Большой эффект от ИИ — только после пересмотра процессов

рассказываю по простому про ИИ

🇷🇺 Россия: ВТБ: большой эффект от ИИ — только после пересмотра процессов

ИИ-чат в привычном рабочем процессе — это ещё не трансформация, а просто более удобное рабочее место. Заметный эффект на бизнес, по оценке советника первого зампреда ВТБ Сергея Путятинского, появляется, если пересмотреть сами процессы.

Если коротко: Это часть сдвига от ИИ-помощника к ИИ-агенту. Но агент внутри старой схемы скорее ускоряет хаос, чем меняет экономику. На конференции Basis ID Путятинский объяснил: когда люди работают как раньше и просто начинают делать что-то быстрее или удобнее, это не трансформация, а улучшение рабочего места. По его оценке, для большого эффекта нужна перестройка внутренних процессов, а не окно с чатом. Он также предложил установить правила применения ИИ для компаний разного масштаба. Сейчас, по его словам, рынок по-разному трактует работу с облачными моделями: у небольших компаний и крупных игроков разные возможности. Нужна градация — когда можно работать в облаке, какие данные считать чувствительными, с какими моделями можно работать. На практике это пересекается с 152-ФЗ, но единых отраслевых правил именно для облачных ИИ-сервисов пока нет. Ранее на Kazan Digital Week Путятинский говорил, что ответственность за решения, принятые с помощью ИИ, остаётся на организации и делегировать её нельзя. Для небольших команд это спокойная новость: никто не требует сразу перекраивать всё. Но спрос будет смещаться с «операторов нейросетей» на тех, кто умеет разобрать процесс и собрать его заново — именно это защищает от рутины, а не просто ускоряет её.

Что сделал я: мне стало интересно посмотреть эффекты от внедрения ИИ, чтобы посмотреть какие критерии успешности внедрений. Для этого я использовал датасет на 50 000 записей, где приводится автоматиция процессов с применением и без применения ИИ за 2015-2026 года.

Если коротко: Выигрывает не «внедрить ИИ», а выбрать процесс с большим объёмом ручной работы и наличием в них неструктурированных данных.

ИИ усиливает только задачи с неструктурированными данными. Payroll automation даёт +15,8 п.п. к ROI, data extraction — +11,9 п.п., invoice processing — +7,5 п.п. А в email-рассылках ИИ вредит (−7,8 п.п.), как и во фронт-офисе (−6,5 п.п.) или HR-онбординге (−5,4 п.п.). Там правила уже детерминированы, модель лишь добавляет сложность. Ещё пара наблюдений: on-prem для ИИ даёт на 2,8 п.п. больше ROI, чем облако, а каждый дополнительный робот снижает ROI на 2,07 п.п. Но данные наблюдательные, R² модели 0,552 — 45% вариации не объяснено. По fraud detection вообще противоречие: в разрезе отдела ИИ добавляет +12,2 п.п., а в разрезе типа задачи — минус 5,1 п.п. Так что перед масштабированием нужен A/B-пилот. Я считаю, для нас это скорее хорошая новость. Если вы умеете видеть процессы, а не только обучать модели, вы ценнее. Ищите места, где люди вручную разбирают документы, счета, отчёты — там ИИ окупится. А пихать модель в email-рассылку не стоит, даже если очень хочется попробовать.

Поэтому для внедрения ИИ правило простое: - первое - сколько рутинных часов мы можем автоматизировать. Если более 70%* от общего времении - делаем автоматизацию - второе - какая доля неструктурированных данных в процессе - если более 40%** - внедряем через ИИ, если нет - то обычная автоматизация * и ** - надо посчитать по хорошему

Из этих критериев можно также посмотреть в каких профессиях и как будет проникать ИИ (пример привел в таблице) (PS - где физический барьер - кандидаты, но нужно развитие роботов)

Посмотрите и скажите, что думаете?

Большой эффект от ИИ — только после пересмотра процессов | Сетка — социальная сеть от hh.ru
Большой эффект от ИИ — только после пересмотра процессов | Сетка — социальная сеть от hh.ru Большой эффект от ИИ — только после пересмотра процессов | Сетка — социальная сеть от hh.ru