Сейчас каждый второй предприниматель хочет внедрить ИИшечку, но хотеть — одно, а понимать зачем AI нужен и подходит ли вообще для конкретного бизнеса — другое. Технологии на волне хайпа, ожидания завышены, а реальность… ну, давайте често: она чуть приземленнее.
Мы начали тестить ИИ почти три года назад, примерно тогда, когда OpenAI открыл публичный доступ к ChatGPT 3,5 и разрешил подключаться к данным модели по API.
От простых чат-ботов мы постепенно пришли к более сложным проектам: речевой аналитике, веб-сервисам, компьютерному зрению. По пути стало ясно, где и как можно использовать ИИ, а где он не нужен.
Предприниматели часто смотрят на искусственный интеллект сквозь призму мифов. Из-за этого многие хорошие идеи так и остаются идеями. Разбираем самые популярные заблуждения и рассказываем, что мы выяснили на практике.
Миф 1. ИИ заменит людей
Вот бы всё было так просто: поставил ИИ, всех уволил и считай профит. Но, увы (или к счастью) так не работает.
Для сети кафе «Павлония» и крупнейшей доставки еды в Дагестане мы сделали мобильное приложение и докрутили сайт — конверсия выросла на 40% (при тысяче посетителей это примерно +30 заказов в день).
Сначала провели хороший аудит и увидели, где именно «отваливались» пользователи. Один из ключевых моментов — сайт требовал указать адрес ДО того, как человек выберет блюдо. И около 1/3 посетителей уже уходили на этом этапе. Непродуманный путь и лишние шаги сами по себе режут выручку, а убрав их, можно повысить маржинальность даже без ИИ. Но мы пошли дальше и внедрили речевую аналитику для колл-центра…
Раньше руководитель проверял работу операторов, слушая 3-5 звонков выборочно и то не каждый день. Остальные 99% разговоров — тайна за семью печатями. Теперь ИИ расшифровывает и анализирует все записи. Можно посмотреть показатели сотрудника и их динамику за неделю, месяц, полугодие — а ошибок там практически нет.
Что изменилось? Обучение ускорилось — сотрудники сами изучают статистику и видят где отошли от скрипта и косякнули: некорректно завершили разговор, не рассказали о политике возврата или не проявили эмпатию. Выросла дисциплина и качество обработки звонков, а вместе с ним и количество заказов.
Но был и сюрприз: персонал КЦ ополчился на нас. Читая их негативные комментарии в своём Telegram-канале, мы поняли, почему им не нравится наше решение — теперь с внедрением ИИ, когда ВСЕ разговоры можно оценить, операторам сложнее. Они вынуждены работать ещё лучше, чем раньше, чтобы выполнить KPI и получить бонусы.
ИИ не увольняет людей. Он улучшает сервис, усиливает контроль за работой сотрудников и помогает бизнесу зарабатывать больше.
Миф 2. ИИ — это быстро и дёшево
Ох, как же мы сами в это верили. Когда запускали первые коммерческие проекты, мы заложили определённое время и бюджет — а в итоге сроки и стоимость регулярно увеличивались, вдвое, Карл! Почему так?
Потому что интеграция ИИ в бизнес — это фактически новый продукт. «Коробок» на рынке почти нет, технология дорогая, специалистов мало, а «слепых зон» море. Приходится пробовать, иногда спотыкаться, исправляться, и всё это на фоне очень быстрого развития AI.
Для серьезных проектов в horeca, телекоме и медицине сбор данных и анализ процессов может занимать и месяц.
Разрабатывали систему компьютерного зрения для ресторанов и других точек общепита, но вскоре поняли, что она требует существенных вложений для развития.
Идея была классная. Камера сама следила за обслуживанием: вовремя ли подали блюдо, убрали ли со стола, соблюдены ли стандарты. По сути раньше это делал только «тайный гость», а теперь нарушения начала выявлять «умная» камера.
Технология работала отлично: мы сделали демо, протестировали, убедились, что система распознаёт эти события и передаёт данные в режиме реального времени. Но… проект оказался слишком дорогим для запуска. Поэтому мы поставили его на паузу.
Миф 3. ИИ сразу экономит
Увы, нет. Сначала он тратит. На старте ИИ только увеличивает расходы: период адаптации, потом доработка решения под бизнес и обучение бота.
И только через несколько месяцев инвестиции начинают окупаться. Плюс присутствуют постоянные затраты: токены, поддержка. Вдобавок, если продукт сделан некомпетентно, то это просто увеличит расходы, но ничего не принесёт. Именно поэтому совсем маленьким бизнесам ИИ часто просто не подходит.
Для B2B-клиента (крупного поставщика телефонных запчастей с филиалами в нескольких городах России) мы разработали SmartZbot в WhatsApp. Один из наших первых клиентов, у которого всё работает до сих пор.
Чат-бот консультирует по наличию комплектующих и сразу выдает актуальную информацию, т.к. интегрирован с 1С, и обрабатывает сотни сообщений в день. В программе видны все позиции и остатки.
В итоге бот оптимизировал менеджерский состав: заменил нескольких человек с зарплатой 30 000 рублей. Сотрудники могли забыть или не успеть ответить и часто не общались по сценарию.
Цена поддержки стоит от 19 000 рублей в месяц. А экономия — в разы больше.
По похожей же схеме мы внедрили ИИ-помощника и в один из медцентров Дагестана.
Миф 4. ИИ подходит для всех ниш
У каждой отрасли своя логика. Нельзя просто взять одно ИИ-решение, одни данные и применить для всех, к тому же не каждый бизнес готов к «цифре».
Лучше всего ИИ подходит там, где:
- данные уже оцифрованы,
- задачи повторяются,
- есть понятные метрики,
- цена ошибки низкая.
Интегрировать ИИ рано/не подходит:
- нет СRM, данные на бумаге,
- все процессы завязаны на экспертную оценку,
- бизнес не готов инвестировать в развитие.
Например, к нам обращались строительные компании. Мы честно проанализировали — и поняли: для их текущего масштаба и процессов ИИ не окупится.
Хотя в строительной сфере есть области, где ИИ реально нужен: подбор дизайн концепта интерьеров, компьютерное зрение для оценки объектов.
Миф 5. ИИ — уже «умный» и работает сам по себе
Если бы…
Сначала мы сделали монорешения для 10 разных бизнесов: пощупали рынок, увидели в цифрах и, когда поняли, что идея окупается, пошли дальше — в сервисы.
Часто готовые ИИ-продукты — это просто интерфейс к базовым моделям вроде ChatGPT, без тонкой настройки под бизнес и без адаптивного обучения.
Перед разработкой Openlife, веб-сервиса для здорового питания, мы изучили — какие приложения уже есть на рынке — и убедились: большинство из них «сырые».
LLM-модели содержат кучу полезной информации, но знания нужно упорядочить, научить бот правильно обрабатывать запросы и обязательно проверять корректность выдачи.
Сейчас мы докручиваем AI-нутрициолога: по фото еды он рассчитывает КБЖУ, витамины и минералы, дает рекомендации по питанию. Плюс в сервис встроен маркетплейс добавок.
На старте модель ошибалась: могла принять яблоко за грушу, не точно определяла массу блюд и пропорции ингредиентов, а ещё «не видела» сырок в упаковке.
Мы дообучили бот, загружая десятки и сотни фотографий с примерами продуктов, которые он определял не верно. В результате получили кастомную модель, обученную на нашей базе. Теперь она работает в разы точнее.
Параллельно для телекома делаем SaaS-сервис в формате подписки — компании смогут подключать свои колл-центры без долгих интеграций.
Чтобы создать рабочий ИИ-продукт, мы глубоко погружаемся в бизнес, проводим аналитику и не боимся спорить с заказчиком. Если идея не взлетит — говорим прямо и предлагаем альтернативу. А дальше после запуска, мы развиваем проект вместе с клиентом. Это больше чем техническая поддержка, мы заинтересованы, чтобы бизнес получал максимальный КПД от внедренного решения.
***
ИИ — не универсальное решение, но если он встроен грамотно, он даёт ощутимый эффект: экономит время, улучшает качество и как следствие увеличивает прибыль.
Подписывайтесь на наш канал, чтобы быть в курсе, как продвигаться и получать лиды, не наступая на грабли. Впереди ещё много интересного!
А если нужна консультация, напишите. Проводим подробный аудит и рассказываем, как улучшить ваш цифровой профиль, чтобы не терять деньги.