Читать книгу Внедрение ИИ в бизнес - Группа авторов - Страница 6

История Пети, который потратил миллион на ИИ-систему, которая ему не нужна

Петя был как раз в тот момент, когда его бизнес начал прилично расти. Оборот интернет-магазина спортивных товаров приближался к 15 миллионам в месяц, команда насчитывала уже 30 человек, и кабинет Пети переехал из кладовки в нормальный офис с окном.

Он ходил важный, с новым MacBook под мышкой, и вообще чувствовал себя уже не просто предпринимателем, а серьезным бизнесменом с солидной компанией. Оставалось только внедрить какую-нибудь крутую технологию, о которой можно было бы рассказывать на бизнес-завтраках.

И тут на конференции по электронной коммерции Петя познакомился с ребятами из стартапа, разрабатывающего «революционные ИИ-решения для розницы». Они красиво рассказывали про Big Data, нейросети и предиктивную аналитику. Показывали впечатляющие графики и обещали 40% роста конверсии.

– У всех крупных игроков уже есть подобные системы, – убеждал Петю директор стартапа. – Amazon, Ozon, Wildberries… Если вы хотите конкурировать, вам нужны технологии. Без ИИ через год вас просто не будет на рынке.

Петя нервно сглотнул. Терять бизнес не хотелось. К тому же, он вспомнил несколько статей из Forbes про то, как нейросети меняют мир розничной торговли.

– Сколько стоит внедрение? – спросил он.

– Базовое решение – 800 тысяч рублей. Плюс около 200 тысяч на интеграцию. И потом ежемесячное обслуживание – 80 тысяч.

Петя достал калькулятор. Если система действительно даст 40% роста конверсии, то при текущем обороте это примерно… +6 миллионов в месяц! Окупится за неделю! Он подписал договор в тот же день.

А дальше начался настоящий квест под названием «Внедрение ИИ».

Сначала выяснилось, что «интеграция за 200 тысяч» – это только базовая интеграция. А для полноценной работы системы нужно еще:

1. Перенести данные из старой CRM (90 тысяч);

2. Настроить трекинг действий пользователей (150 тысяч);

3. Обучить модель на исторических данных (180 тысяч);

4. Интегрировать с платежной системой (120 тысяч).

Петя вздохнул и подписал допсоглашение. Миллион превратился в миллион пятьсот, но ведь 40% роста конверсии того стоят, верно?

Прошло три месяца. Деньги потрачены, система внедрена. Петя собрал команду для презентации нового инструмента.

– Это наша новая ИИ-система, – гордо объявил он. – Она будет анализировать поведение клиентов и предсказывать, какие товары им предложить в первую очередь.

– А у нас есть человек, который будет с ней работать? – спросил маркетолог Вася.

Петя замер. Об этом он как-то не подумал.

– А разве она не сама все делает? Там же искусственный интеллект…

– Петь, любую систему надо настраивать и контролировать, – сказал технический директор Миша. – Нам нужен специалист по данным.

– И еще нам нужно интегрировать ее с рассылками и рекламными кабинетами, – добавил Вася. – Иначе как мы будем использовать ее рекомендации?

Еще через месяц в компании появился дата-сайентист с зарплатой 180 тысяч и маркетолог-аналитик за 120 тысяч. А еще через два месяца Петя наконец решился посмотреть на результаты внедрения.

Рост конверсии составил… 3%.

– Но вы же обещали 40%! – возмутился Петя, вызвав представителя стартапа.

– 40% – это потенциально возможный результат при идеальных условиях, – пожал плечами тот. – У вас просто недостаточно данных. Система не может работать эффективно, если у вас меньше миллиона уникальных посетителей в месяц.

– Но у меня их всего 100 тысяч! – Петя схватился за голову. – Почему вы мне об этом не сказали?

– Вы не спрашивали, – просто ответил представитель.

В итоге Петя потратил:

● 1,5 миллиона на систему и интеграцию

● 300 тысяч на зарплату новым сотрудникам за первые месяцы

● 240 тысяч на обслуживание системы за эти месяцы

● Бесценные нервы и время команды

А получил 3% роста конверсии, которые с тем же успехом могла дать обычная A/B-оптимизация карточки товара за 50 тысяч рублей.

Мораль: перед тем как покупать дорогостоящее ИИ-решение, нужно чётко представлять, какую проблему вы решаете, подходит ли это решение под ваш масштаб и есть ли у вас ресурсы для работы с ним.

Как не стать Петей: простой чек-лист перед покупкой любой ИИ-технологии

Первое правило внедрения ИИ: выбирать технологию нужно под задачу, а не наоборот! Звучит очевидно, но большинство предпринимателей сначала загораются идеей внедрить какую-то модную технологию, а потом уже думают, куда бы её приткнуть.

Чек-лист здравомыслящего предпринимателя

1. Определите конкретную бизнес-проблему

Прежде чем рассматривать любую технологию, четко сформулируйте проблему, которую хотите решить.

Неправильно: «Хочу внедрить нейросеть в бизнес». Правильно: «Наши менеджеры тратят 70% времени на ответы на одинаковые вопросы клиентов, нужно их разгрузить».

Вопросы для самопроверки:

● Какую конкретную боль решит эта технология?

● Можно ли измерить эту боль в деньгах или часах?

● Существуют ли более простые способы решить эту проблему?

2. Проверьте соответствие технологии вашему масштабу

Многие ИИ-решения эффективны только при определенном объеме данных или масштабе бизнеса. То, что работает у Amazon, может быть бесполезно для интернет-магазина с тремя тысячами клиентов.

Размер имеет значение! Вот приблизительная шкала, когда имеет смысл внедрять разные типы ИИ-решений:

Вопросы для самопроверки:

● Сколько данных требует система для эффективной работы?

●Соответствует ли это количество вашему трафику/клиентской базе?

● Нужна ли вам вся функциональность системы или только часть?

3. Рассчитайте полную стоимость владения

Стоимость ИИ-решения – это не только цена лицензии или разработки. Включите в расчет:

●Стоимость интеграции (часто превышает стоимость самой системы)

● Зарплату специалистов, которые будут с ней работать

● Обучение существующих сотрудников

● Доработки и кастомизацию под ваши процессы

● Регулярное обслуживание и обновления

Пример расчета для внедрения ИИ-чатбота:

Вопросы для самопроверки:

● Какова полная стоимость владения за 2—3 года?

● Сколько вы сейчас тратите на решение той же проблемы?

● Каков ожидаемый ROI и когда система окупится?

4. Оцените техническую совместимость и готовность инфраструктуры

Не все ИИ-решения могут легко интегрироваться с вашими существующими системами. Проверьте:

● Совместимость с вашей CRM/ERP/CMS

● Требования к данным и их формату

● Необходимость в дополнительной инфраструктуре

● Требования к безопасности и хранению данных

Красные флаги:

● Вендор не может назвать точные сроки и этапы интеграции

● Требуется полная замена существующих систем

●Для интеграции нет готовых API, только «индивидуальные решения»

Вопросы для самопроверки:

● Насколько сложно будет интегрировать это решение?

● Есть ли у вас все необходимые данные в нужном формате?

● Какие технические риски существуют?

5. Проверьте кейсы и референсы

Никогда не верьте маркетинговым обещаниям! Запросите:

● Контакты клиентов, уже использующих это решение (желательно из вашей отрасли)

● Детальные кейсы с измеримыми результатами

● Возможность протестировать решение на малом объеме данных

Что спросить у текущих клиентов вендора:

● Какие были основные сложности при внедрении?

● Сколько времени заняло достижение первых результатов?

● Какие ресурсы потребовались для поддержки системы?

● Что бы вы сделали иначе, если бы внедряли заново?

Вопросы для самопроверки:

●Есть ли у вендора успешные внедрения в компаниях вашего масштаба и отрасли?

●Совпадают ли заявленные результаты с отзывами реальных клиентов?

● Можно ли начать с пилотного проекта без больших инвестиций?

6. Предусмотрите план отступления (продолжение)

● Критерии успеха и неудачи проекта

● Сроки пересмотра решения (обычно 3—6 месяцев)

● План Б для решения проблемы другими методами

Крутая идея – прописать в договоре с вендором условия возврата части денег, если обещанные показатели не будут достигнуты за определенный срок.

Вопросы для самопроверки:

● Что произойдет, если система не даст ожидаемого результата?

● Каковы условия расторжения договора?

● Сможете ли вы легко перейти на другое решение?

Итоговый чек-лист (распечатай и повесь над столом):

□ Я точно знаю, какую бизнес-проблему решаю

□ У меня достаточный масштаб для этой технологии

□ Я посчитал полную стоимость владения на 2—3 года

□ Я проверил совместимость с имеющимися системами

□ Я поговорил с реальными клиентами вендора

□ У меня есть план отступления, если что-то пойдет не так

«Я думала, ИИ сам все сделает» – развенчиваем 5 главных заблуждений

Мы все еще живем в мире, полном заблуждений о возможностях искусственного интеллекта. И хотя производители ИИ-решений активно поддерживают эти мифы (им же выгодно!), давайте честно поговорим о том, чего ИИ НЕ МОЖЕТ на сегодняшний день.

Заблуждение 1: «ИИ работает полностью автономно»

Иногда кажется, что достаточно установить систему, нажать кнопку «Старт» – и ИИ сам будет приносить деньги, пока вы лежите на пляже с коктейлем.

Суровая реальность: Любая ИИ-система требует постоянного человеческого внимания: настройки, обучения, контроля качества, анализа результатов. Даже самые «умные» алгоритмы нуждаются в человеке, который ставит цели и оценивает достижения.

История Ирины

Ирина, владелица небольшого интернет-магазина косметики, внедрила ИИ-систему для автоматического таргетинга рекламы. Через неделю она обнаружила, что система потратила весь месячный бюджет, показывая рекламу… любителям рыбалки!

Оказалось, что алгоритм заметил случайную корреляцию между покупками и интересом к рыбалке у нескольких клиентов и решил, что нашел золотую жилу. Ирине пришлось срочно нанимать специалиста, который бы контролировал работу «умного» алгоритма.

Что делать вместо этого: Планируйте ресурсы на поддержку ИИ-системы с самого начала. Для большинства решений вам понадобится минимум один сотрудник, который будет тратить на это хотя бы 25% своего времени.

Заблуждение 2: «ИИ мгновенно даст результаты»

Многие ожидают, что внедрение ИИ – как волшебная таблетка: проглотил – и здоров.

Суровая реальность: Большинству ИИ-систем требуется время на обучение и адаптацию. Первые результаты могут быть даже хуже, чем до внедрения! Только через 3—6 месяцев система начнет показывать свою эффективность.

История Михаила

Михаил внедрил ИИ-систему для прогнозирования спроса в сети своих пиццерий. Первый месяц был катастрофой: система рекомендовала закупать в 2 раза больше сыра на понедельник (традиционно слабый день) и в 3 раза меньше на пятницу (самый горячий день недели).

Потребовалось 4 месяца, чтобы система накопила достаточно данных, научилась учитывать сезонность, погоду и даже футбольные матчи. Теперь прогнозы точны на 92%, но Михаилу пришлось запастись терпением.

Что делать вместо этого: Заложите в плане «период адаптации» и не ожидайте моментальных чудес. Лучший подход – внедрять поэтапно, начиная с малого, и постепенно расширять применение ИИ, когда первые результаты уже видны.

Заблуждение 3: «ИИ заменит сотрудников и сэкономит на зарплатах»

Это, пожалуй, самое опасное заблуждение. Предприниматели часто видят в ИИ способ сократить штат.

Суровая реальность: ИИ не заменяет сотрудников, а меняет характер их работы. Вместо того чтобы сократить 5 операторов колл-центра, вы, скорее всего, оставите 2—3, но они будут заниматься более сложными задачами, а рутину отдадите ИИ.

История Алексея

Алексей, руководитель юридической фирмы, внедрил ИИ для анализа договоров. Он рассчитывал сократить 3 младших юристов из 10. Спустя полгода штат не уменьшился, но компания стала обрабатывать на 40% больше договоров.

Оказалось, что ИИ отлично справляется с типовыми проверками, но юристы все равно нужны для финальной оценки и работы со сложными случаями. Зато они теперь тратят время на действительно ценную работу, а фирма может обслуживать больше клиентов с тем же персоналом.

Что делать вместо этого: Планируйте ИИ как инструмент повышения производительности и качества, а не как замену людям. Готовьте сотрудников к изменению их функций и обучайте их работе в паре с искусственным интеллектом.

Заблуждение 4: «ИИ примет лучшие решения, чем человек»

Нас так долго пугали восстанием машин, что многие теперь верят в сверхразум ИИ и готовы полностью довериться его решениям.

Суровая реальность: Современный ИИ – это продвинутая статистика, а не разум. Он находит закономерности в данных и делает прогнозы на их основе. Но у него нет понимания контекста, здравого смысла и творческого мышления.

История Дмитрия

Дмитрий полностью доверил ИИ-системе подбор кандидатов в свою IT-компанию. Система отлично фильтровала резюме по навыкам и опыту, но почему-то отсеивала всех кандидатов старше 40 лет.

Выяснилось, что в исторических данных, на которых обучался алгоритм, почти не было успешных примеров найма людей этого возраста (хотя причины были совсем не в их компетенциях). ИИ «выучил» этот паттерн и воспроизводил его, хотя это была явная дискриминация.

Что делать вместо этого: Используйте ИИ как советника, а не как лицо, принимающее решения. Всегда оставляйте за человеком право финального выбора, особенно в критически важных вопросах.

Заблуждение 5: «Чем сложнее и дороже ИИ-система, тем она лучше»

Это классическое заблуждение из серии «дорого – значит хорошо».

Суровая реальность: Самые эффективные решения часто оказываются простыми и недорогими. Сложная многофункциональная система может быть избыточной для ваших задач и только усложнит работу.

История Натальи

Наталья, владелица сети салонов красоты, выбирала между двумя системами для автоматизации записи клиентов:

● Система A: комплексное решение с ИИ, аналитикой клиентского опыта, интегрированным CRM, модулем предиктивных рекомендаций и еще 20 функциями. Цена: 500 000 руб.

● Система B: простой чат-бот для записи, который интегрируется с существующей CRM, умеет отвечать на типовые вопросы и напоминать клиентам о записи. Цена: 80 000 руб.

Наталья выбрала Систему A, потому что «там больше всего функций». Через полгода она использовала только 10% возможностей дорогой системы, а ее главная проблема – удобная запись клиентов – решалась бы простым ботом за 80 000 руб.

Что делать вместо этого: Начинайте с решений, точно соответствующих вашим конкретным задачам, даже если они выглядят простыми. Вы всегда успеете масштабироваться, когда увидите первые результаты.

Что должно насторожить в предложениях от продавцов ИИ-решений

В мире искусственного интеллекта сейчас настоящее золотое дно для «продавцов тумана». Каждый второй стартап обещает революцию с помощью своих алгоритмов. Как не попасться на удочку?

1. Магические обещания без конкретики

Красный флаг: «Наш ИИ увеличит вашу прибыль на 300%!»

Подобные заявления без объяснения, как именно это произойдет, – верный признак пустых обещаний. Достойный вендор всегда объяснит механику: как его система повлияет на конкретные бизнес-процессы и откуда возьмется рост.

Хороший признак: «Система автоматизирует обработку типовых заявок, что сократит время обработки с 30 до 5 минут. При вашем объеме в 1000 заявок в месяц это экономит 416 часов работы операторов, или примерно 2,5 ставки».

2. «Черный ящик» вместо прозрачности

Красный флаг: «Наш проприетарный алгоритм основан на уникальных технологиях, которые мы не можем раскрыть»

Конечно, у ИИ-компаний есть коммерческие секреты. Но если вам отказываются объяснить даже базовые принципы работы системы – это повод насторожиться.

Хороший признак: «Наша рекомендательная система использует коллаборативную фильтрацию и анализ контента. Вот как это работает: [понятное объяснение]. Мы можем показать вам дашборд, где вы увидите, почему система сделала то или иное предсказание».

3. Отсутствие демонстрации на ваших данных

Красный флаг: «Доверьтесь нам, система работает одинаково хорошо для всех клиентов»

Даже лучшие ИИ-решения требуют адаптации под специфику конкретного бизнеса. Если вендор не хочет провести тест на небольшом наборе ваших реальных данных – это подозрительно.

Хороший признак: «Перед подписанием контракта мы проведем пилотный проект на 10% ваших данных. Вы увидите реальные результаты и сможете принять обоснованное решение».

4. Нежелание обсуждать ограничения

Красный флаг: «Наша система справится с любыми задачами в вашей отрасли»

У любой технологии есть ограничения. Если вендор не говорит о них открыто – он либо не понимает свой продукт, либо сознательно вводит вас в заблуждение.

Хороший признак: «Наша система отлично работает для текстовых данных на русском и английском языках, но пока не поддерживает другие языки. Также ей требуется минимум 1000 исторических примеров для обучения, поэтому для совсем новых продуктов точность будет ниже».

5. Требование полной предоплаты

Красный флаг: «Для начала работы нам нужна 100% предоплата за весь год вперед»

Серьезные разработчики ИИ понимают, что их решение должно доказать свою ценность, прежде чем клиент заплатит полную сумму.

Хороший признак: «Мы берем 30% предоплаты за запуск проекта. Остальную сумму вы платите поэтапно, по мере достижения согласованных KPI».

6. Слишком много модных слов

Красный флаг: «Наша система использует нейроморфный квантовый блокчейн с алгоритмами глубокого обучения и трансформерной архитектурой на основе передовых методов федеративного машинного обучения»

Настоящие эксперты могут объяснить сложные вещи простыми словами. Нагромождение технических терминов часто служит дымовой завесой для сокрытия отсутствия реальной экспертизы.

Хороший признак: «Мы используем алгоритмы машинного обучения, которые анализируют поведение клиентов и находят закономерности, помогающие предсказать, какие товары скорее всего заинтересуют каждый конкретный сегмент вашей аудитории».

7. Отсутствие интереса к вашему бизнесу

Красный флаг: Вендор говорит только о своей технологии, не задавая вопросов о вашем бизнесе, целях и существующих процессах.

Качественное ИИ-решение всегда учитывает специфику вашего бизнеса. Если поставщик не интересуется деталями ваших процессов, он вряд ли сможет предложить подходящее решение.

Хороший признак: Перед презентацией решения вендор проводит детальный аудит ваших процессов, задает десятки вопросов о бизнесе и проблемах, с которыми вы сталкиваетесь.

8. Отсутствие документации и обучения

Красный флаг: «Наша система интуитивно понятна, документация не требуется»

Любая ИИ-система, особенно сложная, нуждается в подробной документации и обучении пользователей. Если вендор не предлагает этого, скорее всего, вас ждут проблемы после внедрения.

Хороший признак: «В стоимость входит полная документация, обучение ваших сотрудников и поддержка в течение первых трех месяцев. После этого вы можете продлить контракт на поддержку или пользоваться системой самостоятельно».

Итак, как не попасть в ловушку ИИ-хайпа?

Ключевое правило – холодная голова и трезвый расчет. Воспринимайте ИИ как инструмент для решения конкретных бизнес-задач, а не как модную игрушку или панацею от всех проблем.

Совет бывалого

Относитесь к покупке ИИ-решения так же, как к найму дорогостоящего сотрудника. Вы же не берете человека на работу, только потому что у него крутое резюме? Вы проводите собеседование, проверяете рекомендации, даете тестовое задание. С ИИ должно быть то же самое!

Схема безопасного выбора ИИ-решения:

Определите проблему

○ Сформулируйте четкую бизнес-задачу

○ Оцените ее в деньгах/часах/других единицах

Изучите рынок

○ Исследуйте доступные решения

○ Запросите демонстрации и кейсы

○ Поговорите с клиентами вендоров

Проверьте совместимость

○ Оцените техническую интеграцию

○ Проанализируйте наличие нужных данных

○ Проверьте готовность инфраструктуры

Начните с малого

○ Проведите пилотный проект

○ Установите четкие KPI

○ Определите критерии успеха/неудачи

Подготовьте команду

○ Проведите обучение сотрудников

○ Разъясните изменения в процессах

○ Назначьте ответственных за проект

Внедряйте и контролируйте

○ Регулярно анализируйте результаты

○ Корректируйте настройки при необходимости

○ Не бойтесь признать ошибку и сменить курс

Самое главное – помните, что ИИ не заменяет здравый смысл, а лишь усиливает его. Доверяйте своей интуиции: если предложение кажется слишком хорошим, чтобы быть правдой, вероятно, так оно и есть.

Расскажем напоследок еще одну историю

Вместо Пети, который потратил миллионы на ненужную систему, познакомьтесь с Еленой.

Елена управляет сетью из 5 кофеен. Она тоже задумалась о внедрении ИИ, но подошла к вопросу иначе.

Сначала Елена составила список проблем, с которыми сталкивается бизнес:

Сложно прогнозировать поток клиентов, из-за чего то не хватает персонала, то сотрудники бездельничают

Много времени уходит на составление графиков работы

Управляющие тратят 2 часа в день на отчетность

Изучив рынок, Елена выбрала не «комплексное ИИ-решение для управления бизнесом», а простую программу, которая анализирует данные из кассовой системы и помогает составлять рабочие графики.

Стоимость: 10 000 рублей в месяц. Вместо единовременных миллионных затрат – понятная подписка, которую можно отменить в любой момент.

Елена начала с одной кофейни, настроила систему, обучила менеджера. За первый месяц удалось сократить количество «пустых» человеко-часов на 15%, а время на составление графиков снизилось с 3 часов до 30 минут в неделю.

Только убедившись в эффективности, Елена внедрила решение в остальных точках. Через полгода общая экономия составила около 200 000 рублей в месяц при затратах в 50 000.

Чем подход Елены отличается от подхода Пети?

Она начала с четкой проблемы, а не с «хочу ИИ»

Выбрала решение, соответствующее масштабу бизнеса

Провела пилот на одной точке

Расширила применение только после подтверждения эффективности

Выбрала подписку вместо крупных единовременных вложений

Пометь маркером:

1.Конкретизируйте проблему. Не «нам нужен ИИ», а «нам нужно сократить время обработки заявок с 30 до 5 минут».

2.Считайте деньги. Полная стоимость владения включает не только покупку, но и интеграцию, обучение, поддержку и сопровождение.

3.Проверяйте совместимость. Уточните, как решение будет работать с вашими существующими системами.

4.Начинайте с малого. Пилотный проект на небольшой части бизнеса позволит оценить эффективность без больших рисков.

5.Проверяйте кейсы. Запрашивайте контакты реальных клиентов вендора и разговаривайте с ними.

6.Готовьте план отступления. Решите заранее, что будете делать, если технология не оправдает ожиданий.

Помните: технология – это средство решения бизнес-задач, а не самоцель. И даже самый продвинутый ИИ не заменит здравый смысл предпринимателя.

В следующей главе мы расскажем, с чего начать внедрение ИИ, если вы все же решили, что это именно то, что нужно вашему бизнесу.