Сегодня практически в любой крупной компании на вопросы службы поддержки отвечают в первую очередь боты, но это больше похоже на квест по переходу на следующий уровень, чем на реальную помощь.
Действительно, все привыкли к универсальной фразе "оператор, оператор, оператор".
Несколько параметров.
У "Сбера", "Яндекса" и "Тинькофф" гораздо меньше параметров, чем у современных нейронных сетей, но, как выяснил openAI, по мере роста параметров навыки ИИ растут в геометрической прогрессии.
Мы часто слышим, как ученые, изучающие данные, говорят, что нейронная сеть, обученная на более чистом наборе данных для конкретной задачи, лучше справится с ней, чем большая сетка, забитая всем подряд. Но на практике почему-то gpt программирует лучше, чем copilot, а переводит предложения лучше, чем deepl.
А у российских компаний нет достаточных ресурсов для создания и обучения своих сетей на наборах данных, соответствующих современным тенденциям. Как правило, это не является их профильным бизнесом.
Неподготовленная инфраструктура
Когда я только начинал работать с AI-чатботами, все казалось простым. Я взял бизнес с большим количеством запросов, написал интеграцию с ERP и заменил 90 % специалистов службы поддержки.
На самом деле я обнаружили, что информация о заказах, клиентах и производстве находится в разных программах и отделах. И чтобы ответить на простой вопрос "Где мой заказ?", нужно искать идентификационные данные клиента в нескольких программах и сделать несколько телефонных звонков, прежде чем удастся ответить на этот вопрос. А поскольку каждый бизнес имеет свои собственные процессы, возможность масштабирования таких решений теряется.
Это означает, что прежде чем подключать искусственный интеллект, необходимо многое автоматизировать с помощью стандартных инструментов. Операторы уже занимались этим, поэтому бизнес был не готов.
Технология новая
В дополнение к другим проблемам, есть еще самая банальная. Недавно появились продукты, позволяющие создавать "умные" службы поддержки клиентов.
На момент написания этой статьи SDK с ассистентом находится в бета-версии. И в настоящее время на github существует множество проблем с ошибками. Правда, все они касаются конкретных задач, а основной функционал работает так, как описано.
Разработчики еще не успели перенести свои решения на новый продукт, а старый работал на костылях и не годился для коммерческого использования. Самая распространенная проблема - "забывание" контекста. Все протестированные мной сервисы создания помощников "под ключ" вдруг забывали, о чем говорили несколько минут назад, и начинали здороваться.
Что будет дальше?
Несомненно, прогресс доберется и до неповоротливых гигантов. Пока же мы они работают в нише, которая не требует массовой интеграции с неавтоматизированными процессами. Например, в сфере обслуживания малого бизнеса, где нам нужно объяснить потенциальным клиентам суть компании и ее услуг и заставить их сделать следующий шаг.
Это лишь один из примеров того, как ИИ в бизнесе уже работает. Например, компания Tomoru создает голосовых роботов для базовых звонков. Яндекс проводит бета-тестирование сервиса для анализа звонков менеджеров.