Прежде чем покупать инструмент или запускать разработку, малому и среднему бизнесу полезно понять, где искусственный интеллект действительно приносит отдачу. В этом суть аудита ИИ, при условии, что он фокусируется на работе, а не на технологиях. Он отвечает на три вопроса: какие задачи может взять на себя ИИ, сколько это принесет и с какой начать.
Слово «аудит» вызывает ассоциации с проверкой, но это упражнение иного рода. Оно касается не моделей и не вендоров, а повседневной деятельности компании: составления коммерческих предложений, напоминаний, отчетов, ввода данных и проверок.
Когда полезен аудит ИИ
Есть четыре ситуации, когда к нему стоит прибегнуть. Команды уже используют ChatGPT или Copilot, каждый по-своему, и никто не знает, какую отдачу это дает. Руководство рассматривает несколько идей проектов, но нет метода, чтобы выбрать между ними. Вендор предлагает инструмент, и нужно проверить, решает ли он реальную потребность. Наконец, рутинная задача занимает время нескольких человек каждую неделю.
С другой стороны, аудит бесполезен, если компания просто хочет освоить рыночные инструменты: в этом случае достаточно обучения.
Пять вопросов для классификации задач
Каждая задача-кандидат проходит через один и тот же фильтр. Первый вопрос касается времени, которое она занимает сейчас, и количества вовлеченных людей: без этой исходной меры никакую выгоду потом не удастся доказать. Второй касается частоты, потому что задача, выполняемая десять раз в месяц, не оправдывает выделенный инструмент. Третий спрашивает, существуют ли данные в пригодной для использования форме, поскольку ИИ не компенсирует отсутствующую или разбросанную по почтовым ящикам информацию.
Четвертый вопрос — об ошибках: что произойдет, если ИИ ошибется, и кто будет контролировать? Чем дороже ошибка, тем больше требуется человеческой проверки. Пятый касается стоимости первого прототипа и сроков, прежде чем его можно будет использовать. Значительная выгода, требующая года работы, уступает средней выгоде, доступной за несколько недель.
Кейс использования принимается, когда выгода измерима, данные существуют и специалист в предметной области может проконтролировать результат. Остальные отбрасываются, и аудит должен объяснить почему.
Что требовать на выходе
Результатом не должен быть отчет о «потенциале ИИ». Он должен представлять собой короткий список кейсов использования, каждый с оценкой выгоды, стоимости, сроков и четкой рекомендацией, с какого начать. Принятые кейсы редко бывают впечатляющими: создание коммерческого предложения на основе запроса клиента, обработка несоответствий на заводе, подготовка технического досье для тендера в строительстве или квалификация входящих запросов в сервисной компании.
Два требования стоит обозначить с самого начала. Отчет принадлежит компании, которая должна иметь возможность использовать его внутри или с другим подрядчиком. Он также должен быть понятен тем, кто выполняет работу, а не только ИТ-руководству.
Напротив, неудачный аудит начинается с технологий, ничего не оценивает или рекомендует всё подряд. «Большой потенциал» — это не результат, в отличие от количества часов в неделю. В малом и среднем бизнесе такая работа занимает несколько дней, исходит из конкретных задач и не предполагает, что команды уже используют ИИ. Руководитель, имеющий на руках список оцененных задач, выбирает свой первый проект, исходя из часов и денег, а не из демонстрации.
