Генеративный ИИ: проблема не в модели, а в навыке сотрудников

Генеративный искусственный интеллектгенеративный ИИ Генеративный ИИ (generative AI) это нейросети, которые создают новый контент: тексты, изображения, музыку, видео и программный код по описанию на обычном языке. Подробнее в словаре не ищет готовый ответ, а создает новый: письмо, отчет, таблицу, фрагмент кода или изображение. На вход модель берет задачу и материалы: документы, таблицы, переписку, голос.

Ответ зависит от запроса. На просьбу «напиши письмо клиенту» модель выдаст шаблон, а на запрос с целью, фактами и примером тона даст письмо, которое можно отправить.

Генеративный ИИ для бизнеса это помощник, который ускоряет работу с текстом и цифрами. В исследовании NBER 2023 года операторы поддержки с ИИ-помощником стали в среднем на 14% продуктивнее, а новички на 34%.

Где такая модель стоит среди других видов ИИ в компании, показано на странице о том, как работает ИИ.

Ответы слабые, потому что сотрудники не умеют ставить задачу ИИ. Они пишут запрос как в поисковик, без цели, контекста и примера, и получают общий текст.

1. Нет цели: модель не знает, для кого текст и что с ним сделают.

2. Нет контекста: модель не видит договор, прайс или прошлую переписку.

3. Нет проверки: первый ответ копируют в работу, а ошибку находит клиент.

Дело не в технологии. По оценке BCG, около 70% трудностей внедрения ИИвнедрение ИИ Внедрение ИИ это путь от идеи до работающего решения: компания выбирает процесс, подключает к нему искусственный интеллект, учит людей и измеряет результат в деньгах. Подробнее в словаре связаны с людьми и процессами, 20% с технологией и только 10% с алгоритмами.

Подписка без навыка дает пару неудачных попыток, после которых работа возвращается в старый порядок. Почему сотрудники не пользуются ИИ после покупки, разобрано отдельно.

По данным проектов MMOOZZGG, с первого запроса сотрудники решают 2 задачи из 10 (20%) до обучения и 9 из 10 (90%) после него.

«С первого запроса» значит без серии уточнений и переделок. Каждая переделка стоит времени сотрудника, и при слабой постановке задачи ручная работа часто выходит быстрее.

На схеме ниже видно, что меняется. Вход тот же: документы, таблицы, переписка. Модель та же. Результат другой, потому что задача поставлена иначе.

Это данные наших проектов, а не внешнее исследование: в другой компании и на других задачах цифры будут свои.

Учим трем навыкам на задачах вашей компании, а не на учебных примерах.

1. Ставить задачу и давать контекст: цель, адресат, формат, ограничения и пример хорошего результата.

2. Подключать свои данные и шаблоны: документы, прайс, регламенты, удачные прошлые ответы.

3. Проверять ответ и встраивать в работу: что сверить с источником, где модель ошибается, какой ответ уходит клиенту.

Корпоративное обучение ИИ для руководителей и отделов строим на их процессах. Состав и формат потока согласуем после разбора задач компании.

Модель без ваших данных пишет общие слова. С договором, прайсом и регламентом под рукой она отвечает по делу, вашими цифрами и формулировками.

Шаблон экономит постановку задачи. Удачный запрос для типового письма, отчета или коммерческого предложения сохраняют, и отдел берет его готовым, а не пишет каждый раз заново.

Какие данные можно отдавать модели, решают до начала работы. Персональные данные клиентов и коммерческая тайна не должны уходить в зарубежный сервис: для них нужен ИИ в закрытом контуре, на ваших серверах или в российском облаке.

Эти правила записывают в политику использования ИИ в компании: что можно, что нельзя и кто отвечает.

Ответ проверяют так же, как работу нового сотрудника: по источнику, цифрам и последствиям. Модель пишет уверенно и тогда, когда ошибается.

Это подтверждают исследования. В эксперименте Harvard Business School и BCG 2023 года консультанты с ИИ сделали работу на 40% качественнее, но в задачах за пределами возможностей ИИ ошибались чаще.

Что проверять в каждом ответе:

1. Цифры и даты сверить с источником.

2. Ссылки на документы и законы открыть и прочитать.

3. Выводы, которые уходят клиенту или руководителю, проверяет человек, который за них отвечает.

Где ошибка стоит дорого, ответ модели остается черновиком, а решение принимает человек. Как снизить риск и кто отвечает, разобрано на странице об ошибках ИИ в бизнесе.

Первый шаг бесплатный: за 30 минут разбора покажем, на каких задачах ваших отделов ИИ даст результат и чему сотрудникам нужно научиться в первую очередь.