ИИ-автоматизация3 минуты чтения

Автоматизация искусственного интеллекта: с какого бизнеса начать в первую очередь?

Если ваша команда каждый день переписывает одни и те же данные, ищет информацию по сообщениям или собирает похожие ответы, у вас уже есть хорошая отправная точка. Сначала вам нужно выбрать конкретную работу, а уже потом решить, требует ли она ИИ.

Начните с повторяющейся задачи

Составьте список задач, которые повторяются в течение рабочей недели. По каждому распишите, кто это делает, откуда поступает информация, куда она попадает и что обычно тормозит работу. Полезнее написать «копируем данные из запроса в таблицу», чем «хотим оцифровать продажи». Первое описание позволяет определить решение и проверить результат.

У хорошего первого кандидата есть четкое начало и конец, достаточное количество похожих примеров и человек, который может проверить результат. Процесс изменения правил от случая к случаю требует большей подготовки. Если даже сотрудники не могут договориться о том, как следует выполнить задачу, сначала организуйте процедуру.

Отделение автоматизации от искусственного интеллекта

Отправка уведомления при поступлении формы, ввод данных в базу данных или напоминание после определенного срока часто может работать в соответствии с заранее определенными правилами. ИИ более полезен, когда входные данные не строго упорядочены: ему необходимо понять сообщение, извлечь тему, резюмировать документ или предложить ответ.

Эти два подхода могут быть связаны между собой. Правила направляют процесс, а ИИ помогает в той части, которая требует свободной обработки текста. Такое разделение упрощает проверку и уменьшает количество решений, которые вы оставляете на усмотрение модели.

Пример: от сообщения к подготовленному ответу

Рассмотрим бизнес, который получает запросы на множество услуг. Система может получить сообщение, извлечь запрошенную услугу и подготовить проект ответа на основе утвержденной информации. Если важная часть информации отсутствует, он помечает ее для проверки. Затем сотрудник проверяет контент, дополняет предложение и решает, что будет отправлено.

Это иллюстрация возможного процесса, а не обещание того, что каждое сообщение может быть обработано без ошибок. Цены, наличие и сроки должны быть получены из надежного источника. Модель не должна дополнять их догадками.

Измерьте экономию, оставшуюся после проверки

Перед пилотным проектом измерьте, сколько времени теперь занимает выполнение задачи. После внедрения решения учтите время проверки, исправлений и сопровождения. Например, если задача выполняется 40 раз в неделю, а общее время выполнения задачи снижается с восьми до пяти минут, примерная экономия составит два часа в неделю. Это не прогноз вашего результата, а способ его подсчета.

Также отслеживайте, сколько выходных данных принимается без изменений, какие ошибки повторяются и действительно ли работа быстрее доходит до следующего человека. Быстрый набросок, требующий длительного исправления, не является законченной работой.

Согласуйте границы перед включением

Генеративный ИИ может создавать правдоподобный, но неточный контент. Так что заранее определите, что он может предложить, а что требует проверки человеком. Для первого пилотного проекта выберите внутреннюю задачу с ограниченными последствиями и понятным способом вернуться к существующему процессу.

Определить, к каким данным имеет доступ система и кто видит результаты. Начните с тестовых или анонимных примеров, проверьте условия выбранного инструмента и передавайте только необходимые для задачи данные. В частности, проверяйте неполные, двусмысленные и необычные сообщения, а не просто идеальные примеры.

Что подготовить к первому разговору

Предоставьте описание одного процесса, несколько репрезентативных примеров без конфиденциальных данных, приблизительную частоту и список используемых вами инструментов. Добавьте человека, который сегодня выполняет эту работу, и критерии, по которым вы скажете, что пилотный проект имеет смысл. Для полезного старта этого достаточно: небольшой объем, четкий результат и решение, основанное на проверке.

Дополнительная литература: NIST: Профиль генеративного ИИ — риски и проверка результатов