Вопреки раздутым ожиданиям: Как генеративный искусственный интеллект проникает в российский бизнес

Со временем предприниматели «распробовали» генеративный ИИ и уже сейчас активно прорабатывают сценарии его внедрения в корпоративные процессы. С одной стороны, бизнес готов экспериментировать, с другой — пока не до конца понимает, каких инвестиций это будет стоить.

В статье расскажем, какие задачи помогает решать бизнесу генеративный ИИ, как глубоко нейросети проникли в программные продукты. Рассмотрим законодательные и санкционные ограничения, вопрос информационной безопасности, которые в комплексе накладывают отпечаток на развитие генеративного ИИ в России.

Что общего у нейронных сетей и генеративного ИИ?

В основе генеративного ИИ лежат нейросети, которые могут без программирования, на основе массива данных обучить компьютер определенным действиям. Например, собирать слова в предложения, делать предсказание по каждой следующей формулировке. По такому алгоритму работают виртуальные ассистенты Siri от Google и Алиса от Яндекса, которые запросто поддерживают диалог с человеком и отвечают на его вопросы.

Серьезный скачок в развитии нейронных сетей произошел в последние несколько лет. Разработчики получили доступ к большому набору данных для обучения, плюс заметно выросли вычислительные мощности ИТ-компаний. Генеративный ИИ признают самым быстрорастущим сегментом рынка искусственного интеллекта. По подсчетам исследовательской компании Brainy Insights, в ближайшие 10 лет он увеличится в 20 раз — с $8,65 млрд в 2022 году до $188 млрд к 2032 году. Другое аналитическое агентство Bloomberg Intelligence делает более оптимистичные прогнозы и предсказывает, что к 2032 году рынок генеративного ИИ вырастет до $1,3 трлн.

Генеративный ИИ в бизнесе: на что способен, какие выгоды несет

Самый развитый сектор, где генеративный ИИ добился впечатляющих результатов, это работа с текстом. Языковые модели хорошо выполняют задачи, с которыми ранее мог справиться только человек: за инженера технической поддержки они составляют ответ на обращение, за секретаря – сокращают запись получасовой встречи до полустраничного протокола совещания и т.д. Словом, автоматизируют рутинные операции, исключая или минимизируя участие сотрудника.

Какой письменный контент создает генеративный ИИ:

• ответы на входящее письмо, обращение, иск, претензию, жалобу;
• проекты документов (служебной записки, протокола совещания, заявки на закупку и др.);
• контент для маркетинговых рассылок, страниц сайтов, рекламных сообщений, статей, постов;
• инструкции, технические руководства;
• сценарии, литературные произведения и др.

Нейросети обучаются на основе определенных входных данных – чем больше массив для обучения, тем содержательнее и подробнее получается текст. Например, языковая модель GPT-3.5 обучена на 300 млрд слов, взятых из разных языков.

Насколько генеративный ИИ быстрее человека

Все расчеты в таблице сделаны на основе коридорных тестирований, проведенных компанией Directum.

Почему бизнесу выгодно использовать генеративный ИИ

Если рассматривать генеративный ИИ в призме создания письменного корпоративного контента, то выгоды его использования получаются ощутимые.

Компания экономит время и деньги, адресуя рутинные задачи ИИ. Сотрудник больше не задерживается на этапе подготовки контента. Генеративные модели анализируют вводные данные, например, обращение клиента в службу поддержки, и выдают черновик ответа с подробными инструкциями, как действовать в сложившейся ситуации. Специалист проверяет результат, при необходимости редактирует его и отправляет клиенту.

ИИ может одновременно обрабатывать большое количество запросов, что особенно выгодно для компаний, которые регулярно получают массу обращений.

Растет лояльность сотрудников и клиентов. Пока генеративный ИИ выполняет рутину, специалисты могут заниматься более интересными и сложными задачами, до которых машин еще не допускают.

Генеративные модели гибко подстраиваются под разные стили и жанры, личные предпочтения пользователя и фирменный стиль. В результате получаются тексты, максимально адаптированные под необходимый слог. Созданные нейросетью деловые письма получаются уважительными, информативными. Их можно использовать как шаблоны, дополняя нужными фактами.

Встроенный в систему генеративный интеллект: ваш «второй пилот»

Искусственный интеллект часто сравнивают со вторым пилотом воздушного судна. Он помогает принимать правильные решения, выполняет второстепенные задачи, занимается дополнительной навигацией и анализирует входные данные. При этом основное управление остается за командиром, то есть человеком. Путь без второго пилота возможен, но, скорее всего, он будет долгим и не исключено, что с ошибками.

Российские вендоры ухватились за «второго пилота», пытаются внедрить его в свои продукты, запускают стартапы. Например, компания Directum выделила отдельную команду по развитию генеративных моделей и активно тестирует гипотезы. ML-инженеры уже опробовали большие языковые модели и убедились, что нейросети способны за человека создавать документы с нуля и генерировать релевантный контент.

Вендор признает, что с технической точки зрения нет ограничений, чтобы встроить языковые модели в ближайшие версии своего продукта. Сейчас команда занимается дообучением нейросетей на данных клиентов и готовит MVP-решение к полноценному запуску в продуктив. Возможности генеративного искусственного интеллекта расширят набор умных сервисов, встроенных в систему. Если до этого она успешно обрабатывала документы, теперь сможет еще и создавать их.

Сегодня Directum RX Intelligence – единственная российская система для управления корпоративным контентом и бизнес-процессами с искусственным интеллектом на уровне платформы. Уверен, что пройдет каких-нибудь пару лет и встроенный ИИ перестанет восприниматься как нечто новое. Он превратится в базу, без которой немыслима система нового поколения. То же самое произойдет и с генеративным искусственным интеллектом. Когда он появится в составе нашего флагманского продукта (а ждать осталось недолго), клиенты Directum в числе первых в России получат полноценного виртуального помощника. Он будет быстро готовить релевантный текст, который можно сразу вставить в документ либо немного отредактировать до финального образца. Игорь Беляк, директор направления искусственного интеллекта компании Directum

К слову, новость о выпуске Directum RX Intelligence со встроенными интеллектуальными механизмами вышла еще в декабре 2022 года. В этом варианте поставки ИИ задействуется на всех этапах обработки текстовой информации. Он распознает документы, определяет вид или категорию, извлекает факты, делает содержимое доступным для полнотекстового и атрибутивного поиска.

Сравним, что умеет система со встроенным ИИ и не умеет классическая СЭД:

Четыре примера, как использовать генеративный ИИ в бизнес-процессах

С тех пор как нейросети показали, что могут создавать вполне связный контент и делать это быстрее человека, интерес бизнеса к ним заметно вырос. Однако реальных показателей, насколько языковые модели могут улучшить производительность офисных сотрудников, пока нет. Можно лишь оперировать итогами коридорных тестирований (см. таблицу выше).

Надеемся, данные о количестве сэкономленных человеко-часов и других метриках скоро будут обнародованы. А пока рассмотрим несколько экспериментальных кейсов с применением генеративного ИИ в бизнесе.

Кейс 1: генеративный ИИ готовит ответ на входящее письмо

Чтобы генеративный ИИ выдал максимально удовлетворяющий результат, задача сотрудника – предоставить ему исходный текст (входящего письма, обращения и т.д.) и попросить подготовить ответ. Можно четко задать формулировки, указать количество символов, порекомендовать использовать позитивный подтекст, призвать к активности в конце и прочее.

Это базовый вариант использования генеративного ИИ и к нему стоит присмотреться компаниям, ведущим претензионно-исковую деятельность, клиентскую поддержку, а также региональным или федеральным органам исполнительной власти, в которые ежедневно поступают сотни обращений от граждан.

Обратите внимание на построение текста, формулировки и акценты, призывающие к диалогу в ответе.

Кейс 2: генеративный ИИ снижает травматизм на производстве

По данным Росстата, в 2022 году более 20 тыс. человек получили травмы на производстве. Немалый процент несчастных случаев связан с нарушением техники безопасности.

Для того чтобы снизить рабочий травматизм и одновременно с этим повысить производительность труда, используются системы интеллектуальной видеодентификации. В помещениях устанавливаются камеры, изображения с них отправляются на сервер видеоаналитики, где нейросети проверяют поток кадров и фиксируют нарушения. Так, искусственный интеллект определяет, надеты ли на работника средства индивидуальной защиты, соблюдает ли он технику безопасности, правильно ли использует оборудование. О любом несоблюдении установленных правил своевременно узнает ответственный.

Если человек теряет концентрацию внимания через 30 минут после начала просмотра видеоряда, то генеративный ИИ никогда не утомляется. С появлением интеллектуальной видеоидентификации на производстве повышается трудовая дисциплина, снижается уровень травматизма, количество дефектов и брака в выпуске продукции. Всё вместе это сказывается на росте производительности и прибыли компании.

Кейс 3: генеративный ИИ анализирует клиентский опыт и помогает продавать

Еще одна масштабная сфера, в которой уже применяется искусственный интеллект, это анализ огромных массивов данных о клиентах и помощь в принятии решений. Благодаря технологиям машинного обучения можно исследовать поведение пользователей на сайте, анализировать звонки, переписку в мессенджерах и по email. Исходя из выявленных предпочтений и интересов клиента, генеративный ИИ разрабатывает персонализированное предложение, которое дальше человек может использовать как шаблон и улучшать по своему усмотрению.

Сотрудники отделов продаж могут сконцентрироваться непосредственно на личных встречах, делегировав рутинные задачи по обработке информации искусственному интеллекту.

Еще ИИ анализирует данные по рынку, определяет интерес аудитории к продукции, оценивает объемы спроса и предложения на основании исторических данных, прогнозирует тренды и помогает компании выбрать экономически выгодный путь развития.

Кейс 4: генеративный речевой ИИ повышает качество работы кол-центра

Наконец, последний кейс, который мы рассмотрим в статье, но далеко не последний в бизнесе, это применение генеративных моделей в кол-центрах. ИИ анализирует расшифровку диалога оператора с клиентом, чтобы выявить ошибки в ответах, корректность стиля общения и интонации, полноту ответа, и в автоматическом режиме формирует план развития сотрудника. Таким образом, ИИ повышает качество консультаций и уровень удовлетворенности клиентов.

Какие факторы влияют на развитие генеративного ИИ в России

И в нашей стране, и в мире генеративный ИИ оценивают как мощный бизнес-инструмент. Но на его развитие накладывают отпечаток экономические, географические и политические условия, которые в каждом государстве разные. Рассмотрим, какие особенности есть у отечественного генеративного искусственного интеллекта, что сегодня тормозит его становление на рынке, а что наоборот подстегивает.

Санкции

Ввиду текущей экономико-географической ситуации есть вероятность, что власти РФ запретят российским компаниям использовать зарубежные технологии ИИ. Чтобы не принимать опрометчивых решений, бизнесу стоит воздержаться от внедрения интеллектуального ПО иностранного происхождения и обратиться к отечественным аналогам. Генеративные модели, которые разрабатываются в России, лучше понимают наш родной язык и дают более релевантные ответы. Например, нейросеть Сбера GigaChat уже умеет отвечать на вопросы пользователей, поддерживать диалог, создавать тексты и т.д.

Законодательные ограничения

В июне 2023 года депутаты Европарламента, наконец, одобрили закон об искусственном интеллекте. Если Еврокомиссия и страны-члены Евросоюза проголосуют за, в мире появится первый пример «разностороннего и всеобъемлющего регулирования использования искусственного интеллекта (ИИ)». Ожидается, что акт вступит в силу в 2025 году.

Россия также не отстает. О появлении полноценного закона об ИИ замглавы Минцифры Александр Шойтов заявил в июне 2023 года. Корпоративные юристы надеются, что закон даст однозначные ответы на вопросы, которые стоят сегодня достаточно остро, такие как статус нейросети в правовых отношениях или принадлежность авторского права на произведения, сгенерированные искусственным интеллектом. На Западе уже были прецеденты, когда крупные корпорации CNN и Wall Street Journal подали иск на компанию OpenAI (разработчика ChatGPT), которая использовала тексты статей этих и других издательств для обучения своих моделей.

Компрометация конфиденциальных данных

Для обучения генеративному искусственному интеллекту нужен доступ к огромным объемам информации. Основной источник для получения этих данных – интернет. И здесь никто не сможет гарантировать, что ИИ не воспользуется конфиденциальными материалами, коммерческой тайной или чужой интеллектуальной собственностью. Чтобы не допустить утечек персональной информации, ряд зарубежных компаний (Apple, Samsung Electronics, Citibank, Bank of America, Deutsche Bank, JPMorgan) уже запретили своим сотрудникам использовать на рабочих местах интеллектуальные инструменты GPT. В России из соображений информационной безопасности чат-боты с элементами искусственного интеллекта ограничивают пока не повсеместно, а только в отдельных госучреждениях.

Не стоит забывать, что запрет на ChatGPT и другие онлайн-модели – кардинальная мера, поскольку наибольший эффект для бизнеса инструменты генеративного ИИ способны принести тогда, когда становятся общедоступными.

Тренд на локальные модели генеративного ИИ

Опасения бизнеса по поводу использования онлайн-нейросетей и возможной утечки данных понятны. Поэтому в корпоративном секторе появилась тенденция на разработку локальных генеративных моделей. Размещенные в контуре клиента они не передают информацию за пределы компании, а задачи выполняют те же — от суммаризации длинных текстов до подготовки ответов на обращения.

Однако есть у локальных генеративных моделей и слабые стороны, о которых стоит упомянуть:

• для работы им требуется специализированное «железо», доступное сейчас по параллельному импорту. Далеко не все компании готовы приобретать дорогостоящее ПО без гарантий от производителя;
• по качеству они уступают онлайн-моделям, таким как ChatGPT от OpenAI (GPT 3.5, GPT 4), поэтому в некоторых кейсах возможности могут быть ограничены. Правда, с развитием технологии отставание будет сокращаться.

В ближайшее время решения на базе собственной генеративной нейросети должны появиться в Directum RX Intelligence. Сейчас вендор исследует существующие модели, тестирует их поведение, формирует наборы данных, применимые в ECM/BPM-системах, для обучения ИИ.

Что будет дальше

У российского бизнеса однозначно есть интерес к генеративному искусственному интеллекту. Но готов ли он выделять многомиллионные инвестиции на его внедрение и развитие, – открытый вопрос. Неясно пока и то, когда большие языковые модели выйдут на плато продуктивности. Если верить кривой Гартнера, то в августе 2023 года технологии генеративного ИИ достигли пика завышенных ожиданий.

Наиболее приемлемый для России путь – не ждать новых санкций, а использовать инструменты генеративного ИИ, созданные отечественными разработчиками. Тем более что постепенно на рынке появляется всё больше аналогов ChatGPT.

Подстегивает интерес к нейросетям и политика властей. Государство готово вернуть бизнесу часть инвестиций, затраченных на покупку и внедрение продуктов с признаком ИИ. По словам Игоря Беляка, спрос на интеллектуальную систему Directum RX Intelligence в первой половине 2023 года вырос на 37% относительно предыдущего полугодия. Такой всплеск интереса безусловно связан с мерами государственной поддержки. Тенденция, что всё больше компаний рассматривают искусственный интеллект как неотъемлемый атрибут современного программного продукта, налицо.