85 подписчиков

Нейросети меняют мир: топ примеров из ключевых экономических областей

Автор Дмитрий Андрияшкин, преподаватель и специалист по покупке трафика в Школе дизайна НИУ ВШЭ, опыт в продвижении 20 лет. Хотите быть в тренде, подписывайтесь на телеграм. - https://t.me/kafkich

Компания Statista провела исследование о том, как искусственный интеллект поможет различным областям экономики.

Этот анализ показывает потенциальное влияние генеративного искусственного интеллекта (ИИ) на продуктивность различных бизнес-функций в мировом масштабе в 2023 году. Данные представлены в виде оценочного диапазона дополнительной стоимости в миллиардах долларов США.

Наибольшее потенциальное влияние генеративный ИИ может оказать на маркетинг и продажи. Ожидаемый эффект варьируется от 760 до 1200 млрд долларов дополнительной стоимости.
На втором месте - разработка программного обеспечения. Генеративный ИИ способен принести в этой сфере от 470 до 1150 млрд долларов.
Клиентские операции находятся на третьем месте с потенциалом роста стоимости в диапазоне от 270 до 680 млрд долларов.

Клиентские операции (Customer operations) - это широкий термин, обозначающий все процессы и функции компании, которые направлены на взаимодействие с клиентами и обеспечение высокого качества их обслуживания. Сюда могут входить:

Поддержка клиентов (Customer support): обработка запросов, решение проблем, предоставление информации по продуктам и услугам через различные каналы связи (телефон, email, чат, социальные сети).
Обслуживание клиентов (Customer service): все точки контакта с клиентом, включая прием заказов, выставление счетов, обработку платежей, доставку, возвраты и т.д.
Управление взаимоотношениями с клиентами (Customer relationship management, CRM): сбор и анализ данных о клиентах, сегментация, персонализация коммуникаций, программы лояльности.
Продажи (Sales): привлечение новых клиентов, кросс-продажи и апсейл существующим, управление процессом продаж.
Онбординг (Onboarding): процесс подключения и обучения новых клиентов, помощь в начале использования продукта или услуги.
Удержание клиентов (Customer retention): мониторинг удовлетворенности, работа с оттоком, реактивация "спящих" клиентов.
Обратная связь и Voice of Customer (VoC): сбор и анализ отзывов и предложений клиентов, опросы удовлетворенности, работа с жалобами.

Для цепочек поставок и операционной деятельности дополнительная стоимость от внедрения генеративного ИИ оценивается в 100-540 млрд долларов.

Цепочки поставок (Supply chain) и операционная деятельность (Operations) - это ключевые функции компании, обеспечивающие процесс создания и доставки продуктов или услуг клиентам. Применение генеративного ИИ в этих областях может помочь оптимизировать множество операций:

Планирование спроса (Demand planning): прогнозирование спроса на основе исторических данных, внешних факторов и сигналов в реальном времени.
Управление запасами (Inventory management): оптимизация уровня запасов, предотвращение дефицита и избытков, динамическое ценообразование.
Производственное планирование (Production planning): оптимизация загрузки мощностей, последовательности операций, минимизация простоев и узких мест.
Логистика и доставка (Logistics and delivery): оптимизация маршрутов, консолидация отправлений, управление парком транспортных средств, отслеживание грузов.
Закупки и управление поставщиками (Procurement and supplier management): выбор поставщиков, переговоры по условиям, контроль качества, управление рисками.
Управление складом (Warehouse management): оптимизация размещения товаров, управление складскими операциями, автоматизация комплектации и отгрузки.
Обеспечение качества (Quality assurance): контроль качества продукции на всех этапах, предиктивное обслуживание оборудования, анализ причин дефектов.
Управление возвратами (Returns management): обработка возвратов, анализ причин, оптимизация процесса и минимизация потерь.

В сфере НИОКР продуктов ожидается прирост на 85-490 млрд долларов. Для управления рисками и юридических функций эффект может составить 75-195 млрд долларов

Результаты НИОКР могут приводить к созданию новых продуктов, услуг или технологий, которые затем могут быть коммерциализированы и приносить доход компании. Вот несколько примеров того, как НИОКР может влиять на продажи:

Разработка новых инновационных продуктов: Успешные НИОКР проекты могут результироваться в создании совершенно новых продуктов, которые решают проблемы клиентов лучше, чем существующие на рынке. Такие продукты могут захватывать новые рынки и приносить значительный рост продаж.
Улучшение существующих продуктов: НИОКР может быть направлен на усовершенствование характеристик, функциональности, дизайна или качества уже выпускаемых продуктов. Это может повысить их конкурентоспособность и привлекательность для клиентов, что приведет к росту продаж.
Снижение себестоимости: Некоторые НИОКР проекты нацелены на оптимизацию производственных процессов, поиск более дешевых материалов или компонентов, автоматизацию операций. В результате снижается себестоимость продукции, что позволяет либо увеличить маржинальность, либо предложить более выгодные цены клиентам, стимулируя спрос.
Создание новых бизнес-моделей: НИОКР в области цифровых технологий, например, может привести к созданию новых платформенных решений, сервисов подписки, экосистем дополняющих продуктов. Это открывает новые возможности для монетизации и роста выручки, часто за счет рекуррентных платежей.
Лицензирование и продажа патентов: Не все результаты НИОКР компания может или хочет коммерциализировать сама. Некоторые разработки могут быть лицензированы или проданы другим компаниям, что также генерирует доход.

Генеративный ИИ может ускорить и удешевить НИОКР, помогая в поиске информации, генерации идей, проверке гипотез, моделировании и тестировании прототипов. Это позволит быстрее выводить на рынок новые продукты, лучше соответствующие потребностям клиентов, что в конечном итоге должно привести к росту продаж и доходов компании.

В области стратегии и финансов потенциальный вклад генеративного ИИ оценивается в 30-125 млрд долларов.
Для управления талантами и организационного развития дополнительная стоимость находится в диапазоне 25-65 млрд долларов.
Наконец, для корпоративных ИТ-функций генеративный ИИ способен принести 10-40 млрд долларов.

В целом, данные показывают, что генеративный ИИ имеет значительный потенциал повышения продуктивности и создания стоимости во всех ключевых бизнес-функциях, особенно в маркетинге, разработке ПО и работе с клиентами. Однако размер эффекта варьируется в широких пределах, что отражает неопределенность в скорости развития и адаптации этих технологий.

Примеры применения генеративного ИИ в планировании и управлении операциями

Планирование спроса (Demand planning): Генеративный ИИ может проанализировать большие объемы исторических данных о продажах компании, учитывая сезонность, тренды, маркетинговые кампании и другие факторы. Затем, используя методы машинного обучения, он может построить модель, которая будет прогнозировать будущий спрос на различные продукты. Кроме того, ИИ может собирать и анализировать данные в реальном времени из внешних источников, таких как социальные сети, новости, погодные условия и экономические индикаторы, чтобы корректировать прогнозы с учетом меняющихся обстоятельств. Это поможет компании более точно планировать производство, закупки и распределение ресурсов.

Управление запасами (Inventory management): На основе прогнозов спроса и анализа текущих уровней запасов, генеративный ИИ может рекомендовать оптимальные объемы и сроки пополнения запасов для каждого продукта и локации. Его цель - минимизировать затраты на хранение и риски дефицита или избытков. Кроме того, ИИ может анализировать эластичность спроса по цене и предлагать динамические ценовые стратегии для оптимизации прибыли и оборачиваемости запасов. Например, рекомендовать снижение цен на залежавшиеся товары или повышение на пользующиеся высоким спросом.

Производственное планирование (Production planning): Имея данные о прогнозном спросе, доступных мощностях, производительности оборудования и персонала, генеративный ИИ может строить оптимальные графики производства. Его задача - максимально эффективно загрузить имеющиеся ресурсы, минимизируя при этом время переналадки, простои и запасы незавершенного производства. ИИ может быстро просчитывать различные сценарии и находить наилучшую последовательность выполнения заказов с учетом их приоритетов и ограничений. Кроме того, он может отслеживать ход производства в реальном времени, прогнозировать возможные сбои и узкие места, заблаговременно предлагая корректирующие действия.

В каждом из этих случаев генеративный ИИ использует возможности обработки естественного языка, чтобы понять бизнес-контекст и цели пользователя, применяет аналитические и оптимизационные алгоритмы для поиска наилучших решений, и представляет результаты в понятной для человека форме - в виде текстовых объяснений, таблиц, графиков, интерактивных дашбордов. При этом он может учитывать специфические особенности и ограничения конкретной компании.

Таким образом, генеративный ИИ может стать мощным инструментом для принятия более быстрых, обоснованных и экономически эффективных решений в области планирования и управления операциями.

Статистика по уровню внедрения генеративного искусственного интеллекта (ИИ) в рабочих местах

На представленном слайде показана статистика по уровню внедрения генеративного искусственного интеллекта (ИИ) в рабочих местах в различных отраслях США в 2023 году. Данные представлены в виде гистограммы, где по оси абсцисс указаны отрасли, а по оси ординат — доля респондентов, отражающая процентное соотношение участников опроса, использующих генеративный ИИ в своей работе.Отрасли, представленные на графике, включают маркетинг и рекламу, технологии, консалтинг, образование, аккаунтинг и здравоохранение. Согласно графику, наибольший уровень внедрения генеративного ИИ наблюдается в маркетинге и рекламе (37%), за ним следует технологическая отрасль (35%). Консалтинговые услуги также активно используют генеративный ИИ, показывая уровень внедрения в 30%. В образовании этот показатель составляет 19%, в аккаунтинге — 16%, а в здравоохранении — самый низкий уровень внедрения, равный 15%

В России уровень внедрения генеративного искусственного интеллекта (ИИ) в рабочих местах продолжает расти, что отражает общемировую тенденцию к цифровизации и автоматизации процессов. Согласно исследованиям, 20% крупных российских компаний уже используют технологии генеративного ИИ, из которых 12% определили приоритетные функции и сценарии для его внедрения. Еще около 27% компаний находятся на этапе определения потенциальных областей применения.

Генеративный ИИ находит применение в различных сферах, включая маркетинг и продажи (66% внедрений), клиентский сервис (54%), исследования и разработки (49%). а также IT (31%), См здесь

Изображение показывает использование генеративных программ искусственного интеллекта (ИИ) в США в 2023 году в разрезе вариантов применения.

Доля респондентов, использующих генеративный ИИ для различных задач:

Ответить на вопрос - 68%
Мозговой штурм - 54%
Фотографии - 37%
Музыка - 31%
Видео - 31%
Дизайн - 29%
Истории - 29%
Художественные работы - 27%
Анализ данных - 26%
Электронные письма - 25%
Блог-посты - 19%
Программирование - 18%
Тексты песен - 18%

Данные показывают, что генеративный ИИ чаще всего используется для ответов на вопросы (68% респондентов) и мозгового штурма (54%). Создание фотографий, музыки и видео также являются популярными вариантами использования, в то время как написание текстов песен и программирование находятся в нижней части списка (по 18%).