Искусственный интеллект в бизнес-процессах: где он даёт результат и как внедрять
Искусственный интеллект в бизнес-процессах решает четыре класса задач: поиск по данным компании, общение с клиентами, разбор звонков и встреч, классификацию и маршрутизацию документов и обращений. Результат он даёт там, где у процесса есть повторяющаяся операция, данные в цифровом виде и метрика, по которой видно улучшение. Начинать стоит с одного процесса и прототипа на своих данных, а не с «внедрения ИИ во всю компанию».
Ниже — какие процессы меняет ИИ, как выбрать первый, сколько времени занимает путь от прототипа до продакшена и как контролировать качество ответов. Примеры — из внедрений, которые QTIM сделал в рамках AI-интеграций и разработки ИИ-чат-ботов и которые работают у клиентов каждый день.
Какие бизнес-процессы меняет искусственный интеллект
Языковые модели хорошо работают с текстом, речью и неструктурированными данными. Поэтому самые заметные изменения происходят не в учёте, где всё уже посчитано, а в процессах, где сотрудник читает, ищет, слушает и пересказывает.
| Процесс | Что делает ИИ | Чем измерить результат |
|---|---|---|
| Поиск по каталогу и базе знаний | понимает опечатки, синонимы и запросы своими словами, находит ответ в документах и показывает источник | доля поисков без результата, конверсия из поиска, время ответа сотрудника |
| Продажи и поддержка в мессенджерах | отвечает на вопросы по ассортименту и регламентам, подбирает товар, передаёт менеджеру тёплый запрос | доля обращений без участия оператора, время первого ответа |
| Звонки, встречи и уроки | расшифровывает запись, делает краткое содержание, проверяет соответствие сценарию или плану | доля проверенных записей, время на контроль качества |
| Документы и обращения | извлекает данные, классифицирует и маршрутизирует по исполнителям | время обработки, доля ошибок маршрутизации |
| Аналитика | объясняет отчёты обычным языком, ищет отклонения, готовит сводки | время подготовки отчёта |
Таблица показывает и границу применения. Если операция редкая, данные лежат в бумажных папках, а результат нечем измерить, ИИ добавит стоимость, но не изменит процесс.
Автоматизация обращений и продаж: ИИ-консультант
Классический чат-бот ведёт пользователя по дереву кнопок. ИИ-консультант ведёт диалог на естественном языке и отвечает по данным компании: каталогу, ценам, регламентам, истории заказов.
Пример — Telegram-бот, который QTIM сделал для компании Yurkas. Бот общается с покупателем, подбирает двери по ассортименту компании, а менеджер подключается к уже сформированному запросу. Клиент сам рассылает бота своим покупателям, бот работает в продакшене.
Разница между чат-ботом и ИИ-агентом — в действиях. Чат-бот отвечает на вопросы. Агент ещё и выполняет операции: создаёт заявку в CRM, проверяет остатки, оформляет заказ. Начинать обычно стоит с консультанта: он проверяет качество ответов на реальных диалогах, не получая доступ к деньгам и данным клиентов. Доступы агенту выдают позже, по одному, с журналом действий и человеком на проверке.
Поиск по каталогу и базе знаний: RAG вместо «обучения модели»
Самый частый запрос бизнеса — чтобы модель «знала» данные компании. Для этого не нужно обучать собственную модель. Используют RAG (retrieval-augmented generation): система сначала находит релевантные фрагменты в ваших документах или каталоге, а модель формулирует ответ на их основе и показывает источник.
Так устроен QSearch — собственная разработка QTIM для интернет-магазинов и каталогов: умный поиск с пониманием опечаток и формулировок покупателя, товарные рекомендации и ИИ-консультант по ассортименту. Тот же подход применяют внутри компании: поиск по регламентам, договорам и инструкциям, где сотрудник задаёт вопрос и получает ответ со ссылкой на документ.
RAG даёт два преимущества. Данные остаются актуальными: обновился каталог — обновился ответ. Ответ проверяем: рядом с ним виден источник, и сотрудник может открыть документ.
Анализ данных: расшифровка и контроль качества
Вторая большая область — аналитика неструктурированных данных. Раньше контроль качества звонков или занятий означал выборочное прослушивание: руководитель успевал проверить малую долю записей.
В собственной видеосвязи Онлайн-школы №1 ИИ расшифровывает и анализирует каждый урок. Каждый день на таких уроках занимаются 1 500 учеников. Система оценивает поведение учителя и учеников, вовлечённость и соответствие урока учебному плану. Методист работает не с выборкой, а с отклонениями, которые нашла система.
Тот же сценарий подходит для отдела продаж, службы поддержки, консультаций и онбординга: запись становится текстом, текст — оценкой по чек-листу, оценка — задачей для руководителя.
Как выбрать первый процесс для внедрения ИИ
Первый процесс определяет, поверит ли команда в технологию. Мы выбираем его по четырём признакам:
- Операция повторяется ежедневно и занимает заметное время сотрудников.
- Данные уже есть в цифровом виде: каталог, база знаний, записи, примеры диалогов.
- Есть метрика, которую можно измерить до и после.
- Ошибка модели не приводит к необратимым последствиям: ответ проверяет человек или его можно исправить.
Процесс, который проходит все четыре проверки, подходит для прототипа. Если данных нет, сначала нужен проект по их сбору. Если ошибка дорогая — например, ИИ меняет цены или отправляет платежи, — сценарий начинают с режима подсказки сотруднику.
Этапы внедрения: от прототипа до продакшена
| Этап | Срок | Результат |
|---|---|---|
| Разбор задачи | 1 рабочий день | выбран процесс, данные и метрика |
| Прототип | 2 недели | рабочий сценарий на ваших данных, сравнение моделей по точности и стоимости запроса |
| Продакшен | от 1 месяца | интеграции с CRM, 1С или личным кабинетом, права доступа, логирование, тестовые наборы |
| Сопровождение | постоянно | обновление данных и сценариев, контроль качества, смена модели при необходимости |
Прототип нужен, чтобы проверить гипотезу до больших вложений. По его итогам есть три варианта: изменить сценарий, расширить функции или остановиться, если результат не окупает поддержку.
Модель подбирают под задачу. QTIM работал с GigaChat, YandexGPT, ChatGPT и Claude. Выбор зависит от точности на ваших данных, стоимости запроса и требований к тому, где обрабатываются данные. Если данные нельзя передавать за рубеж, решение строят на российских моделях с инфраструктурой в России.
Контроль качества: чтобы ИИ не выдумывал
Языковая модель может уверенно сформулировать неверный ответ. В бизнес-процессе это риск, которым управляют инженерно:
- тестовый набор вопросов на ваших данных, который прогоняется при каждом изменении промпта, модели или данных;
- ограничение тем: консультант по дверям не отвечает на вопросы о юридических условиях договора;
- обязательная ссылка на источник для ответов из базы знаний;
- логирование диалогов и разбор ответов, которые пользователь отметил как неверные;
- передача человеку, если система не уверена или запрос выходит за рамки сценария.
Стоимость решения складывается из разработки и оплаты запросов к модели. Разработка зависит от сценариев и интеграций, запросы — от объёма диалогов и выбранной модели. Поэтому оценку дают после разбора процесса, а стоимость запросов считают на прототипе.
Вопросы и ответы
Какие задачи бизнеса решает искусственный интеллект?
Поиск по каталогу и документам, консультации клиентов в мессенджерах и на сайте, расшифровку и анализ звонков и встреч, классификацию обращений и извлечение данных из документов. Во внедрениях QTIM это QSearch, бот Yurkas и анализ уроков Онлайн-школы №1.
С чего начать внедрение ИИ в компании?
С одного процесса, который повторяется ежедневно, имеет данные в цифровом виде и измеримую метрику. По нему собирают прототип за 2 недели и сравнивают результат с исходным показателем.
Нужно ли обучать собственную модель?
Обычно нет. Для работы с данными компании используют RAG: система находит фрагменты в ваших документах, а модель формулирует ответ и показывает источник. Собственное обучение оправдано в узких задачах с большим размеченным массивом данных.
Можно ли внедрить ИИ без зарубежных сервисов?
Да. GigaChat и YandexGPT — российские модели с инфраструктурой в России. Если данные нельзя передавать за рубеж, решение строят на них.
Чем ИИ-агент отличается от чат-бота?
Чат-бот отвечает на вопросы по вашим данным. ИИ-агент выполняет действия: создаёт заявку в CRM, проверяет остатки, оформляет заказ. Агенту нужны ограниченные доступы, журнал действий и проверка человеком на критичных операциях.
Кому принадлежит решение после запуска?
Заказчику. Передаются исходный код, промпты, тестовые наборы и документация. После запуска решение можно сопровождать силами подрядчика или передать своей команде.
Если вы выбираете первый процесс для ИИ, опишите его команде AI-интеграций QTIM: за один рабочий день мы разберём задачу и данные и предложим метрику, по которой будет виден результат прототипа.
