Как внедрить ИИ в бизнес ради прибыли,а не хайпа? Лонгрид про задачи, людей, модели и деньги

Все мы любим начинать "жить по-новому" с понедельника, дня рождения и конечно нового года. В жизни бизнеса это обычно именуют "стратегией" - сборник фантастических рассказов о жизни компании в будущем.

И конечно, строя планы на 2025, прям моветоном было бы представить стратегию без ИИ - ну как это, никто не хочет быть "динозавром". Хотя я видел реальные компании, без CRM, с excel, которые зарабатывают столько, что могут купить скелеты динозавров в офис.

По факту, ИИ в нашей жизни поселился уже как 2 года, и с окна соц. сетей множество молодых "визионеров, амбассадоров и евангелистов" с удовольствием расскажут как поменять бизнес в 1 клик - срежут косты на 90%, повысят выручку на 300%. Проблема только одна - по какой-то странной причине если позвонить им, отвечает живой человек,а не ИИ, да и они не получили премии "Лидеры маржинальности". Бизнес чуть сложнее, чем просто добавление технологии.

Моя статья - это личный мой субъективный взгляд и советы, если по совокупности факторов они вам импонируют - используйте, нет - значит вы получили ещё одно мнение, которое не заслуживает вашего доверия. В любом случае - бизнес ваш - вам решать что вам принесет деньги,а что нет. Это ваше управленческое решение.

Меня зовут Андрей Цыган - предприниматель в первую очередь, и я верю что технологии это лучший инструмент для достижения наших целей в бизнесе.

С чего начинается Родина? В нашем случае стратегия - с собственника, или топа. Со времен ещё сайтов, автоматизации, crm - мало что поменялось, это всё равно технологии. И я выделяю 4 фактора, которые могут толкнуть компанию в пучину внедрений:

Тут важно ответить себе честно - в каком вы квадрате, от этого пункты ниже нужно проектировать на себя.

Давайте заглянем в устав - вряд ли в своём уставе вы найдёте что- нибудь про технологии, мир во всём мире, но вы точно найдете:

Всё что будете делать, должно в конце заканчиваться фразой: и это нам принесёт прибыль. Но, если у вас пунктик "трансформационный зуд" - тогда это принесёт удовлетворение собственника,и это не коммерческие расходы,а завуалированные дивиденды.

Самый правильный кейс - это понять, какие сейчас задачи и как их решение вам даст прибыль. Каким методом это можно понять? Забудьте про любую технологию, забудьте про ИИ вообще, неважно - код, Python, Excel.

Представьте себе на вашем суровом большом совещании, на стратегической сессии на 3 дня с тренером за 5 000 USD - вот все это отбросьте, скажите: "7 гномиков, вот эти вот прекрасные 7 гномиков, куда мы их можем направить в сфере своего влияния, что они должны магически сделать?" На этом пункте - фантазируйте, не делайте ограничений, может или нет - вам надо понять что вам нужно.

Фантазия фантазией, но не надо "если бы гномики убрали НДС, или клиенты просто покупали бы в 3 раза дороже без возражений" - это не задачи, это записки Деду Морозу.

Буду приводить на примере своих бизнесов, те задачи которые у нас в работе. Компания занимается внедрением систем ISO и сертификацией по всему миру.

1. Фантазия, которая может принести деньги: есть любой производимый продукт, есть список нормативных документов, по которым надо точно искать, особенно в Европе, либо в другой стране, какому стандарту он подлежит. Эта работа может занимать 3 дня у эксперта: почитать, посмотреть, найти взаимосвязи. Вот было бы круто, чтобы были такие гномики, которые бы в течение пары минут, но с высокой очень точностью, по описанию продукта давали бы стандарт, по которому его нужно сертифицировать в разных странах. Принесло бы это деньги нам? Думаю да: снизить косты на операцию + конкурентное преимущество в скорости.

2. Когда мы делаем сертификацию ISO мы пишем 30+ документов, иногда это 200+ страниц.. То есть, если был бы, скажем так, какой-то робот, который бы после общения живого эксперта с клиентом в Zoom писал бы документацию, вот прям целиком от начала до конца по всем стандартам и данным клиента,а эксперт бы только проверял и эта связка бы проходила аудиты (то есть задана планка качества). Принесло бы это деньги? Ещё бы, люди самые важное и затратное в нашем бизнесе - сократить время "производства" с 3 недель до 3 часов было бы отлично.

Но бывают задачи, которые вроде толковые, но в вашей бизнес модели денег они не дадут. Хороший пример: сейчас все про ИИ маркетинг, маркетинг, маркетинг, да, там постики, фото, видео. Слушайте, ну в нашем виде бизнеса у нас посты не сильно продают, да, вот прям не продают. У нас проверяют, что мы живые, что мы нормальные, что мы там все не уехали в Панаму - просто интересуются, если нам оплатить, есть ли кому выполнять.Поэтому для нас туда много ресурсов туда направлять бессмысленно. Мы выполнили эту задачу,например наш инстаграм с большего ведет аватар - но не делали на это упор.

Поэтому глава правильно называется - 0. Если этого не сделать, не важно какую стратегию вы напишите - она будет умножена на 0.
Поставьте себе задачу - минимум 10 бизнес проблем, решение которых вам принесет деньги.

Подводя итог, стратегия внедрения технологий должна строиться на детальном анализе задач компании и поиске точек, где они могут принести максимальную пользу. Это основа, с которой нужно начинать любое планирование.
Для тех бизнесменов, кто знает, что им нужно, возникает вопрос: как это реализовать? Здесь начинается стратегия — что можно сделать краткосрочно, что — долгосрочно. Инфраструктура, алгоритмы, модели — как их использовать и наладить процессы? Но внедрение любых роботов начинается с людей.

Если вы — топ-менеджер, руководитель или собственник, просто посмотрите на ситуацию честно. Можете ли вы полностью этим заняться? Скорее всего, нет. Есть сотни задач в нашем бизнесе: то маршрут перекрыли, то деньги не ходят, и решать вы их будете в первую очередь, ведь они влияют напрямую на вас здесь и сейчас. Определенную глубину и понимание сферы нужно иметь, но ответьте себе честно: есть ли возможность и желание этому уделять время регулярно. Это как тренировки в зале, можно месяц отработать, но если потом год есть мак - то результат не впечатлит. Поэтому, да и как везде в бизнесе - нам нужна будет команда.

Искусственный интеллект — это область знаний, а не конкретное решение. Количество информации сейчас огромно, и нужно соотносить задачи и технологии, как в “Тиндере” — мэтчить их. Для этого нужен человек, которого я называю архитектором.

Давайте разберем эту аналогию. Архитектор - это человек, который с одной стороны сам кирпичи не ложит, но понимает какие-то методики, их плюсы и минусы, имеет определенную насмотренность, чтобы говорить, как это сделать. Его основная задача - быть на 2 фронта: бизнес и технологическом.

Где же таких взять? Если вы наберете бизнес архитектор на любом HR сайте - вы никого не найдете, либо найдете умных инфоцыган, которые такие позиции сделают с chatgpt резюме, и прайс будет 5К+. Потому что люди, которые в этом реально разбираются, не ищут работу на текущий момент.Они востребованы, когда мы учились в Сколково, если было желание работу можно было сразу поменять. В целом сфера очень новая - и готовых решений крайне мало.

Классически считается, что если вы не IT компания, лучше вынести процесс на аутсорс. Но я считаю, еще раз личное моё мнение - человек нужен внутри. Почему? Потому что, допустим, вы нашли консультанта. Ни в коем образом не подвергаю сомнению все их регалии "сделал 10 млн прибыли компаниям" я верю, и все-таки есть. Конечно вопрос, почему они не поделились хотя бы 1% доп прибыли,и тебе приходиться дальше продавать курсы по 50 долларов, ну оставим это за скобками.

Допустим есть квалифицированный консультант,пришёл он к вам в компанию - не будет погружаться в ваш бизнес. Но нет у нас такого уровня консалтинг. Давайте будем честны. Для того, чтобы погрузиться в ваш бизнес: нужна команда, профессиональные людей, которые к вам на полгода приехали, с вами поживут, пообщаются. 100% такие команды есть. Вопрос только в том, что стоимость будет космическая. И обычно такие команды хорошо знают английский язык и спокойно будут продавать у себя зарубеж, где точно также нужны услуги, а может быть еще и больше. Поэтому, я считаю, нету на рынке экономически целесообразного для мало-среднего бизнеса консултантов. Как адвайзера, советника, вот тут отлично можно взять консультанта, чтобы еще посмотреть с другого ракурса, проверить, спросить мнение.

Мое резюме - функция ИИ архитектора должна быть внутри команды. Если компания может выделить ресурсы - это отдельный человек, или хотя бы возложенный функции на текущего сотрудника. Но всё же рекомендую отдельного - и покажу что это не будет стоить супер дорого.

Общий портрет такого человека - "молод душой" с тягой к технологиям и экспериментам.

При обучении HR многих компаний говорили - что они хотели бы себе найти внутреннего консультанта, но таких нет на рынке.

Доверяй, но проверяй. Спойлер - люди иногда врут)

Что было сделано? Я сделал резюме: парень, последний курс тех. университета, указал все ключевые слова, сервисы по которым могут искать. Оформил портфолио - что сам руками уже делал в нейронках. Прям идеал - любит, знает, умеет.

Ждал откликов и уже покупал парик для собеседований. Зря ждал...

Это идеальная реинкарнация хорошо анекдота про неуловимого Джо. Не могу говорить за другие страны - это реальный эксперимент конца лета 2024 в Беларуси.

Теперь зайдём с другой стороны - а есть ли такие кандидаты на рынке, если вдруг появиться желание, то можно ли кого-то найти?

Что было сделано в этой части?

Я был приятно удивлён, даже была небольшая гордость за подрастающее поколении. Обычно же принято - да они только тик-ток, ничего не хотят, 0 инициативы.

Нет, это не так, вернее если вы так думаете - то таких и встречаете. Были прям классные кандидаты и, зачастую, их изучение нейросетей никак не спонсировалось и не поощрялось на текущей работе. Они просто видели будущее, и вместо сериала изучали его. Официант из пиццерии, администратор спа, строитель - эти люди поверили в технологию и по youtube в ней прокачивались. Если Вы себя узнали и вспомнили про эту вакансию - мой вам низкий поклон, Вы - крутые!

Теперь к цифрам.

По итогу у меня было 106 откликов и я закрыл вакансию. Это вполне релевантная выборка для анализа.

Половина - программисты или технари, вторая половина - люди из реального сектора.

Процесс работы с кандидатами:

Что же я спрашивал, и главное зачем, в анкете:

Итог анкеты: все решал последний пункт, а именно адекватность масштаба задач и проектов к реалиям. Я наверное могу понять технарей, они хотят за деньги работодателя попробовать себя в крутых интересных проектах, в этом нет ничего плохого, но реальный бизнес это не полигон для пет-проектов. Но всё же 16 человек неплохо прошли и ответили, человек 5 было прям супер по общению.

Я надеюсь смог вас убедить - что люди есть на рынке, все детали эксперимента я вам честно показал. Последнее, чем могу быть полезен с точки зрения нового сотрудника, такая канва его должностых обязанностей

Какие задачи может выполнять такой человек:

Самое главное, что требуется от этого человека: цифровая ловкость, насмотренность, критическое мышление. Он должен быть готов тестировать решения, учиться и внедрять инновации. Дайте ему время, и он станет тем, кто будет "заражать" компанию идеями и инновациями.

Начнём по порядку, что же такое модель, и почему не всё что мы видим это chatgpt?

Модель в мире ИИ - это специфический алгоритм, натренированный на определенных данных. Это чёрный ящик, куда мы подаём нашу информацию (промпт), потом магия - и получает результат. Но кроме самой модели (алгоритма), есть еще интерфейс (где мы и как подаём), её стоимость, назначение и прочее.

Рассмотрим аналогию, ну люблю я их)

Сейчас моделей для разной модальности (текст, изображения, видео, голос) очень много. И, конечно, мы как здравые homo sapiens - боимся ошибиться, если уже пробовать - то надо точно лучшую. Не надо лучшую - надо оптимальную под....барабанная дробь, читаем пункт 1 - под ваши задачи! Нет абсолютно лучшей модели, есть оптимальные варианты для вашей задачи.

Практически каждый день я получаю сообщения: посоветуй модель...без детальной проработки задачи и тестов, любой ответ будет непрофессионален. Нету того волшебника, который знает название той самой модели, которая решит ваш вопрос. И опять же, непрошенный совет - лучше начать хоть с какой моделью, чем долго и муторно выбирать и ничего не делать.

На данный момент рынок их делится на две части. Общий список моделей и их результаты на тестах,и лицензии вы можете посмотреть на llmarena.

И тут очень важный момент для нашего региона. Подавляющее большинство передовых коммерческих моделей недоступно для нашего региона. Ну завидуют они нам! VPN, оплата с иностранных счетов - малый бизнес еще может извернуться, большому тяжелее.

И второе, главное. Сервера коммерческих моделей находятся у разработчика зарубежом - и данные туда передавать вы не сможете, или внутренняя безопасность закроет путь, или законом запрещено. Реальность пока такому - крупный бизнес на продакшене может использовать только модели в своем контуре.

Но начинать знакомство советую с коммерческих моделей. Будем честны, они пока лидируют — как по качеству, так и по удобству интерфейса. Например, графики, визуализация данных или инструменты вроде Canvas от ChatGPT — это очень удобные, но сложные в повторении фишки для opensourse моделей. Для тестов всегда можно найти не совсем официальный путь доступа.

Далее абзацы больше для крупных компаний, которые понимают что создать свой контур это большие инвестиции, но пока не могут понять точно "а нужно ли".

Перед тем как закупать серверы и видеокарты или просить бюджет в размере 10–200 тысяч долларов, нужно точно знать, зачем это нужно. Если вы еще не уверены, начните с песочницы. Например, если вы работаете с персональными данными и не можете использовать коммерческие модели, попробуйте обезличить данные (заменить их на бутафорские) и протестировать гипотезу.

Простой пример: анализ разговоров менеджеров колл-центра. Допустим, нужно заполнить карточку клиента в CRM или проверить соответствие скрипту. Выгрузите несколько десятков диалогов (обезличенных), поиграйте с настройками модели и оцените, работает ли она. Возможно, ваши юристы найдут способ использовать эти данные с коммерческими моделями. Если это сработает, вы сможете двигаться дальше.

Если модель не справляется с задачей на уровне GPT-4 или других лидеров вроде Gemini/Claude, то маловероятно, что open-source модели (например, Llama 3/Mistral или другие) решат эту проблему. Поэтому сначала протестируйте с коммерческими моделями.

Когда вы убедитесь, что задача решаема, не торопитесь закупать оборудование. Арендуйте вычислительные мощности в дата-центрах, протестируйте там свои гипотезы с помощью open-source моделей. Только после этого можно строить серверную инфраструктуру. Если вы покажете, что, вложив, например, 10–20 тысяч долларов, смогли решить задачи и получить положительный ROI, то в будущем легко обосновать запрос на больший бюджет.

Алгоритмы и модели постоянно обновляются. Сказать, что какая-то модель лучше в 100% случаев, нельзя. Это похоже на спор Android против iPhone. Бенчмарки (например, Chatbot Arena) дают лишь общее представление. Они проводятся на определенных типах задач, которые не всегда релевантны для бизнеса. Поэтому лучше составить свой список задач: 10–20 кейсов, часть из которых простые, а часть сложные. Это позволит понять, какая модель лучше подходит для ваших нужд.

Например, кому-то нравится, как красиво пишет Claude, а кто-то предпочитает GPT-4. Все зависит от того, что вы подаете на вход и что хотите получить на выходе. Не забывайте, что в интерфейсах (например, ChatGPT) вы не всегда видите точную модель, которую используете. В интерфейсе может быть указано GPT-4, но это семейство моделей. Для тестирования лучше использовать API, где можно точно указать модель.

При тестировании моделей важно управлять такими параметрами, как температура и top-p (в GPT), а также другими тонкими настройками. В интерфейсах эти параметры часто недоступны, а в API их можно гибко настраивать. Это сильно влияет на результат.

Тут точно такая же картина как с LLM. Есть коммерческие модели, например Midjourney для изобржажений, или Runway для видео. У них интерфейс, много доп функций, а есть открытые модели, которые не сильно хуже, но надо их устанавливать и за ними следить.

Общая канва выбора модели для вашей задачи - это только практика использования для ваших задач.

Экспертное мнение нужно для того, чтобы сузить круг поиска, но всё равно для промышленного применения обязательно протестируйте несколько моделей.

Без тестирования вы рискуете потратить много денег впустую. И помните, иногда проблема не в алгоритмах, а в том, что гипотеза изначально была ошибочной. Тщательно проверяйте все на практике.

Вот сейчас все очень хотят классных голосовых ботов - уже есть api realtime openai, у elevenlabs есть решение - они ещё немного сырые, есть задержки - но вы понимаете, к концу 2025 года ИИ-ассистент будет отлично общаться на любом языке.

НО! Вот он перед вами, и остаётся один шаг до расформирования call центра - "пожалуйста, загрузите ваши данные о продукции, клиентах, компании и т.д.". И на этом всё остановится - пока нету AGI чтобы он сам пошёл в CRM, отобрал нужные диалоги, посмотрел ваши сайты и базу знаний - это ваша задача.

Это самый "несексуальный" процесс внедрения,рутинный, скучный, и в то же время самый важный в стратегическом плане.

Чем больше вы их сейчас соберете и лучшего качества - тем потом быстрее развернёте технологию. Модели общие - они не знают как правильно общаться с вашим клиентом, какой продукт для вас лучше, какая культура работы с проблемами у вас - это всё надо заботливо собрать в том виде, который будет понятен модели.

У моделей есть тысячи ролей, кроме одной - экстрасенса. В головы вас и ваших сотрудников она не залезет.

В целом, для любого fine-tuning, для новых методов работы с вашими базами данных, вы должны понимать: вам нужны нормальные, структурированные данные о вашей компании.

На недавних релизах OpenAI показало что совсем скоро можно будет делать finetuning думающих моделей типа о1. Что вообще такое обучение моделей? По простому, мы показываем свой запрос - и правильный ответ, собираем таких 100-500-1000 запросов, и модель подстраивается под нас. Но проблема в том, что при таком подходе она учиться "подгонять" результат, но не сами рассуждения как вы к нему пришли.

А во многих процессах - юридических, инженерных, мыслительных - важна цепочка размышлений. И вот совсем скоро у нас будет возможность тренировать модель думать как мы!

Но что для этого нужно? Конечно данные для обучения, кейсы, цепочки размышлений. Собирайте их сейчас.

Что точно нужно:

В ближайшем будущем модели смогут это делать. Но для этого нужно подготовить данные уже сейчас.

Или "подскажи пожалуйста бесплатную нейронку, которая проанализирует всех конкурентов, напишет сценарии, сгенерирует персонажа, видео, сделает монтаж и сама выложит в сеть" - и приз зрительских несимпатий уходит этому вопросу, который я стабильно получаю пару раз в неделю.

Это мне напоминает поиск SMM менеджеров - ты должен вывести нас в топ, но денег на рекламу мы не дадим, с деньгами любой дурак может. Деньги не единственная составляющая внедрения - но без неё никак.

Если мы молодцы, а если вы до сюда дочитали, то я прям уверен - то у вас будет архитектор, сколько денег нужно ему для работы?

Давайте просто прикинем. По-хорошему, две текстовые модели — у него должны быть платные доступы: ChatGPT, Claude, Gemini. Они разные, разные фишки в них,и нужно всегда сравнение.Ориентировочно 2 модели будет будут стоить 50 USD в месяц.

Далее, нам нужен визуал: изображения, может видео, музыка. Можно пойти в агрегатор, допустим как FAL - там вы платите только за выполненные работы, или набирать сервисами: midjourney, runway, elevenlabs, heygen. Здесь тоже порядка 50 USD в месяц, зависит от потребностей.

Но дело в том, что у него должны быть ещё какие-то свободные 100 USD, чтобы, когда выйдет какая-то новая сеть, он мог хотя бы на месяц попробовать взять определённое количество токенов, или опробовать и сказать - нам она не нужна, нет смысла платить. И да, многие сервисы не принимают наши карты. Но вы умные, вы нашли пути поставлять товар из Парижа так, чтобы оказалось что он из Бишкека но почему-то едет через Стамбул.

Есть виртуальные карты, есть посредники, есть друзья - этот вопрос точно решаем.

Ещё раз: если вы хотите в бизнесе получить прибыль, нужно в это инвестировать. В любом случае, нужно реально выделить какие-то деньги, чтобы человек не чувствовал себя скованным. Я уже видел пару ребят, которые должны мне дать нейронки, а они говорят: "Делай всё на бесплатных, делай всё на бесплатных". Друзья, это совершенно разные вещи. Тестировать, когда модель такая же, но запросов меньше, — это хорошо. Но когда ты просто не можешь выбрать какую-то модель, потому что нет бесплатной подписки, — это уже плохо.

Это для архитектора. Но для внедрения в компанию большинство специалистов должны иметь доступ к базовым моделям, чтобы была практика. В нашем сервисе можно менее чем за 100 USD подключить всех сотрудников и выдать доступ.

Подобьем прожиточный минимум внедрения:

Цифра очень ориентировочная, она может быть и 150, но самое главное - даже самый талантливый архитектор без кирпичей построит здание только на бумаге.

Финализируя весь этот опус, что бы я мог вам посоветовать:

Это всё — моё личное субъективное мнение, так же как и мнение любого другого консультанта. Никто не знает, как вы, управленец или собственник, будете решать свои задачи. Это ваша ответственность, ваше управленческое решение, только у вас на столе "фишка дальше не идёт".

Первое.В целом, безусловно, в этой технологии что-то есть. Будет ли без неё вам хуже? Не факт. Будет ли лучше? Быть может, а быть может, и нет. Это зависит от множества условий, в том числе от того, как вы это реализуете. К самой технологии вопросов нет — она потрясающая. Но она такая же, как код или Excel. У одного человека в Excel «ничего не сходится» , а у другого — есть таблицы на 50 листов, с субтаблицами, и весь учёт ведётся идеально. Один и тот же Excel, но разные применения.

Второе. Надо понимать что все эти расходы - венчурные инвестиции, будьте готовы к тому, что, например, через полгода вы можете не получить никаких результатов. Тогда проект придётся либо пересматривать, либо реинкарнировать, подумать по-другому, исправить ошибки, понять, что было сделано не так. Ни один человек не сможет вам гарантировать, что вы вырастите в два раза. Умные люди понимают, что любая фраза о «гарантированном результате» в жизни нереалистична.

Третье. Технологии будут развиваться, но всё это не будет иметь значения, если не выполнен первый пункт. Даже если появится универсальная технология или агенты, которые смогут сами находить задачи, решать их и улучшать результаты, возникнут два вопроса. Если технология будет супердорогой, не факт, что она будет вам по карману. А если она будет недорогой, то все ваши конкуренты тоже её внедрят. И тогда начнётся сущий ад: у всех будут лучшие сайты, лучшие офферы, лучшие менеджеры. Как тогда конкурировать? Как «бедному» предпринимателю завоевать внимание «бедного» потребителя? Это приведёт к ещё более жёсткой конкуренции на новом уровне. Правильный процесс даст правильный результат, как гласит Lean Toyota,и в нашем случае он начинается с правильно подобранных задач.

Что касается огромного количества предложений, который изменят ваш бизнес всего за 500 USD?

Внешний человек точно будет полезен в формате адвайзера, если у вас нет экспертизы в конкретной области. Архитектор, как я уже говорил, должен быть внутри.

Стратегия простая: не бойтесь, пробуйте, выделяйте ресурсы. Тут очень схоже с финансовым рынком - все понимаем, что нужно найти идеальный момент на дне, купить,а продать по максимальной цене. Так и ждут некоторые биткоина по 5000 USD, до сих пор, вот вот и купят, наверное)

Вот 5 простых шагов, которые стоит начать сегодня:

Да прибудет с вами сИИла!