Спецпроект

«Сократили не людей, а скучную часть их работы». ИИ уже пришел в белорусский бизнес

Источник: Ольга Прокофьева, фото Влад Борисевич, Александр Ружечка, Анастасия Чубенко

Кажется, бизнес уже прошел тот этап, когда нейросети показывали коллегам как забавный эксперимент: «Смотри, ИИ победил Excel». Теперь нейронке поручают настоящую работу — анализировать разговоры с клиентами, разбирать документы, готовить презентации и искать ошибки в процессах. Но чем больше бизнес отдает машине, тем чаще возникает другой вопрос: надо ли ее в какой-то момент остановить? В партнерском проекте с hoster.by мы обсудили тренды, а также побывали в офисах белорусских компаний и посмотрели, где ИИ экономит время и деньги, а где пока еще только пробует силы.

— Появление ИИ вызвало заслуженный вау-эффект. Был понятный соблазн считать, что раз доступная каждому технология может решать разовые задачи почти волшебным образом, она так же легко справится с бизнес-процессами. Все оказалось немного иначе. И сейчас на смену AI-оптимизму приходит AI-реализм, — рассказывает руководитель направления облачных решений hoster.by Михаил Приходько.

По словам эксперта, в период ИИ-оптимизма лишь небольшая часть компаний восприняла технологию не как цель, а как средство. Определили задачи, постепенно и точечно стали вписывать в процессы, контролировать, замерять эффективность.

— Намного больше компаний восприняли тему как «хайп», фоном все равно уходя в «поиграть с ChatGPT», либо включились в fake-it-till-you-make-it: скоро нам не будут нужны дизайнеры, программисты, маркетологи — все будет делать ИИ. Обе эти категории оказались разочарованными.

Сейчас наступает период ИИ-реализма, где на смену крайностям приходят взвешенные решения о внедрении инструментов — что, зачем и как хотим достигнуть. И главное — какие выгоды это даст компании.

Внедрение ИИ. Опыт «Альфа Банка»

Опыт «Айгенис»

Опыт SIPSIM

Опыт «Модум»

«Банк становится AI-агентом человека»

В «Альфа Банке» искусственный интеллект начали развивать задолго до нынешнего бума генеративных моделей. Сначала это были технологии машинного обучения: модели помогали решать финансовые задачи и оценивать риски, их расчеты использовались в рабочих процессах. Но с распространением ChatGPT в банке начали искать другое применение ИИ — не только считать и анализировать, а стать помощником для человека.

Первым направлением стала помощь клиентам в чатах. Просто подключить ChatGPT или другой внешний сервис было нельзя: в банковской сфере критичны безопасность и контроль над данными.

— Если у банка забрать безопасность, то его продукты и сервисы уже не важны, потому что они опираются на безопасность денег и данных клиентов, которую гарантирует банк, — говорит Дмитрий Нагорный, руководитель направления данных и искусственного интеллекта «Альфа Банка».

Поэтому в банке пошли по пути создания собственных решений на базе открытых моделей внутри защищенного контура. Сначала попробовали дообучать модели на внутренних данных, но качество выросло незначительно: объемов корпоративной информации оказалось недостаточно по сравнению с данными всего интернета, на которых обучались модели изначально. Одним из решений стала технология RAG — она позволяет модели работать с заранее подготовленной информацией, поэтому ответы становятся точнее.

Так в 2024 году появился чат-бот для клиентов. Он позиционируется как интеллектуальный помощник: консультирует по разным темам, но если человек захочет поговорить с оператором, его в любой момент могут переключить на специалиста. Работу бота оценивают по тем же показателям, что и работу специалиста поддержки, в том числе по удовлетворенности клиентов.

• Для нас клиентский опыт первичен. Технология должна быть готова к этому, — говорит Дмитрий.

Параллельно в банке начали развивать инструмент для сотрудников — «Альфа Ассистента». Это платформа для работы с генеративным искусственным интеллектом: можно не только пообщаться с моделью в режиме чата, но и загружать файлы, изображения, создавать собственных персональных ассистентов на своих данных. Сейчас «Альфа Ассистентом» пользуется больше половины сотрудников банка.

Следующим шагом стало создание специализированных ассистентов по отдельным направлениям. Например, HR-ассистент отвечает на вопросы о внутренних процедурах, а в будущем должен не только объяснять, как оформить больничный, но и делать это самостоятельно (то есть стать полноценным AI-агентом).

— Например, сотрудник говорит: «Я хочу в отпуск с такого-то по такое число». Он проверяет все необходимые данные в соответствии с законодательством и внутренними регламентами, и все — заявление на отпуск готово. Это наша цель — простота. Чтобы ее добиться, нужно пройти большой путь исследований, подготовки данных и разработки.

Юридический ассистент работает с почти 13 тысячами внутренних документов банка, включая накопленную практику, а также учитывает внешнее законодательство. Его задача — помочь юристу быстрее находить информацию и готовить ответы.

— Слепо верить ответу не получается. Ошибка возможна всегда, такова особенность технологии — вопрос в вероятности этой ошибки. Чтобы ее снизить, мы работаем с качеством и обновлением данных, вводим точки контроля, используем арбитраж моделей и другие подходы. В юридической консультации ошибка может быть очень болезненной, поэтому, несмотря на технологии, участие человека необходимо, — говорит Дмитрий.

Если ИИ-ассистент отвечает на вопросы и помогает работать с информацией, то агент должен уметь действовать сам. Первые агенты уже есть, но сейчас их объединяют в цепочки, которые могут выполнять целые процессы. Например, в кредитовании ИИ может помогать распознавать документы, готовить материалы для кредитных комитетов и формировать договоры. Тем не менее финальный контроль и принятие решения остаются за человеком.

ИИ постепенно меняет не только отдельные процессы внутри банка, но и сам способ взаимодействия человека с финансовыми сервисами.

— Важная особенность генеративного ИИ в его человекоподобности: он меняет сам интерфейс взаимодействия с сервисами банка, когда человек может написать или сказать, чего хочет, и быть понятым, получить грамотный ответ.

Такой подход меняет и представление о том, где вообще начинается взаимодействие с банком. Представим, что человеку нужно быстро перевести деньги. Он говорит Siri: «Переведи деньги этому человеку». Голосовой помощник понимает, о ком идет речь, и может найти номер телефона, обратиться к финансовому агенту банка, тот выполняет перевод по номеру телефона и возвращает результат финансовой операции. В итоге человек обратился к Siri и получил ответ в моменте, даже не подозревая о всей цепочке процесса.

— Технологии для такого сценария уже во многом готовы. Мы активно исследуем возможность обеспечения безопасности данных в таком межагентском взаимодействии, что является ключевым для принятия решения, идти ли в такую историю.

Наша цель — стать AI-агентом человека и обеспечивать банковское обслуживание в том числе в такой форме. Для этого мы трансформируемся таким образом, чтобы дизайн процессов, продуктов и сервисов исходил из возможностей ИИ. Мы стремимся построить экосистему агентов вокруг ключевых процессов и постепенно взаимодействовать не только с клиентом и сотрудником, но и с внешними агентами.

Но во всех этих глобальных изменениях главное помнить, что все должно делаться в интересах человека. Ключевое для любой компании — это интеллектуальный потенциал и довольные клиенты и сотрудники. Какая бы новая технология ни появилась, все равно все решается тем, насколько грамотно человек ее применил.

ИИ мало кто внедрял, но он есть почти в каждой компании

— Парадокс в том, что лишь небольшая часть компаний внедряет в свои процессы решения на базе искусственного интеллекта. Но по факту в том или ином виде ИИ есть везде, — рассказывает системный архитектор hoster.by Владимир Писанный.

В условные ChatGPT или Claude уходят огромные объемы рабочей информации, а порой и персональные данные, коммерческая тайна, другая информация ограниченного распространения.

Мало кто думает о последствиях, когда столько удобства можно получить «здесь и сейчас». Но отправленная в сторонние сервисы информация хранится на серверах, которые принадлежат этим сервисам, а не вам. Эти данные используются в том числе для обучения модели. Просите чат создать фрагмент программы? Откуда он берет этот код, учитывая, что сам он ничего не способен создать?

Все больше руководителей осознанно приходит за доступом к LLM, с которыми можно работать в собственной изолированной среде. То есть это модель, куда можно загрузить свои данные, которые будут обрабатываться в аттестованном контуре дата-центра, более того — в полном соответствии с требованиями законодательства в области защиты персданных. И да, до сих пор можно услышать: «А что, так можно было?».

«Деньги доверяем только человеку»

Более половины сотрудников уже так или иначе работают с искусственным интеллектом и в инвестиционной компании «Айгенис». Клиентская база компании растет, а вместе с ней нагрузка. Поэтому полтора года назад в компании начали искать решение с помощью ИИ, говорит замдиректора «Айгенис» Елена Ерш.

Сначала решили попробовать нейросети в работе с клиентами, продажах и маркетинге, но нужно было решить вопрос безопасности.

— Для нас, как и для банков, было важным соблюдение законодательства и внутренних регламентов при работе с коммерческой информацией и персональными данными, и чтобы чувствительная информация не выходила за пределы защищенного контура компании. Компании, которые предлагали нам свои решения, не смогли предоставить вариант, который бы нас полностью устроил по безопасности. Поэтому проект поставили на паузу.

Примерно через полгода «Айгенис» нашел подрядчика и начал с пяти ИИ-агентов, которые взяли на себя рутинные задачи. Три из них работают с отделом продаж: оценивают звонки менеджеров, помогают отрабатывать возражения и автоматически заполняют карточку в CRM после разговора. Еще два используются по всей компании — «Мастер презентаций» и «Секретарь встреч».

После первого положительного опыта устроили собственный хакатон: за восемь недель хотели сделать 20 ИИ-агентов. В итоге до готовых решений дошли 11, от 3 агентов пришлось отказаться — честно себе сказали, что ИИ здесь не нужен.

— Постоянным «узким местом» в компании оставался вопрос затрат времени на написание протоколов, фиксирование договоренностей и описание задач для последующего контроля. Каждый руководитель направления заранее проработал под себя форму протокола, определив, что именно он хочет получить на выходе.

С презентациями похожая история: в ИИ-агента «Мастер презентаций» загрузили брендбук, прошлые материалы и требования к оформлению.

— Раньше мы или делали презентации самостоятельно, или обращались к внешнему дизайнеру. Сейчас агент делает презентацию полностью самостоятельно, наш критерий эффективности — 30 минут до итогового варианта. Раньше на это уходили часы.

Из внутренних задач ИИ постепенно перешел и к работе с клиентами. Если вы будете писать вопросы в телеграм-канал компании, то на часть вопросов вам ответит ИИ-агент. Для этого ему заранее собрали базу знаний и протестировали возможные варианты ответов. Если вопрос сложный или ответа в базе знаний нет, обращение переадресуется менеджеру.

— На первых этапах разработки мы видели, как ИИ галлюцинирует, если не знает ответа. Поэтому при отсутствии точного ответа вопрос должен поступать к менеджеру. То, чего нет в базе, ИИ не должен придумывать.

Еще один агент помогает работать с клиентской базой. Данные по клиентам перед отправкой на платформу обезличиваются. Клиенты разделены на группы: например, по тому, как давно они покупали ценные бумаги, сколько покупали, какая структура инвестиционного портфеля. Компания анализирует поведение клиента под влиянием внешних событий: изменения ставок, курсов, маркетинговых активностей и других факторов.

— Таким образом мы надеемся отслеживать поведенческие тренды и формировать персонализированные предложения для каждого клиента с учетом того, как он реагировал на разные события в прошлом. Пока мы учимся анализировать большие массивы разрозненных данных, тестируем разные гипотезы, чтобы выявлять повторяющиеся тенденции.

После нескольких удачных экспериментов решили автоматизировать утренний новостной дайджест. И вот здесь не получилось.

— Часть информации мы не могли парсить бесплатно. Где-то информация дублировалась на нескольких новостных каналах, а некоторые источники вообще оставались недоступны. Полной картины не получалось, поэтому разработку агента остановили и новости продолжаем мониторить вручную.

Похожая история случилась с агентом, который должен был собирать информацию о ставках по депозитам разных банков. Данные у банков обновлялись не всегда в удобном для автоматического сбора виде.

— Иногда быстрее и качественнее сделать это вручную, чем создавать агента, потратить на него ресурс и потом получить результат, который нас не устраивает, — говорит Елена Ерш. — Для каждого агента есть критерии эффективности — например, скорость и правильность ответа или скорость подготовки отчета. Если результат не дотягивает до нужного уровня, проект остается на паузе или от него отказываются.

До финансовой аналитики тоже добрались — здесь ИИ пока не впечатлил.

— У нас своя специфика деятельности, правила и методология, как анализировать данные. Шаблонные модели нам не подходят. А вот выводить информацию в дашборды у нас получилось. То есть готовый анализ ИИ быстро структурирует и выводит в формате графиков и диаграмм.

Но есть работа, которую в компании принципиально не отдают ИИ: решать, куда будут вкладывать деньги.

— Искусственный интеллект может предложить какое-то решение, но за человеком всегда остается выбор — принять его или не принять. Что касается денег, то любое финансовое решение — это принятие риска и ответственности. Перекладывать это на ИИ, когда мы оперируем большими суммами, я считаю недопустимым.

Нейросеть учится на прошлых данных, а рынок может резко изменить правила игры, говорит собеседница.

— Как только прилетает «черный лебедь» или происходит изменение курсов, ставок, цен, рынок перенастраивается, то, что работало раньше, становится неэффективным, менее доходным. ИИ может помочь просчитать разные сценарии, но принять решение, по какому сценарию идти, это все-таки прерогатива человека.

ИИ все чаще решает конкретные бизнес-задачи

— Один из самых распространенных сценариев использования ИИ в Беларуси — корпоративный закрытый чат, в который сотрудники могут заг