Как выбрать нейросеть для бизнеса

Нейросети активно используются для автоматизации бизнеса: у многих популярных приложений или сервисов есть ИИ-помощники либо отдельные ИИ-функции. Помимо общеизвестных ChatGPT, YandexGPT и Midjourney, существуют ИИ-инструменты для узких задач: сделать вёрстку промо-сайта по текстовому описанию, создать рекламный видеоролик по сценарию, оценить перспективы товарной категории на рынке. Под каждую из них можно найти десяток сервисов, но как выбрать самый эффективный и надёжный?

Перед выбором инструмента нужно определиться, какие процессы вы хотите автоматизировать и что будет мерилом успеха — производительность труда, скорость обслуживания клиентов, эффективность рекламы или что-то ещё. О том, какие бизнес-процессы больше всего выиграют от внедрения ИИ-помощников, мы уже написали в отдельной статье. Затем нужно оценить, какой из трёх вариантов использования нейросетей подойдёт именно вашей организации.

«Коробочное» решение. Функции ИИ-ассистента могут быть интегрированы в платформу, решающую конкретную бизнес-задачу, например CRM или управление складом. Если решение, которое уже используется в компании, снабжено ИИ-функциями, их можно протестировать, не прибегая к дополнительным сервисам. «Коробка» также хороша, если нужный процесс в компании пока не автоматизирован: внедрение цифровой платформы может принести пользу вне зависимости от эффективности ИИ-инструмента. Если же ради использования нейросети придётся менять уже внедрённую платформу на другую, нужно оценить, насколько оправданы будут расходы, риски и сложность такого проекта для компании.

Интеграция. ИИ-функции можно подключить к крупным корпоративным бизнес-системам в виде дополнительного модуля: в этом случае нужный блок бизнес-системы обращается с запросом к серверам ИИ-сервиса и затем обрабатывает ответ. Например, CRM-система может отправлять запросы клиента компании в нейросеть, чтобы их классифицировать и создать задачу на обработку нужному подразделению. Интеграционный подход позволяет экспериментировать с инструментами от разных вендоров, однако его невозможно реализовать без инженеров и разработчиков, занимающихся сопровождением корпоративного ПО. Впрочем, в крупных компаниях они, как правило, есть в штате, поэтому вопрос лишь в распределении их ресурсов.

Точечное использование нейросетей сотрудниками. Для некоторых задач вроде помощи с подготовкой рекламных макетов или текстов для блога ИИ-инструмент не обязательно глубоко интегрировать с бизнес-системами. Ответственный сотрудник может сгенерировать контент самостоятельно с помощью нейросети, а затем опубликовать готовый материал на сайте. У этого способа есть свои достоинства: гибкость выбора инструментов, а также постоянный контроль человека над результатами работы сервиса.

Качество результатов. Ключевой фактор, который невозможно полноценно оценить без тестирования ИИ-модели в организации. Если ИИ-сервис предоставляет демо-доступ, можно придумать исходные данные, приближенные к реальным, и проверить генерацию на них. Если известно, на основе какой большой языковой модели работает сервис, можно ориентироваться на один из регулярно обновляемых рейтингов качества LLM. Но в любом случае качество придётся ещё раз детально проверить на финальных этапах отбора и тестирования – об этом ниже.

Экономическая эффективность. Внимательно изучите условия использования ИИ-инструментов и оцените их стоимость. Если оплата зависит от объёма обработанных данных, посчитайте, сколько в среднем будет стоить каждая ваша бизнес-транзакция. Сопоставьте выгоду от нейросетей и расходы на их внедрение и использование. Также нужно сделать расчёты на случай, если нагрузка на нейросеть резко возрастёт. Например, из-за расширения ассортимента, роста количества заказов или запросов в техподдержку. Бывают случаи, когда применение ИИ-инструментов вместо людей экономит время, но значительно удорожает результат. Предварительно рассчитать стоимость использования нейросетей можно на одном из специализированных сайтов-калькуляторов.

Простота интеграции. Этот вопрос менее важен для «коробочных» продуктов, которые уже используются в компании. В остальных случаях стоит оценить, насколько легко будет внедрить тот или иной ИИ-инструмент в процесс, требующий автоматизации. Есть ли для этого нужные интерфейсы взаимодействия (API), достаточна ли скорость генерации нейросети для решаемой задачи, можно ли сделать индивидуальные настройки большой языковой модели, чтобы адаптировать её к нужной задаче, насколько стабильно нейросеть выдаёт нужный результат и есть ли программные инструменты для её контроля (например, соблюдения шаблонов выдачи, управления разнообразием ответов).

Вопросы безопасности. При выборе ИИ-сервиса важно помнить об информационной безопасности. Помимо вопроса, например, о том, где происходит обработка данных, нужно учесть, используются ли данные для обучения модели, какова политика хранения запросов и ответов, какие протоколы шифрования используются, насколько сервис соответствует требованиям законодательства страны и отраслевых регуляторов.

Удобство для пользователей. Лучше использовать инструменты, которые легко освоить сотрудникам. При этом важно обучать их грамотной работе с нейросетями, в том числе тщательно проверять сгенерированные ИИ материалы: ИИ-инструменты могут галлюционировать, то есть выдавать ошибочные или некорректные результаты. На помощь сотрудникам может прийти короткий интерактивный курс в Kaspersky Automated Security Awareness Platform. Он поможет сотрудникам научиться безопасно пользоваться нейросетями и снизить потенциальные киберриски.

Поддержка и развитие. ИИ — динамичная и быстро развивающаяся сфера, поэтому предпочтение стоит отдавать надёжным поставщикам, которые активно улучшают продукт, оперативно исправляют ошибки, а главное — готовы помогать с его настройкой, интеграцией и оптимизацией.

Масштабируемость. Может ли выбранный инструмент расти вместе с бизнесом и оставаться эффективным, если появятся новые задачи и вырастет нагрузка?

После того, как вы определитесь с финалистами, необходимо провести тестирования в условиях, максимально приближенных к реальным:

· детально настроить запросы к нейросети с использованием реальных данных компании (prompt engineering);

· при необходимости настроить процесс, подающий на вход нейросети вспомогательные документы организации (например, инструкции техподдержки — это называется Retrieval Augmented Generation, RAG);

· сгенерировать при помощи ИИ-инструмента значительное количество ответов по тестовым запросам из реальной жизни, в которых точно известен правильный ответ;

· сверить ответы системы нейросети с «эталоном», оценить точность её работы, скорость. Также нужно проверить наличие фактических ошибок и информации, создающей риски для компании, сотрудников или клиентов, например нарушающей законодательство. Это особенно важно для цифровых ассистентов, общающихся с пользователями в режиме реального времени, например ботов техподдержки.

Чтобы провести эти тесты качественно, специалисты, внедряющие ИИ-инструменты, должны пройти специальное обучение, включающее в том числе общие принципы работы нейросетей, вопросы безопасности и верификации их работы. О безопасном использовании ИИ можно узнать из онлайн-курса на платформе Kaspersky Automated Security Awareness Platform.

Не забывайте, что даже трижды проверенный ИИ-инструмент требует внимательного контроля после запуска — особенно важно отслеживать удовлетворённость клиентов и сотрудников, которые с ним работают. О том, как правильно это сделать, читайте в нашей статье.