9 подписчиков
Работающая LLM ещё не означает результат для бизнеса
Добрый день, на связи Алексей Ионов.
Представьте B2B-компанию. Менеджер готовит коммерческое предложение около 2 часов.
Техническая команда показывает демо: подключаем LLM – и черновик готов за 15 минут. Руководство выделяет бюджет, решение внедряют.
Но менеджеры по-прежнему тратят на предложение 2-3 часа.
Почему? Предложение – не только текст: нужно проверить наличие оборудования, данные клиента, цены и сроки, согласовать условия.
Мы ускорили написание текста, но не изменили путь от запроса клиента до корректного предложения.
Поэтому до внедрения важно спросить: что должно измениться в работе, чтобы клиент получил предложение быстрее?
Например: получать нужные сведения в начале, пересмотреть согласования и определить, где ИИ готовит черновик, какие решения менеджер принимает сам, а какие требуют подтверждения – особенно если ошибка в цене, сроках или комплектации слишком дорога.
Метрика – время от запроса клиента до отправки корректного предложения, а не скорость подготовки черновика. Сокращение этого срока – не обещание LLM, а гипотеза для проверки.
ИИ повышает требования к данным, полномочиям, контролю и ответственности. Именно здесь возникает отдельная ответственность: связать бизнес-цель, изменения в процессе, роль ИИ и измеримый результат.
Эту ответственность в AI-Native подходе берёт AI Value Architect – Архитектор ИИ-ценности.
В небольшой инициативе эту ответственность может взять на себя один из лидеров. Но когда задействованы продажи, закупки, склад, финансы, ИТ и безопасность, нужна отдельная работа по согласованию изменений в сквозном потоке.
Перед запуском AI-инициативы задайте три вопроса:
– Какой результат должен измениться?
– Что должно измениться в работе и правилах принятия решений?
– Кто отвечает за связь этих изменений?
Подробнее о роли AI Value Architect:
1 минута
24 сентября