Когда только начали говорить о нейросетях, я скептически кивал и думал: «Ну да, генератор картинок и текстов. Занимаетесь ерундой. Вот у нас в студии графического дизайна только люди стоят за каждым логотипом, брендбуком или презентацией. Так и должно быть».
В прошлом году ради эксперимента подключили нейросеть для создания черновиков презентаций. И я поймал себя на мысли, что мы потратили меньше времени, а сделали больше вариантов. Клиент получил результат раньше. Команда порадовалась, что не тонула в рутине и первичных этапах работы. Тогда мы с ребятами начали активно использовать нейросети в процессах студии. Теперь делать черновики для презентаций, писать посты в соцсети, делать картинки для блога помогает искусственный интеллект. Более того, у нас есть обученный бот, который знает все о компании. Робот внутри GPT помогает заполнять заявки на премии и конкурсы. Но главное, никого из команды не заменили нейронки.
В какой-то момент мне стало интересно, как обстоят дела у других бизнесменов с внедрением нейросетей в ежедневные задачи. Написал знакомым предпринимателям из сфер digital, производства, HoReCa, медиа. Собрал их ответы в этой подборке, чтобы поделиться с вами.
Как ИИ используют в сферах digital и медиа
В креативной индустрии нейросети прижились быстрее всего. Копирайтинг, дизайн, SMM. На первых порах были страхи: а вдруг ИИ начнет рисовать лучше иллюстратора, а тексты писать интереснее редактора и люди станут не нужны? Мы останемся без работы! В реальности оказалось иначе – нейросети не конкуренты, а соавторы контента.
Стася Шер, соруководитель контент-студии 4Х
Мы – бутиковое контент-агентство. Заменить команду нейросетями точно не можем. Индивидуальный подход не предполагает стандартизированных ИИ-решений. Но мы отказались от части регулярных задач для дизайнера. Не потому что креативщики хуже нейросетей. В базовых задачах для создания блога проще, быстрее и, что уж, дешевле сделать изображения с помощью ИИ.
В клиентских проектах мы по-прежнему работаем с людьми, особенно когда речь о фирменном стиле или сложных форматах. Тут нейросеть не поможет, не тот уровень исполнения. Как минимум, нужна связка с дизайнером.
Владимир Шлыков, генеральный директор агентства интернет-маркетинга id:Result
Нейросети помогли ускорить рабочий процесс, снизить затраты времени на рутинные операции. Например, программисты стали писать больше кода, а отчеты для клиентов теперь формируются автоматом без участия сотрудников. При этом в них подсвечиваются проблемные места, что дает и нам понимание, что исправлять. И клиент видит прозрачность работы. В дальнейшем, полагаю, нас всех ждет тотальная автоматизация процессов, отказ от низкоквалифицированных сотрудников и появление спроса на отладку автоматизации. Потому что сейчас ИИ-агенты и воркфлоу создаются энтузиастами без каких-либо гайдов и стандартов. Так что кому-то потом придется все это приводить в порядок.
Джунов-директологов нанимать перестали совсем. n8n + ChatGPT через API Директа выполняет базовую настройку кампаний за минуты и без ошибок, тогда как джуны тратят на это часы и за ними еще надо проверять.
Богдан Шаповалов, CEO Shapovalov Digital
Неожиданным оказалось то, что нейросети не заменили людей, а высвободили их для более творческих задач. Сотрудники стали больше времени тратить на стратегическое мышление и инновации, а не на рутину. Но есть и обратная сторона – возросла потребность в постоянном обучении. Думаю, мы стоим только в начале пути. Следующий этап – это интеграция ИИ в процесс принятия концептуальных решений. Мы уже тестируем системы, которые могут предсказывать рыночные тренды на основе больших данных. Через пару лет ИИ станет полноценным участником управленческих задач. ИИ помогает решать множество дел и нам нужно больше людей для разработки собственных проектов.
Ия Пфанштиль, редактор Pressfeed.Журнала
Мы подключили нейросети к оптимизации статей в Журнале. Начали с обновления метатегов: спросили у ChatGPT, как можно улучшить имеющиеся варианты. Отредактировали заголовок и описание по рекомендациям от ИИ и через неделю поднялись на 11 строчек в выдаче Яндекса. Теперь так обновляем не только метатеги, но и сами статьи.
Еще с помощью нейросетей начали искать идеи для контента. Просим ChatGPT проанализировать запросы на платформе и собрать трендовые темы, которые активно освещаются в СМИ. Добавляем подходящие в свой контент-план.
Заметьте, нейросеть не заменяет автора, она подкидывает темы, проверяет, оптимизирует. Делает то, на что обычно у человека уходит много сил и времени. В digital и медиа-среде ИИ занял твердую позицию и взял на себя часть рутины. А люди анализируют, улучшают и доводят до совершенства. Органический симбиоз, на мой взгляд.
Как ИИ применяют в производственных компаниях
Алексей Никонов, собственник мебельной фабрики Brendoss
Раньше команда вручную обрабатывала отзывы, писала карточки товаров, отвечала на комментарии покупателей. Сейчас мы подключили нейросеть, которая сама генерирует тексты для описаний и отзывов, подстраиваясь под стиль бренда и тональность клиента. Это экономит огромное количество времени. Автоматизированная генерация карточек, казалось бы, небольшая задача. Но на потоках с десятками SKU – это часы и даже дни работы.
Мы также внедрили ИИ в аналитику карточек и визуального контента. Алгоритмы тестируют, какие изображения и заголовки работают лучше, и подсказывают, как повысить конверсию. Дало рост в продажах на некоторых позициях до 17% всего за месяц. Мы стали точнее планировать запасы на складах благодаря прогнозированию спроса – модель анализирует историю продаж, сезонность и даже поведение конкурентов. Это помогло сократить избыточные остатки почти на 20%.
Мы не сокращали штат, но изменилась структура задач и подход к подбору команды. Нанимаем меньше на «низкоуровневые» позиции, но больше – в креатив, в работу с клиентами, в развитие бренда. Полностью нейросеть не заменила ни одного сотрудника, но помогла нам выстроить команду по-другому – гибче, быстрее и умнее. Мы стали не экономить на людях, а эффективнее использовать их потенциал.
Как используют ИИ в отельном бизнесе
Казалось бы, в сфере гостеприимства важно человеческое участие. Но оказывается, искусственный интеллект может стать частью сервиса.
Екатерина Студенникова, и.о. управляющей отелем «Palm Hotel & Spa»
Мы используем умный стикер с встроенной нейросетью. Это наклейки с QR-кодом и NFC-меткой, которые мы расклеили в номерах гостиницы и на ресепшене. Гость сканирует QR или использует NFC. И на смартфоне открывается диалоговое окно с обученной нейросетью. В чате человек спрашивает все: куда сходить на экскурсию, в каком ресторане поужинать, какие у нас спецпредложения, сколько ехать до аэропорта и на чем лучше, где купить конкретное вино и т.д. Мы загрузила в базу ИИ необходимые сведения, связанные с отелем и окрестностями. И вместо десятков повторяющихся вопросов на ресепшене – теперь мгновенный ответ в чате. Администраторы не тратят время на объяснения и на советы. Главное, следить за актуальностью информации в базе ИИ и обновлять по мере необходимости.
Пока это тестовый режим. Гостям очень нравится. Говорят, будто знакомый, который все знает и подсказывает, только в телефоне. Неожиданным оказалось то, что внедрить смогли быстро, где-то месяц-полтора ушло. Придумали и разработали сервис не мы, и были удивлены, как шагнули технологии. В будущем, если нас полностью удовлетворит тестовое внедрение, хотим сделать брендированные наклейки и расклеить их не только в номерах, но и по всей территории. Например, еще в зоне СПА с рекомендациями по процедурам.
Когда я спросил, стоит ли сокращать персонал после внедрения технологии? Екатерина ответила лаконично: «Нет». ИИ «не уволил» сотрудников, а только снял рутину, сохранив людскую энергию.
Как используют ИИ в HR-сфере
Кто работал с подбором персонала, знает, сколько времени уходит на первичный отсев и просмотр резюме.
Александр Бочкин, генеральный директор компании «Инфомаксимум»
Мы плотно работаем с нейросетями и вписываем возможности ИИ в программные продукты. Бизнес интересуется возможностью автоматизации рутины. Мы провели исследование, в котором выяснили, что максимальную экономическую эффективность в масштабах России способна принести именно синергия ИИ с другими технологиями. Task Mining дает +28% к эффективности внедрения ИИ. Task Mining изучает рутину и выделяет то, что можно автоматизировать выгоднее всего, а ИИ уже начинает выполнять действия за человека.
Мы и сами используем ИИ в повседневной работе: от отслеживания изменений в Jira для отдела проектного управления до отбора резюме. Рынок перегрет соискателями без релевантного опыта. Вакансии выложены на большом количестве профильных площадок, обрабатывать их вручную долго и непродуктивно. Именно первичную обработку анкет мы отдали на откуп «цифровому сотруднику», который работает по заданным параметрам: уровень опыта, образование, профессиональные навыки, формат работы и т.д. Уже на этапе тестирования система показывала высокую эффективность. Находит от 60 до 130 релевантных резюме в сутки и значительно сокращает объем однообразной работы для рекрутеров.
На вопрос, стали ли вы нанимать меньше людей, Александр сказал: «Нет. Мы наоборот только открыли вакансию промпт-инженера».
Чего опасаться в эпоху нейросетей
Чем глубже нейросети проникают в бизнес-процессы, тем больше возникает вопросов к этике, проверке данных и ответственности. Не все последствия массового использования ИИ позитивны.
Нанимать IT-специалистов стало сложнее. На рынке появились так называемые «IT-волки». Соискатели, которые не столько прокачивают реальные навыки программирования, сколько изучают, как пройти собеседование. IT-волки стремятся проникнуть в сферу разработки, избегая классического обучения и карьерного пути. Люди собирают вопросы рекрутеров, учатся отвечать, как требуется. Используют ИИ для составления резюме и при прохождении тестовых заданий. А иногда прибегают к дипфейкам и микронаушникам во время онлайн-интервью. Лишь бы не тратить силы на путь новичка – junior, а сразу получить позицию middle или senior.
Александр Светкин, руководил разработкой в VK, Яндексе, 10 лет опыта в найме программистов
Кандидат за считанные минуты может сгенерировать красивое резюме, которое будет содержать нужные ключевые слова и понравится HR-менеджеру. На таком фоне CV действительно сильного специалиста может выглядеть хуже. Дело в том, что хороших программистов зачастую переманивают из компании в компанию лично. Навык составления красивых резюме теряется – зачем его писать, если тебе и так предлагают работу.
Когда нейросети маскируют отсутствие опыта у кандидатов, выигрывают компании, сохраняющие человеческий контроль. Уделяйте больше внимания тому, как рассуждает кандидат вслух и какие задает вопросы. Обязательно проверяйте личность на видео – убедитесь, что человек не использует deepfake. ИИ научился имитировать знания, но не может заменить реальный опыт и умение думать. Именно это и нужно искать в кандидате.
Пример, как попросить кандидата продемонстрировать отсутствие маски: провести рукой перед лицом. В случае использования deepfake изображение исказится.
Искусственный интеллект – шанс работать по-новому
Я начал эту статью с личной истории, как нейросети помогли моей студии ускорить процессы. А заканчиваю обобщенным опытом предпринимателей и управленцев, которые работают бок о бок с искусственным интеллектом как с помощником, который выполняет черновую работу, освобождает руки и заставляет задуматься, на что мы сами хотим тратить время.
В новой реальности не исчезают профессии, а меняется их суть. Нейросети отлично справляются с шаблонами, но все, что касается человеческой оценки, нестандартных решений, эмпатии, смысла, интуиции – остается за людьми. Возможно, это один из лучших поворотов в истории бизнеса за последние десятилетия.
А как вы используете нейросети? Поделитесь своим опытом в комментариях.
Также читайте:
С интересом бы послушал - начиная с постановки задач, для которых эти средства используются, и поиска и селекции данных. А дальше - вплоть до деталей практики, которые можно обсуждать на публике.
Хотя не понимаю, какое это имеет отношение к AI. Хороший уровень математики, разум вполне человеческий.
А в чём именно? Покупатели не покупают? Платежи вовремя не приходят ? Крокодил не ловится, не растёт кокос?
Думаю, что Интернет виноват не меньше. Вот пока его не было - всё было отлично.
Эрнст, не "по-старинке". По-крайней мере стараемся )) Хотя, сразу стоит отметить, моя личная сила - постановка задач. В как это реализуют разрабы, честно не лезу, ограничив свою роль подготовкой/предоставлением данных и ТЗ. Еще мозгоштурм - обсудить, какую модель выбрать под задачу. В холдинге несколько подразделений с отличительными факторами по сезонности, но мне хватает подсветить просто, что было бы предпочтительнее - SARIMA ли, ETS или TBATS. И все, глубже не копаю. Лично LLM лично использую для извлечения данных и сбора сценариев, интерпретация впереди
Потом, есть готовые команды разрабов, которые ИИ встраивают в структуру готовых SAAS решений. Только напильником доработать )) Их я часто привлекаю для интеграции/развития продуктов с "учетом моих вводных" ))) Ограничиваюсь ролью консультант, в кухню разработки также не лезу. Поэтому обсуждать какие-то практики разработки со мной, в принципе, бесполезно ))
Не знаю, удобно ли будет кого-то конкретно рекламировать )) Например, Metridat. Знаю оргов, и что и как они делают - впечатляет. У нас в структуре также есть подразделение AI разработки, но уже без меня. Но все правильные нарративы стараюсь поддерживать и поощрять )))
Если машинное обучение, по Вашему мнению, не входит в AI, то в Вашей терминологии - никакого. Но тогда встречный вопрос: а обученные модели это AI? Или только запросы к языковым моделям, чтобы текст скомпилировать или данные поискать?
Лет пять назад плотно тестировали prophet в одном из проектов по прогнозированию переменных на финансовых рынках. Результаты оказались достаточно скромными - LSTM давала лучшие приближения. У меня сложилось мнение, что prophet - просто SARIMA "на максималках", но никак не чудо-оружие в домене прогнозирования.
Вот и у меня подобные ощущения. Спасибо за мнение! Классика она и есть классика - добится серьезного прорыва невероятно трудно.
Всё честно - надеюсь.
Цитирую Meta ... Prophet: forecasting at scale (2017):
Not all forecasting problems can be solved by the same procedure. Prophet is optimized for the business forecast tasks we have encountered at Facebook, which typically have any of the following characteristics:
И - далее -
For the modeling phase of the forecasting process, there are currently only a limited number of tools available. Rob Hyndman’s excellent forecast package in R is probably the most popular option, and Google and Twitter have both released packages with more specific time series functionality — CausalImpact and AnomalyDetection, respectively. As far as we can tell, there are few open source software packages for forecasting in Python.
Резюме: хорошо тем, у кого хватает данных и времени для полноценной проверки.
ML, DL и т.д., естественно, входят. Дело в деталях конкретного продукте, которой мы обсуждаем. У него есть проверяемая история.
Поможете найти хотя бы упоминание AI в авторском описании prophet (2017) ? Выше - небольшая цитата.
Вот это реально удобная опция! В остальном - все так.
Наверное, как-то моими усилиями, тема неправданно заузилась куда-то в детали. А собственно мнение по статье простое - однозначно помощник! Начиная с обзоров библиотек и до паттернов решений, не говоря уже об особенностях тех или иных функций (вручную даже сравнивать уже не хочется - к хорошему быстро привыкаешь). Т.к. работаю,в основном, в одиночку ("вся команда") - очень помогает. Практически - всю поисковую рутину можно переложить на ИИ помощников, а это и есть "виртуальная команда", если угодно. Да, надо проверять, но ведь и с людьми - также. Может быть, появятся архитектурные решения, продукты по этому типу даже. Со временем.
На фин. рынках данных - с избытком, поэтому во время все упирается.
С развитием машинного обучения я все больше смотрю на ансамбли нейросетей - благо, мультипроцессорная обработка позволяет получить результаты уже в обозримые сроки.
1. Bayesian inference is a critical building block of AI. This data-mining framework allows use of prior information about a system to obtain the probability of a related event. (prof. Bugallo, Stony Brook University, AI Innovative Institute), (например).
2. Подробное описание реализованной в
prophetметодологии можно найти в статье Taylor and Letham (Taylor, S. J., and B. Letham. 2017. “Forecasting at Scale.” The American Statistician 72 (1): 37–45.). Вкратце, в основе этой методологии лежит процедура подгонки аддитивных регрессионных моделей (Generalized Additive Models, GAM) следующего вида:y(t)=g(t)+s(t)+h(t)+ϵt, де g(t) и s(t) — функции, аппроксимирующие тренд ряда и сезонные колебания (например, годовые, недельные и т.п.) соответственно, h(t) — функция, отражающая эффекты праздников и других влиятельных событий, а ϵt — нормально распределенные случайные возмущения.3. Оценивание параметров подгоняемой модели выполняется с использованием принципов байесовской статистики (либо методом нахождения апостериорного максимума, либо путем полного байесовского вывода). Для этого применяется платформа вероятностного программирования Stan.
4. Пакет
prophetпредставляет собой не что иное, как удобный интерфейс для работы с этой платформой (Stan) из среды R (имеется также аналогичная библиотека для Python). (по п.п. 2-4. - см. Мастицкий С. Э. Анализ временных рядов с помощью R).Так что, получается, что AI, по моему мнению. "Авторское описание", по понятным причинам, не открывается. Использовать "отвертки" не хотелось бы по даже эстетическим соображениям.
Ну или проще и короче - упоминание или неупоминание AI кем то - это не определение и не основание. Тут важно собственное мнение. Например, деревья решений разрабатывались во времена, когда про это мало кто слышал. И что? Это не ML? Или надо, чтобы кто-то это где-то написал?)))