки нулевая.

CNews: Как лучше организовать работу ИИ в компании?

Максим Вихарев: Есть несколько принципов, которых надо придерживаться. Первый — короткая политика. Надо заранее решить, какие данные можно отдавать внешним моделям, какие нельзя, что требует корпоративного контура, кто отвечает за результат (подсказка — сотрудник). Помните, что тонны регламентов никто не прочитает.

Второй — определить место для экспериментов с явными границами. Так практики нарабатываются быстрее, чувствительное не утекает.

Третий — централизованный ИИ-слой. Вам необходимы конструктор агентов и единый шлюз к моделям, учет потребления с лимитами по командам, обезличивание по пути к модели, журнал обращений для безопасности, базы знаний и переиспользование собранных агентов. При жестких требованиях — внутри своей инфраструктуры.

Запомните: платформа не должна быть обязательной ради самого контроля: неудобную обходят. Теневой ИИ выводится в контур тогда, когда в контуре работать удобнее.

CNews: Можно ли доверять ИИ и не окажется ли контроль за ним слишком затратным?

Максим Вихарев: Все зависит от способности этот контроль выполнить. Сильная модель плюс компетентный человек дают значимый прирост. Беда начинается там, где ИИ применяют в областях, в которых сами не разбираются: он масштабирует и компетентность, и некомпетентность, а деньги уходят и на контроль, и на устранение последствий.

Поэтому контроль делают дешевым заранее — берут задачи, где результат проверяется сам собой: лендинг видно, тест проходит или падает, выгрузка сходится с источником, ответ приходит со ссылкой на документ, а не пересказом по памяти. В вайбкодинге это работает лучше всего, поэтому он так быстро и разошелся. Дальше — журнал и трассировка, доступ к данным ровно под задачу, человек-владелец у каждой задачи. Там, где цена ошибки высокая, агент готовит решение, применяет его человек.

Наталья Рудычева