2024: Как ИИ меняет бизнес-процессы

В прошлом году интерес к ИИ вырос в два раза, а более 30% компаний во всем мире использовали искусственный интеллект в своей работе. Ожидается, что к 2026 году 50% ключевых бизнес-процессов будут полностью автоматизированы.

Исследование Garnet Consulting Group и MCA показало, что интерес к бизнес-приложениям и использованию технологий искусственного интеллекта в бизнес-секторе удвоился в 2023 году, а количество запросов, связанных с приобретением новых знаний и образованием в контексте применения искусственного интеллекта, увеличилось на 130%. Кроме того, наблюдается заметный рост интереса к новым компетенциям и технологиям, связанным с искусственным интеллектом – на 178%.

В конце 2023 года компании стали активно использовать ИИ, сокращая расходы на рутинные маркетинговые и коммуникационные задачи. Персонализация играет ключевую роль, поскольку ИИ в сочетании с конкретными данными компании позволяет получать инсайты о потребителях на микро уровне, что позволяет B2C и B2B компаниям использовать гиперперсонализацию в своих маркетинговых коммуникациях. Мы приводим примеры наиболее важных изменений и тенденций в среднесрочной перспективе, которые уже сейчас влияют на развитие бизнеса во всех отраслях и сегментах рынков.

Как бы это ни банально звучало, но сейчас лучший момент для автоматизации воронок продаж. Ваши клиенты в 2024 году – это на 100% люди, а ваши сотрудники уже только на 70% – примерно 30% всех бизнес-процессов выполняют чат-боты, приложения, цифровые двойники, алгоритмы и ИИ. К 2026 году более 50% основных бизнес-процессов будет автоматизировано.

Проще всего начать с коммуникаций и продаж – более 50% всех этих процессов сейчас можно оцифровать и автоматизировать в рамках единой CRM (для e-com этот показатель почти 100%) системы с использованием технологий искусственного интеллекта. В 2024 году это станет возможным даже для сложных B2B продуктов, где ранее обязательно нужен был человек, благодаря запуску AGI (artificial general intelligence).

Пришло время интегрированных коммуникаций – отдельно customer relations, media relations, public relations, brand journalism, perfomance уже давно не работают. В 2024 году ключевым трендом станет персонализация контента в контексте применения машинного обучения для анализа данных, прогнозирования поведения клиентов.

Например, Netflix давно использует алгоритмы рекомендаций, основанные на предпочтениях и поведении пользователей, Nike предлагает персонализированные продукты и контент на своем веб-сайте и мобильном приложении, а Starbucks отправляет персонализированные предложения и купоны. Все это доступно сейчас не только для крупных компаний с большими данными и BI. Благодаря облачным сервисам, открытым источникам данных и алгоритмам машинного обучения, даже небольшие компании могут внедрять ИИ для анализа данных, автоматизации процессов и предоставления персонализированных услуг своим клиентам.

В 2024 году клиенты хотят получать более быстрый и качественный сервис, нежели это было в 2023 году (данные опроса клиентов MCA и Garnet Consulting Group). Анализ обратной связи помогает давать более точные и быстрые ответы на вопросы клиентов. Технологии распознавания образов позволяют упрощать процесс покупки и повышать удобство для клиентов. Например, Pinterest использует технологии компьютерного зрения для распознавания объектов на изображениях, что позволяет пользователям искать идеи на основе изображений, которые им нравятся.

В несколько раз упростится процесс автоматизации оформления заказа и оплаты (можно автоматически заполнять данные о покупателе на основе предыдущих заказов или информации из профиля клиента). Кроме того, можно использовать анализ обратной связи клиентов с помощью алгоритмов обработки естественного языка для выявления слабых мест и разрабатывать уникальные или индивидуальные продукты и услуги.

А еще теперь легко выявить слабые места в качестве обслуживания и начать обучать сотрудников или улучшить процесс общения с клиентами. Поддержка клиентов – это еще не настолько хорошо развитый бизнес-процесс, тем интереснее им заниматься и решать довольно нетривиальные задачи.

ИИ помогает в прогнозировании спроса, оптимизации запасов, автоматизации заказов и отслеживании поставок в реальном времени. Это позволяет компаниям оптимизировать уровни запасов и снизить издержки, связанные с избыточным запасом или дефицитом товаров. Например, компания Procter & Gamble использует алгоритмы машинного обучения для прогнозирования спроса на свою продукцию.

Walmart почти полностью автоматизировала заказы у поставщиков, что улучшает эффективность запасов и сокращает издержки. Использование ИИ для анализа данных GPS и других источников позволяет компаниям отслеживать поставки в реальном времени, прогнозировать задержки и оптимизировать маршруты доставки.

Maersk, одна из крупнейших в мире контейнерных транспортных компаний, использует искусственный интеллект для отслеживания и оптимизации морских перевозок. UPS использует свою систему ORION (On-Road Integrated Optimization and Navigation), основанную на ИИ, для оптимизации маршрутов доставки. Система ORION анализирует миллионы возможных маршрутов, чтобы найти наиболее эффективный путь для каждого водителя.

ИИ помогает автоматизировать первичный отбор резюме, выявляя наиболее подходящих кандидатов, что значительно ускоряет процесс найма и снижает риск субъективных оценок или предвзятого мнения. Например, системы, подобные HireVue, используют алгоритмы машинного обучения для анализа интервью с кандидатами, оценивая не только ответы, но и невербальные реакции.

Автоматизированные платформы для онбординга, такие как BambooHR, используют ИИ для предоставления персонализированных планов обучения новых сотрудников, что помогает им быстрее адаптироваться. Кроме того, можно анализировать данные о производительности сотрудников, выявляя ключевые факторы успеха и области для улучшения.

Активно развиваются сервисы, которые предлагают инструменты для быстрой постановки целей, получения обратной связи и мгновенной оценки качества выполнения задач, улучшая процессы управления производительностью. IBM использует собственные ИИ-решения для HR, такие как Watson Recruitment, которое помогает в отборе кандидатов, предсказывая вероятность их успеха на определенной должности исходя из анализа данных.

Стало легче анализировать поведенческие паттерны пользователей и сетевой трафик, чтобы обнаруживать аномалии, которые могут указывать на мошенничество или взлом. На основе анализа кибератак можно определять потенциальные новые угрозы. Можно автоматизировать процесс обнаружения инцидентов безопасности и быстро реагировать на них, минимизируя время простоя и потенциальный ущерб.

Darktrace использует ИИ для обнаружения и нейтрализации угроз в реальном времени, применяя самообучающиеся алгоритмы для анализа сетевого трафика и выявления подозрительной активности.

CrowdStrike предлагает облачные решения для кибербезопасности, используя ИИ для предотвращения взломов и мониторинга угроз на основе данных со всего мира. PayPal анализирует миллиарды транзакций и обнаруживает мошеннические действия, что значительно снижает количество ложноположительных срабатываний и улучшает безопасность платежей.

Использование ИИ для анализа биометрических данных, таких как отпечатки пальцев, распознавание лиц или голоса, позволяет создавать более надежные системы идентификации и аутентификации пользователей, снижая риск несанкционированного доступа. Но тут есть ряд проблем, например, безопасность этих данных и проблема неправомерного использования биометрических и персональных данных. Есть и целый ряд этических проблем, которые сейчас активно обсуждаются.

Сегодня компании могут значительно ускорить и удешевить процессы разработки новых продуктов, проводить исследования быстрее или делать лонгитюдные исследования на основе больших данных. Это особенно важно для фармацевтической отрасли, медицины и высоких технологий. Pfizer и Novartis делают таким образом скрининг соединений на предмет потенциальной активности против конкретных биологических мишеней, сокращая время и затраты на предклинические испытания.

Искусственный интеллект применяется для предсказания свойств новых материалов и оптимизации их состава для конкретных применений. Очень известный в узких кругах проект Material Genome Initiative использует машинное обучение для ускорения разработки новых материалов. Проект помогает сокращать время и затраты на внедрение новых материалов в производство и предсказывать свойства новых материалов.

Компания DeepMind в сотрудничестве с Google использовала ИИ для улучшения эффективности охлаждения в данных центрах, что привело к значительному снижению потребления энергии. А Microsoft и Novozymes работают над ускорением открытия ферментов, которые могут быть использованы для создания биоразлагаемых альтернатив пластикам и улучшения процессов очистки воды.

Это самый очевидный пример использования искусственного интеллекта для бизнеса, особенно для малого бизнеса и креативных индустрий. Современные модели искусственного интеллекта, такие как GPT-4 и Gemini, являются мультимодальными, что означает, что они могут обрабатывать не только текст, но и изображения и даже видео. Эта новая возможность может открыть целый ряд новых приложений. Например, SMM специалист может загрузить текст из предыдущих объявлений, настроить модель для генерации аналогичного текста одним нажатием, загрузить видео и фотографии новых объявлений. Это сэкономит много часов работы с проектами в рекламном агентстве (например, в Moscow Communications Agency ИИ помогает в решении рутинных задач и обучает сотрудников).

Такие инструменты, как DALL-E от OpenAI, Stability AI от Stable Diffusion и Firefly от Adobe, наводнили интернет изображениями всего - от котиков до папы римского в Balenciaga. Новый рубеж - преобразование текста в видео. Runway, стартап, создающий генеративные модели для видео, выпускает новые версии своих инструментов каждые несколько месяцев. Последняя модель, получившая название Gen-2, по-прежнему генерирует видео продолжительностью всего несколько секунд, но качество поражает.

Конечно для бизнеса важны не столько технологии или доступность новых знаний и открытий, а прежде всего экономические эффекты. Исследования показывают, что внедрение ИИ может увеличить производительность труда до 40% за счет изменения способа выполнения работы и укрепления роли людей в стимулировании роста в бизнесе (человек все еще важен и нужен, но это тема отдельного исследования). Если посмотреть на макроэкономические прогнозы, то ИИ может внести вклад до $15.7 трлн в глобальную экономику к 2030 году, что больше, чем текущий объем производства Китая и Индии, вместе взятых. Из этого $6.6 трлн могут прийтись на увеличение производительности.

Безусловно, есть проблемы. Так, недавнее исследование Salesforce подчеркивает, что хоть ИИ и помогает значительно повысить производительность, но малые бизнесы сталкиваются с препятствиями, связанными с интеграцией данных и перегруженностью ИТ-отделов. 85% руководителей ИТ ожидают, что ИИ улучшит производительность разработчиков в их организациях в течение следующих трех лет. Однако 62% признают, что их организации не готовы к полному использованию ИИ из-за проблем с интеграцией данных. Также 98% ИТ-организаций сталкиваются с трудностями в цифровой трансформации, причем 80% указывают на проблемы с данными как на основное препятствие.