Первый раз про нейросети в CRM я услышал в 2017 году в кулуарах очень большой конференции. Тогда один из российских вендоров вполне здраво рассуждал, что скоринг сделок — это по сути и есть нейросеть: распределение, вероятность, Байес, все дела. Правда, налицо была проблема обучения моделей на реальных данных, потому что структура и организация продаж от компании к компании разные, вплоть до совсем уж экзотики типа агрессивных продаж. Да и данные даже довольно больших компаний слишком малы для обучения более или менее толковой нейросетки.
Но хорошо помню, что уже тогда мне подумалось, сколько маркетинга будет вокруг нейронок и ИИ в бизнес-приложениях. И вот прошло 8 лет, про ИИ мы слышим из каждого утюга, много где он стал маркетингом и способом привлечения внимания к продукту, но вот CRM (как и другие бизнес-приложения) с нейронкой особо не светятся. Да, на сайтах вендоров можно найти разные фичи с отсылками к искусственному интеллекту, кто-то прямо заявляет, что теперь банановый с нейросетью, но в целом — на редкость честное поведение. Даже с low code оно значительно хуже ;-)
Почему честное? Да потому что с нейросетями у малого и среднего бизнеса всё не особо складывается. Давайте погружаться.
Почему с нейросетями сложно?
Мы оставим в стороне проблему обучения на данных, поскольку здесь возможны варианты, равно как возможны различные трактовки — а что такое вообще нейросеть для бизнеса, что для него — искусственный интеллект? Обратимся к общим ценностям технологии и посмотрим, а насколько вообще целесообразно применение элементов AI для решения задач компаний.
Внедрение сложной технической системы требует ресурсов
В небольших компаниях все роли плотно заняты, мало того — что уж и говорить — иногда один человек совмещает функции и ему уже точно не до изучения, обучения и погружения. А работе с нейронками нужно учиться: если это системы распознавания, нужно тщательно понять, где бывают ошибки и галлюцинации, чтобы не получить проблемы при слепом доверии; если это генеративный ИИ, дополнительно нужно научиться писать хорошие промпты, которые будут работать эффективно и лаконично.
Со временем и деньгами дела обстоят так же: инвестиция во что-то новое, в новый инструмент должна окупаться. С нейросетями окупаемость размытая, отсроченная и вопрос — есть ли вообще? Даже выполняя свои задачи в работе с контентом и маркетингом, я часто вижу, что сделать что-то качественно на опыте гораздо быстрее и проще руками и головой, чем найти нейронку, протестировать нейронку, протестировать варианты промпта, получить несколько версий текста / изображений / рекламы, перепроверить, скорректировать и адаптировать. Если эти проблемы наложить суммарно на нескольких сотрудников, то время в трубу. А поскольку мы сторонники автоматизации и высвобождения человеческого труда на стратегические задачи, очевидно, что роскошь копаться в недрах ИИ позволить себе нельзя. К тому же, внедрение всегда несёт риск непредсказуемого результата. За редкими исключениями, о которых будет ниже.
Возникают вопросы безопасности
Очень многое зависит от того, как реализована нейросеть и как её защищает разработчик. Если это встроенные внешние решения, риск превратить ИТ-инфраструктуру в небезопасное решето велик. Равно как пока совершенно не проанализированы риски безопасности, связанные с происходящим внутри нейронки. Если использовать ИИ в оперативной работе, всегда есть риск неадекватного поведения модели, что может сказаться в принципе и на данных, и на функционировании и репутации компании. По крайней мере, никто не даёт гарантии безопасности, равные, например, гарантиям при внедрении CRM-систем.
Проблемы интеграции
Сейчас бизнес воспринимает автоматизацию рутинно и почти в каждой компании есть какой-то свой зоопарк парк технологий. Соответственно, решение с ИИ на борту должно хорошо в этот парк вписаться, то есть интегрироваться. Это может быть любая форма обмена данными, но желательно, чтобы она была сквозной. Однако интегрируясь с новым ПО, мы принимаем все его риски, а нейронка — это риск. Опять же, вопрос в том, а будут ли преимущества нейросети распространяться на всю цепочку интеграции или она так и останется сама по себе и будет «дружить» только со своим приложением.
Может нейросети бизнесу просто не нужны?
Неожиданная причина, но нередко именно она — основная. Если текущие процессы можно реализовать с помощью привычных, простых и удобных технологий, зачем добавлять себе проблемы? Например, для скоринга отлично работает связка человек + CRM, для аналитики — CRM со встроенной аналитикой или BI, а мобильными сотрудниками управляет легковесный недорогой сервис с несложным трекером.
Технологическая избыточность — это всегда плохо. Здесь есть два вектора развития: или сотрудники будут вынуждены использовать всё, что внедрено, под страхом административного давления; или все дружно забьют на то, что мешает сфокусироваться на оперативной работе и ключевых задачах. Потому что адекватная компания стремится много делать и много зарабатывать, а не играть в программные игрушки на виртуальном полигоне. Особенно если это дорогие и ресурсоёмкие игрушки.
Но бизнесу нейросети могут быть очень нужны
Безусловно, время идёт вперёд, прогресс не остановить и наряду с ИИ, которым развлекаются миллионы пользователей, есть ИИ, который помогает, обучает, контролирует, спасает жизни, обеспечивает безопасность, упрощает труд и т. д. Он тоже довольно дорогой. сложный во внедрении и эксплуатации, но это зачастую гораздо дешевле, чем попасть в кризисную ситуацию.
Это сложная аналитика, когда нужно использовать интегрированные системы трекинга, компьютерного зрения и управления данными. Вполне актуальная схема даже для небольшого производства или ритейла.
Безопасность рабочих: уже сейчас на рынке немало продвинутых решений по контролю строителей, инженеров, рабочих. Эти системы позволяют делать технику безопасности управляемой и контролируемой. Там, где цена ошибки — человеческая жизнь, технологии бесценны.
Распознавание образов, документов, фотографий продуктов и товаров, ценников — всё то, что скрасит жизнь любого склада и расстроит нечистого на руку кладовщика, потому что сделает управление складом безопасным и исключающим человеческий фактор (нет, ну в принципе, всё можно сломать — правда, в случае ИИ это будет очень быстро заметно).
Обучение, симуляция и ситуационные центры точно не обойдутся без ИИ, который может прогнозировать и моделировать проблемы быстрее и эффективнее, чем человек.
Роботизированный ИИ может заменить человека там, где тяжело, опасно, горячо, ярко и т.д., то есть работать на сохранение здоровья человека.
Все перечисленные технологии довольно дороги и сложны на старте, но они способны обеспечить отсутствие ненужных издержек, опасных ситуаций (и связанных с ними проблем), вреда человеческому здоровью. Конечно, это пока не «вкалывают роботы, счастлив человек», но определённо путь в правильном направлении, которое постепенно вторгается в нашу будничную жизнь.
Если говорить о потенциале, то ИИ, компьютерное зрение (в большей мере) будут востребованы в финансах, юриспруденции и в реальном секторе экономики. Это тот случай, когда не будет необходимости адаптировать ИИ под каждую компанию, а можно будет брать умные обученные модели и получать профит. Да, собственно, такие решения уже есть: в растениеводстве и животноводстве есть ИИ, управляющий подачей кормов, анализом состояния животных и растений и даже прогнозирующий точные метеорологические изменения для пастухов в разной местности. А это в том числе МСБ: фермеры, небольшие предприятия, юридические компании, частные консультанты, что очень важно — сервис, и т. д. Минимизация человеческого фактора (или хотя бы его контроль) здесь дорогого стоят.
Опять же, нужно понимать, к какому уровню ИИ готова компания и что предлагает рынок. Это может быть:
часть софта — когда в приложение встроены какие-то отдельные функции, которые помогают обрабатывать большие данные, анализировать, контролировать и т. д.;
весь софт — всё приложение базируется на ИИ и работе нейронной сети и по сути является надстройкой, интерфейсом;
роботизированный комплекс (программно-аппаратный) — когда ИИ работает на базе умной (сильной, маленькой, скоростной, внимательной…) железяки, которая выполняет функции, недоступные человеку (это мы уже видим, например, в медицине).
Использование ИИ, нейросетей, компьютерного зрения — не тот случай, когда можно (и нужно) мечтать о том, как в 2050 году не будет ничего, кроме роботов, автономных систем и софта. Кажется, что человечество уже должно осознать избыточность технологий и не «пихать» их в каждый утюг, а использовать бережно и рационально. Хотя это, похоже, та ещё утопия.
