Где искусственный интеллект уже приносит реальную прибыль чешским компаниям

Всплеск популярности ИИ за последние два года связан прежде всего с появлением разговорных интерфейсов, позволивших общаться с моделями на естественном языке. Технология перестала быть исключительно инструментом для программистов. Однако это создало искаженное восприятие: многие управленцы считают ИИ лишь возможностью вести диалог с языковыми моделями, упуская из виду истинный потенциал технологии в предсказании поломок оборудования или определении покупательских предпочтений клиентов.

При внедрении ИИ компании сталкиваются с повторяющимися барьерами. Первый из них — завышенные ожидания. Поскольку об искусственном интеллекте говорят повсюду, создается иллюзия, что его применение обойдется дешево и мгновенно произведет революцию в качестве работы.

Второе препятствие — качество данных. Действует старое правило: мусор на входе дает мусор на выходе. Если данные компании противоречивы, неполны или загрязнены, модель будет лишь угадывать желаемый ответ. Без качественной инфраструктуры данных создать умные решения невозможно.

Третий фактор — бизнес-процессы. Большинство фирм хорошо описали стандартные сценарии работы, которые легко автоматизировать. Проблемы и резкое удорожание возникают при нестандартных ситуациях. Зачастую экономически выгоднее поручить обработку исключений человеку, чем обучать ИИ справляться с каждой аномалией.

Четвертая преграда — человеческий фактор и корпоративная культура. Речь идет о способности сотрудников принимать изменения в устоявшихся рутинах. Иногда не хватает мотивации, иногда люди просто не могут представить другой подход к работе. Случается, что генеративный ИИ точно описывает алгоритм решения, но внедрение застопоривается, потому что команда не знает, как перенести этот алгоритм в практику.

Несмотря на препятствия, в ряде областей чешские компании уже эффективно применяют ИИ с измеримыми результатами.

В маркетинге и продажах искусственный интеллект становится незаменимым аналитиком. Компания Carvago использует ИИ для оценки цены подержанного автомобиля с отклонением всего 3%. Сервис Leadspicker применяет технологию для выявления сигналов о готовности к покупке и автоматизации обращений к потенциальным клиентам через LinkedIn и электронную почту. Фирма Chytrý Honza задействует ИИ для извлечения информации для продавцов из CRM-систем и открытых источников.

В клиентском обслуживании главная цель — экономия расходов и круглосуточная доступность. Česká spořitelna интегрировала ИИ в базу знаний для поддержки сервиса Hey George. В NN Group искусственный интеллект помогает выявлять потенциальные риски в моделях выявления мошенничества и резюмирует разговоры с клиентами, что радикально ускоряет обработку сервисных запросов.

Банк ČSOB и страховая компания Generali Česká pojišťovna используют ИИ главным образом в коммуникации с клиентами. Чат-боты и голосовые боты самостоятельно обрабатывают большинство рутинных вопросов, верифицируют клиентов и значительно снижают нагрузку на операторов.

Возможно, самую тихую революцию переживают разработчики. За пределами IT-сферы применяются инструменты вроде Gamma App для создания презентаций или автоматического извлечения данных из PDF-документов с предложениями, запросами и договорами.

Руководителям и предпринимателям, желающим быстро начать работу с ИИ, эксперты рекомендуют забыть о сложных внедрениях собственных моделей. Сила в доступных инструментах.

Для личной продуктивности специалисты советуют почтовые клиенты с ИИ, работающие в фоновом режиме и повышающие эффективность работы с электронной почтой примерно вдвое. Эксперт по ИИ Филип Дршималка называет Claude от Anthropic лучшим чат-ботом в мире и рекомендует каждому интеллектуальному работнику оплачивать хотя бы одну премиальную модель для обобщения документов или мозговых штурмов. Claude обладает передовыми возможностями анализа данных, умеет хорошо программировать для непрограммистов и подключается к другим приложениям.

Инструменты вроде Transkriptor или Fireflies расшифровывают встречи в реальном времени. Продавец может сосредоточиться на клиенте, пока ИИ фиксирует каждую деталь, которая иначе ускользнула бы.

Создание чат-бота на основе внутренних регламентов и инструкций оказывается весьма функциональным решением. Сотрудники задают вопросы о льготах или процедурах естественным языком и получают немедленные ответы. Отличный инструмент для старта — NotebookLM, работающий как база знаний исключительно на основе предоставленных материалов.

Для сложных систем типа SAP или Oracle спасением становится ИИ-ассистент, который помогает менее опытным пользователям. Вместо сложных цепочек кликов можно просто спросить, какой заказ был сделан вчера или как настроить определенную функцию.

С энтузиазмом приходят и риски. Самый большой — утечка конфиденциальных данных. Загрузка коммерческих секретов или персональных сведений в публичные модели типа ChatGPT прямо нарушает соглашения о неразглашении. Показательный пример — случай с Samsung, где сотрудники непреднамеренно обучали публичную модель на данных о неанонсированных продуктах. Решение — анонимизация данных или закрытые корпоративные системы.

Другая ловушка — попытка полностью заменить человеческий труд там, где критична эмпатия, например в B2B-продажах. ИИ-агенты отлично справляются с обращениями и анализом профилей LinkedIn для гиперперсонализированных сообщений. Но если доверить ИИ весь процесс переговоров от начала до конца, это закончится конфузом. Искусственный интеллект не воспринимает нюансы и эмоции, не умеет выстраивать отношения. Клиент хочет общаться с человеком, которому ИИ лишь подсказывает.

Третья проблема — проекты без бизнес-обоснования. Компании часто инвестируют в собственные модели просто потому, что так делают другие. Без четких сценариев использования и метрик через полгода останется дорогой концепт в ящике стола и демотивированная команда.

Если до сих пор мы преимущественно разговаривали с ИИ, теперь наступает эра ИИ-агентов. Разница принципиальна: агент понимает цель и способен самостоятельно предпринять серию шагов для ее достижения.

Представьте агента, который не просто отвечает на вопрос, а сам ищет информацию, подключается к другому приложению и выполняет действие. На практике это означает автоматизацию бэк-офиса: одобрение счетов, проверка данных, обновление записей в CRM. Или планирование встреч и постановка задач непосредственно в системах. Цель состоит в том, чтобы ИИ работал прямо в интерфейсе, где вы трудитесь, например в Slack, и брал на себя координацию задач.