Что важно знать о генеративном ИИ

За счет применения ИИ можно автоматизировать операции, отнимающие от 60 до 70% времени специалистов

Применение генеративного искусственного интеллекта (ИИ) способно существенно увеличить производительность и привнести в глобальную экономику от $2,6 до 4,4 трлн ежегодно. Для сравнения: весь ВВП Великобритании в 2021 году составил $3,1 трлн. Поделюсь инсайтами из недавнего исследования McKinsey, в ходе которого были изучены 63 случая использования генеративного ИИ для решения конкретных бизнес-задач с измеряемыми результатами.

Сегодня генеративный ИИ способен изменить все рабочие процессы. За счет применения этой технологии можно автоматизировать операции, отнимающие от 60 до 70% времени высокопрофессиональных специалистов, имеющих высокую зарплату. По более ранним оценкам, потенциалом автоматизации за счет внедрения генеративного ИИ обладала только половина рабочих операций таких сотрудников. Увеличение возможностей автоматизации связано с возросшей способностью генеративного ИИ распознавать естественные формы речи.

Обновленные сценарии внедрения новых технологий, включающие возможные темпы их развития и распространения, а также экономическую целесообразность, позволяют прогнозировать автоматизацию половины сегодняшних рабочих действий к 2045 году. И это на 10 лет (!) опережает предыдущие прогнозы.

Уверен, уже сегодня можно прогнозировать, что генеративный ИИ окажет значительное влияние на все отрасли и сферы человеческой деятельности. Финансовый сектор, высокие технологии и биологические науки могут стать первопроходцами. В финансовой сфере, например, технология может создать дополнительную стоимость в размере от $200 до 340 млрд ежегодно. В розничной торговле и производстве потребительских товаров аналогичный показатель может составить $400–660 млрд.

Изучив 16 бизнес-функций в 63 случаях использования генеративного ИИ, эксперты McKinsey выявили серьезное влияние данных технологий на развитие всего бизнеса. Но максимальной эффективности и отдачи, равной 75% от стоимости затрат, они достигают по четырем направлениям: клиентский сервис, маркетинг и продажи, разработка программного обеспечения (ПО), а также исследования. Приведу несколько примеров.

Автоматизация процесса взаимодействия с клиентами с использованием естественной речи позволила технологиям генеративного ИИ стать популярными в сфере обслуживания конечных пользователей. Так, в одной из компаний с 5000 клиентских менеджеров за счет применения генеративного ИИ скорость решения проблем увеличилась на 14%. На четверть сократилось количество запросов на беседу с менеджером. Важно отметить, что производительность и качество обслуживания больше всего улучшились среди менее опытных сотрудников: ИИ помог им общаться, используя методы, аналогичные тем, которые применяют более опытные коллеги.

В маркетинге и продажах генеративный ИИ просто незаменим, в первую очередь за счет более эффективного анализа данных. Он позволяет выявлять потенциальных заказчиков и расставлять приоритеты, создавать исчерпывающие профили потребителей из структурированных и неструктурированных данных, а затем предлагать персоналу конкретные действия для повышения вовлеченности клиентов в каждой точке контакта. В сегментах B2B и B2C генеративный ИИ способен изменить подход к продажам, в частности повысить их вероятность. Генеративный ИИ позволяет пассивно развивать потенциальных клиентов до этапа, когда они будут готовы к прямому взаимодействию с агентом по продажам.

Разработка ПО является важной составляющей в работе многих компаний, поскольку практически все они внедряют ПО в свои продукты и услуги. Например, большую часть стоимости новых автомобилей составляют цифровые функции, такие как адаптивный круиз-контроль, помощник при парковке и система интернет-коммуникаций. Применение ИИ при разработке ПО способно увеличить производительность на 20–45%. Подобная эффективность связана с сокращением времени, затрачиваемым на создание первоначальных черновиков кода, его исправление и улучшение, на анализ первопричин и выработку новых вариантов решения. Крупные технологические компании уже продают генеративный ИИ для разработки ПО, в том числе GitHub Copilot, который теперь интегрирован с OpenAI GPT-4, и Replit – им пользуются более 20 млн программистов. Согласно исследованию, разработчики ПО, использующие Microsoft GitHub Copilot, выполняли задачи на 56% быстрее, чем те, кто не применял этот инструмент.

Потенциал генеративного ИИ в исследованиях и разработках, возможно, менее широко известен по сравнению с другими областями применения. При этом мы прогнозируем, что технология может повысить производительность на 10–15% от общих затрат на НИОКР. Широкое распространение в биологических исследованиях и химической промышленности получило так называемое генеративное проектирование. Например, модели Foundation применяются для создания молекул-кандидатов, ускоряя процесс разработки новых лекарств и материалов. Биотехнологическая фармацевтическая компания Entos объединила генеративный ИИ с автоматизированными инструментами разработки низкомолекулярных терапевтических средств.

Иными словами, генеративный искусственный интеллект может создавать ценности в широком диапазоне вариантов использования, потому его изучение должно стать обязательным для сегодняшних руководителей компаний в Казахстане. Выбор лишь за тем, где и как применять генеративный ИИ. Одни руководители могут решить, что генеративный ИИ открывает поле для серьезных преобразований в их компаниях, затрагивая как сферу исследований и разработок, так и маркетинг, продажи и операции с клиентами. Другие могут решить начать с чего-то малого, а затем заняться масштабированием. Но вне зависимости от выбранных вариантов использования специалисты по ИИ смогут найти оптимальные решения из уже имеющихся на рынке.

Затраты на применение генеративного ИИ сильно различаются в зависимости от вариантов использования и данных, необходимых для программного обеспечения, облачной инфраструктуры, технических знаний сотрудников. Компании должны также принимать во внимание вопросы риска, требующие выделения дополнительных ресурсов. Началом большого путешествия в мир генеративного ИИ нужно считать создание серьезного экономического обоснования, в котором должны принять участие руководители всех подразделений компании.

Эра генеративного ИИ только начинается. Пилотные проекты впечатляют своими возможностями и результатами. Однако для широкого внедрения технологии потребуется время, а руководителям и всему бизнес-сообществу в целом придется столкнуться с множеством вопросов и проблем. Среди них – переосмысление всех бизнес-процессов, управление рисками, связанными с генеративным ИИ, освоение сотрудниками новых навыков и знаний. Считаю, что при правильном управлении изменениями и рисками генеративный ИИ может внести существенный вклад в экономический рост и создание более устойчивого и инклюзивного мира.

Популярное
Выбор редактора
Ошибка в тексте