По данным ведущего консалтингового агентства McKinsey, примерно 70% проектов по цифровой трансформации и внедрению ИИ не достигают заявленных целей. Но выбрав правильный подход, релевантный задачам бизнеса, можно значительно увеличить операционную эффективность и сократить трудозатраты на 30%. Какие есть варианты — рассказывают Мария Мееревич, ведущий бизнес-архитектор, и Анна Ивочкина, руководитель по реализации проектов в финсекторе RNT Group (входит в группу «Рексофт»).
Внедрил ИИ — и бизнес процветает?
Согласно исследованиям ещё одного ведущего агентства в области консалтинга — Gartner, свыше 70% банков в мире так или иначе используют ИИ в своей повседневной деятельности. Россия является лидером в этом направлении — согласно опросу Ассоциации ФинТех, 95% отечественных финансовых и технологических организаций применяют решения на базе ИИ.
Наибольшей популярностью пользуются системы анализа данных — 87%, решения для работы с текстом используют 63% респондентов, технологии распознавания речи и компьютерного зрения внедряют 35% и 30% компаний соответственно. По прогнозам Next Move Strategy Consulting, объём рынка продуктов, связанных с ИИ, продолжит расти и к 2030 году составит 2 трлн долл.
Эти данные говорят о широте и масштабности применения, актуальности и неизбежности изменений, которые привносит ИИ. Однако на практике большое количество проектов с ИИ внедряются долго и сложно, не оправдывая ожидания бизнеса и не добавляя ему ценности.
Тренды новые — грабли старые
В погоне за перспективным трендом многие банки продолжают совершать типичные ошибки цифровой трансформации, и, как следствие, более половины проектов в этой области не достигают своих целей. В числе таких ошибок:
— нереалистичные ожидания от технологий и фокус на высокотехнологичных новинках без закрытия базовых потребностей простыми средствами;
— излишняя бюрократизация и отсутствие культуры изменений — гибкости и готовности к переменам;
— запуск множества локальных несогласованных инициатив и внедрение цифровых решений без изменения операционной модели бизнеса.
Важно понимать, что ИИ действительно лежит в основе принятия быстрых, взвешенных и объективных решений, но не он определяет, кто, в какой момент и каким образом должен выполнять те или иные действия. Системный эффект от использования ИИ невозможен без изменения операционной модели бизнеса и работы над культурой изменений.
К внедрению ИИ стоит подходить как к трансформации модели управления бизнесом. В отличие от стандартного проекта по цифровизации, такой механизм включает изменение системы управления, бизнес-процессов, культуры и подходов к работе. Можно провести аналогию с комплексным подходом при проведении банковских Agile-трансформаций. С этой точки зрения проект централизованного внедрения ИИ, как и внедрения Agile-методологии, важно рассматривать не как инструмент, а как новый виток эволюции для перестроения корпоративной архитектуры.
Два типа проектов — два подхода к внедрению ИИ
На практике реализуется большое количество разнообразных проектов с ИИ, отличающихся контекстом, масштабностью, сложностью. Эти факторы оказывают прямое влияние на выбор подхода к внедрению, его реализацию и наличие зависимостей и рисков. С учётом этих параметров мы рекомендуем рассматривать два типовых подхода к внедрению изменений с ИИ:
— централизованный для трансформационных проектов, которые предполагают масштабные изменения, затрагивающие систему управления, бизнес-процессы, культуру, подходы к работе на основе информационных и цифровых технологий — большой блок или несколько блоков, пронизывающих корпоративную архитектуру;
— децентрализованный на уровне исполнения проектов по цифровизации, которые предполагают внедрение систем и решений для точечного улучшения бизнес- или операционных процессов без их значительной модификации. Целью таких проектов могут быть изменения одной-двух функций для ускорения конкретного процесса, снижения издержек и прочих улучшений. Очевидно, что такого рода проекты нет смысла замедлять, излишне бюрократизировать и усложнять. Их ценность — в быстром и ощутимом эффекте.
В качестве примера первого подхода можно привести проект по проведению централизованных изменений в контакт-центре банка. В рамках такого проекта важно понимать, что есть целый комплекс потенциальных изменений с ИИ, которые трансформируют всю модель его работы. В частности, добавляя чат-ботов и голосовых ассистентов, мы выстраиваем новые операционные процессы, изменяя при этом и существующие. Специалисты, чьи задачи теперь выполняет ИИ, могут быть переключены на выполнение других функций. Также ИИ может, наоборот, создавать новые рабочие роли для сотрудников. Умный сервис обзванивает клиентов, берет на себя мониторинг, скоринг и аналитику, а специалисты работают с полученными данными, оптимизируя производственный процесс.
Принципиальную роль в эффективности такой трансформации будет играть построение целостной и гибкой системы, которая базируется на следующих компонентах:
— стратегия и управление — разработка стратегии внедрения и надзор команды руководителей в области ИИ за её выполнением, определение путей повышения эффективности для выявления и снижения рисков;
— процессы — обязательные процедуры мониторинга и проверки ИИ-продуктов на предмет их соответствия выбранным критериям использования ИИ;
— технологии, данные и инфраструктура — набор инструментов для поддержки проектирования ИИ-решений и управления всем жизненным циклом с ИИ;
— культура — четкое понимание всеми сотрудниками своих ролей и обязанностей в использовании ИИ и следование им. Компонент культуры также важен на уровне клиентов банка для повышения их доверия к ИИ и желания его использовать.
Наш опыт и практика наших клиентов говорят, что в контексте подобных масштабных задач только комплексная работа на всех четырёх представленных уровнях способна обеспечить достижение системного эффекта от использования ИИ и изменения операционной модели бизнеса в контексте ИИ-трансформации банка. Так, итогом проекта по применению ИИ для контакт-центра стали снижение нагрузки на операторов на 30% и рост удовлетворённости клиентов на 15%.
Маркеры для выбора релевантных специалистов
Второй тип проектов эффективнее всего запускать в рамках пилотов. Примером может служить разработка нашего локального решения speech-to-text на базе ИИ. Это программа для обработки онлайн-конференций, которая с помощью перевода записи встречи в текст позволяет быстро погружать в контекст команду или отсутствующих на встрече не ключевых участников. Тем самым сокращается неэффективно затраченное время на тиражирование информации. Данный пример ценен не столько с точки зрения конкретной технологии и логики построения решения: он поможет показать, как можно уменьшить количество препятствий при создании небольшого пилотного решения. На начальном этапе могут возникнуть проблемы — отсутствие свободных ресурсов, необходимость привлечения «дополнительных рук» и бюджета. Часто это означает тяжёлый путь согласований в бюджетном комитете и вероятный тупик в виде дилеммы «курица или яйцо» — условием выделения бюджета будет наличие работающего прототипа, который без бюджета не разработать. Оптимальный выход из такой ситуации — заранее поискать ресурсы внутри существующей команды.
Для решения задачи отлично подойдут два типа кандидатов:
— «передовики», которые прекрасно понимают, что «завтра» внедрение инструментов ИИ в работу будет либо стандартом индустрии, либо хорошим тоном;
— «не терпящие скуки сотрудники», которые либо находятся на скамейке запасных, либо имеют неполную загрузку, негативно относятся к простою или просто мечтают о большем.
Есть и менее очевидные варианты:
— «легаси-воины», специалисты, которые заскучали на своём обычном функционале;
— уникальные сотрудники, работающие на нетиповом для компании стеке и имеющие немного возможностей для того, чтобы проявить себя, желающие «набрать очки», но не видящие перспектив системного развития в компании.
Также есть несколько типов сотрудников, которых точно не следует привлекать для решения таких задач:
— джуниоры или начинающие мидлы;
— систематические оверперформеры, которые регулярно перерабатывают и выполняют работу за рамками своих обязанностей;
— близкие к выгоранию;
— перегруженные.
Проект по разработке решения для обработки онлайн-конференций был во многом реализован собственными силами и занял около трёх недель. С помощью внутренних ресурсов в рамках extra mile мы сделали быстрый прототип и реализацию интерфейса на основе инструмента Gradio — с такими задачами может справиться разработчик любого произвольного стека. Далее провели первичное подключение к целевой библиотеке Whisper-diarization и частичную сборку решения. Окружение, развёртывание и другие подобные задачи были возложены на заинтересованных сотрудников с временным простоем. Со стороны потребовался только data-специалист для выбора целевого решения и для качественной настройки.
В результате 50% работ было закрыто собственными ресурсами как extra mile, сотрудники получили позитивный опыт и «очки» для развития. Компания сэкономила время и получила удобное решение, развёрнутое внутри корпоративного контура и обеспечивающее сохранность конфиденциальной информации. Таким образом, использование внутренних ресурсов отлично работает для реализации локальных проектов.
В заключение можно сказать, что внедрение ИИ в деятельность современной компании — это уже случившаяся реальность и огромный потенциал для развития. Важно определить, с какой именно задачей вы имеете дело — масштабной трансформацией с изменениями на уровне всех ключевых компонентов или локальным решением, — и в зависимости от этого выстраивать стратегию интеграции технологии в процессы компании.
Источник.