Фото: пресс-служба
Внедрение генеративного ИИ в различные бизнес-процессы приобретает все большее значение. Инструменты на его базе активно используются во множестве отраслей, к примеру, в ретейле, медтехе, финтехе и HR. По ожиданиям Института народнохозяйственного прогнозирования (ИНП) РАН, мировой рынок ИИ к 2035 году может достичь оборота в $4,4 трлн или 2,3% мирового ВВП. Это оптимистичная оценка, консервативная — $2,8 трлн к 2035 году. Российский рынок по оптимистичному сценарию от ИНП РАН достигнет к этому времени оборота в $55 млрд, по консервативному — $35 млрд.
Пока новые технологии больше всего используются крупными, серьезными игроками, готовыми инвестировать в команду, развивающую ИИ — как со стороны разработки, так и при интеграции решений в бизнес-процессы. Появился даже специальный термин AI-first, то есть «ИИ на первом месте». Речь о компаниях, пытающихся любую задачу решить прежде всего с помощью ИИ-технологий.
В сфере телекоммуникаций применение ИИ актуально во множестве задач и направлений деятельности. Если говорить о строительстве и развитии сетей связи, то нейросети могут взять на себя управление сложными, динамическими процессами, которые человеку или простым алгоритмам трудоемко контролировать в реальном времени. В "МегаФоне" алгоритмы машинного обучения постоянно анализируют тысячи параметров базовых станций, среди которых, например, уровень сигнала, помех, количество подключенных устройств, и дают аналитику инженерам для определения дальнейших действий. Кроме того, ИИ используется в предиктивной аналитике аварийности: нейросети помогают выявлять аномалии в работе оборудования для решения возможной проблемы на ранней стадии. При этом внедрение ИИ в управление сетью требует тщательного тестирования и корректной интеграции с существующей инфраструктурой.
Активно развивающийся и, вероятно, самый популярный сектор ИИ в 2026 году — это агенты. В своей работе они, как правило, обращаются к нескольким системам и базам данным. Им характерна автономность, они понимают цель и действуют в рамках комплексных и многошаговых процессов.
"МегаФон" активно применяет ИИ-агентов в HR-процессах. В нашей рознице работает агент под названием «Ежедневный герой». Это виртуальный персональный коллега в телефоне сотрудника, который умеет обучать, оценивать, подсказывать и даже общаться на отстраненные темы, что особенно актуально менеджерам, которые работают в пунктах продаж без напарника. Внутри этого AI‑сервиса набор из специализированных агентов: один отвечает за развитие навыков сотрудника и валидацию ежедневных задач, другой — за генерацию советов по работе с клиентом, третий — за мотивирующую коммуникацию. Такой подход позволяет повысить эффективность работы салонов, улучшить клиентский опыт и сократить затраты на управление. Сервис интегрирован с операционными системами компании, видит актуальные KPI, поэтому дает подсказки и делает прогнозы, основанные на бизнес-данных.
ИИ-помощники, в отличие от ИИ-агентов не проактивны, и стоят на более низкой ступени ИИ-эволюции, однако они регулярно используются компаниями и имеют свой пул сценариев, при которых их применение наиболее актуально. По данным Global Markets Insights, объем мирового рынка ИИ-помощников в 2025 году перевалил за $19 млрд и к 2035 году может вырасти до $114 млрд.
У "МегаФона" большой опыт разработки ИИ-помощников не только для внутренних задач, но и продуктов для рынка, например, для рекламной платформы «МегаФон Таргет», где ИИ-маркетолог подсказывает, какие настройки выбрать для рекламной кампании. В «Голосовом роботе» ИИ помогает выстроить диалог с потенциальным и действующим клиентом на различных этапах коммуникации, а в сервисе «Речевой аналитики» ИИ-помощник анализирует качество коммуникации. Он формирует оценку звонка между сотрудником и клиентом, указывает на точки роста и слабые места в диалоге, помогает комплексно и систематизировано подойти к развитию отдела продаж.
«МегаФон Таргет» — рекламная платформа для поиска новых клиентов и коммуникации с действующей базой. Разработка ИИ-маркетолога для нее велась командой из девяти специалистов в течение полугода, за это время мы прошли путь от анализа точек для внедрения до релиза ИИ-помощника в продукт и его масштабирования на другие процессы. Сейчас он ежемесячно получает свыше тысячи запросов. Опыт этой разработки может помочь компаниям, желающими внедрить ИИ в бизнес-процессы или продукты.
На первом этапе исследовательская и продуктовая команды изучили клиентский путь от регистрации пользователя на платформе до запуска рекламы и сформировали предположения — на каких шагах ИИ должен помочь. Среди них были этапы создания рекламного сообщения, анализа результата, генерации новых гипотез. В итоге мы выделили порядка 10 подобных точек. Чтобы подтвердить наши предположения, мы провели глубинные интервью текущих и потенциальных клиентов о том, с какими трудностями они сталкиваются на пути создания рекламной кампании. Была сформирована дорожная карта приоритетных запросов клиентов, проведены оценки, на какие метрики и как именно должно повлиять внедрение ИИ. И только после этого мы перешли непосредственно к воплощению продукта в коде.
Например, одной из своих сложностей клиенты назвали написание текста, который должен продавать и легко проходить внутреннюю модерацию платформы. ИИ играючи помогает справиться с его написанием и увеличивает процент прохождения модерации с первого раза. При выборе подходящей аудитории для таргетирования, что также вызывало сложности, ИИ помогает подобрать ее на основе нашей Big Data. В результате у рекламных кампаний увеличился CTR — «показатель кликабельности». Вопросы и уточнения по работе с интерфейсом, которые могли появляться при первых запусках рекламных кампаний, теперь также закрывает ИИ-помощник. Благодаря этому клиенты получают ответ на свой вопрос быстро, не отрываясь от процесса создания кампаний.
Основные сложности, которые возникали в процессе разработки ИИ-помощника, были связаны с так называемыми галлюцинациями ИИ, которые снижают доверие к нему и сокращают частоту использования. Кроме того, поначалу ИИ давал типовые ответы без погружения в контекст запроса. Чтобы этого не было, мы неоднократно дополнительно обучали ИИ на ответах. Для отслеживания критических технических ошибок сформировали аналитический «дашборд». А чтобы пользователям было комфортно взаимодействовать с ИИ, погружали их в обновления и рассказывали о новом функционале.
Самая большая ошибка, на наш взгляд, — слепо внедрять ИИ. Бизнесу, особенно малому, крайне важно на старте понимать, что ИИ — это всегда игра вдолгую. Требуется регулярная доработка уже закрытых задач, важен его постоянный контроль и дообучение. Поэтому, принимая решение о разработке, нужно в первую очередь здраво оценить целесообразность — найти места в бизнес-процессах, где вы теряете время, деньги, пользователей. Необходимо изучить альтернативы и убедиться, что автоматизация перекроет вложения и что более простого решения нет. Ведь, несмотря на популярность, ИИ — это не всегда лучший выбор, это надо здраво признавать. Другие варианты могут оказаться более эффективными и дешевыми. Например, при интеграции чат-бота с функцией ИИ на сайте, мы пришли к выводу, что с этой ролью лучше справляется стандартная чат-бот механика с «фиксированными» ответами. Ведь задача бота — привести клиента к следующему этапу воронки продаж, то есть к заходу на страницу продукта, оформлению заявки и т.п. ИИ-бот, в свою очередь, больше выступает как хороший информатор, но не решает при этом бизнес-задач.
Лучше всего решения на базе ИИ подходят для понятных и повторяющихся процессов. Например, это ответы клиентам, генерация текстов, подготовка отчетов, модерация. Также искусственный интеллект отлично справляется с аналитикой большего объема данных и их структуризацией, он актуален при процессах с высокой когнитивной нагрузкой для клиентов — когда необходимо делать выбор из множества параметров. Но для хаотичных процессов, редких, а также процессов, где цена ошибки будет высока — например, в сложных юридических вопросах или стратегической аналитике — решения на базе ИИ могут не справиться или дать нежелательный результат. При наличии хаоса в процессах внедрение ИИ только его приумножит.
Не менее важен постанализ работы ИИ: необходимо позаботиться об аналитике, без нее будет крайне сложно разобраться, что происходит с помощником, как он отвечает и действительно ли он решает вопросы и упрощает жизнь клиентов. При тестировании важно начинать с маленького сценария и переходить к следующему, только найдя все проблемные места и убедившись, что есть результат. Поддержка помощника требует ресурсов и должна осуществляться на всем сроке его жизни. Также важно помнить, что у технологии есть свои ограничения. В общей сложности при внедрении ИИ на платформе мы провели более 150 исследований, реализовали более 70 изменений и добились главной цели — улучшили пользовательский опыт.