Искусственный интеллект
Генеративный ИИ в бизнес-процессах: мышление, развитие и будущее
Офисные сотрудники тратят до половины рабочего времени на рутинные задачи, многие из которых способны выполнять системы на основе генеративного ИИ. Но следующий этап внедрения таких решений связан не с автоматизацией типовых операций. Компании всё чаще поручают ИИ-агентам более сложные этапы бизнес-процессов, включая поддержку управленческих решений.
При этом сами технологии перестают быть главным ограничением. Гораздо сложнее определить, какие задачи действительно стоит доверить ИИ, подготовить сотрудников к новым ролям и обеспечить безопасную работу с корпоративными данными.
Как перейти от отдельных ИИ-инструментов к системе, которая помогает создавать бизнес-ценность на уровне всей организации? Этот вопрос обсуждают Владимир Маслов, директор департамента цифрового развития Торгово-промышленной палаты РФ, и Николай Бажанов, руководитель отдела бизнес-процессов девелоперской компании Sminex.
Подкаст «Цифра в деле: как искусственный интеллект меняет большой бизнес»: во втором сезоне проекта СберПро разбираемся в генеративном ИИ, его перспективах и реальном влиянии на бизнес.
В этом выпуске директор департамента цифрового развития ТПП РФ Владимир Маслов и руководитель отдела бизнес-процессов компании Sminex Николай Бажанов рассказали, где ИИ уже приносит измеримый эффект, почему инициаторами внедрения всё чаще становятся сами сотрудники и какие организационные изменения необходимы, чтобы перейти от отдельных экспериментов к системному использованию ИИ.
Содержание:
От роботизации к интеллектуальным агентам
Ещё несколько лет назад автоматизация строилась на RPA (от англ. robotic process automation — роботизированная автоматизация процессов). Такие системы следуют заданным сценариям. Они эффективны для типовых операций, но плохо справляются с неструктурированными данными и требуют постоянной настройки.
Появление больших языковых моделей позволило выйти за рамки такой автоматизации. Модели анализируют документы, понимают смысл запросов и выбирают оптимальные действия. Они могут взаимодействовать с несколькими корпоративными системами одновременно. Благодаря этому компании переходят от автоматизации отдельных операций к управлению целыми бизнес-процессами.
Николай Бажанов
руководитель отдела бизнес-процессов девелоперской компании Sminex
Мы не рассматриваем ИИ как замену сотрудников. Для нас важно, чтобы инструменты помогали человеку решать его задачи. Самый очевидный эффект — устранение от рутины, которой сегодня перегружены многие специалисты.
Следующий этап — системы из нескольких ИИ-агентов. Они распределяют задачи между собой, контролируют качество и передают результат человеку, отмечает Владимир Маслов.
Что это значит для бизнеса. ИИ становится полноправным участником рабочих процессов. При этом человек сохраняет ключевую роль: он принимает решения и отвечает за результат.
Где ИИ создаёт наибольшую ценность
Наиболее заметные результаты генеративный ИИ показывает в задачах, связанных с обработкой больших массивов информации и поддержкой принятия решений. Такие инструменты уже применяются в управлении персоналом, клиентском сервисе, аналитике и разработке. Но максимальную отдачу они дают там, где влияют на финансовые показатели. В Sminex технологию используют для оценки инвестиционных проектов: модели помогают анализировать доходность площадок, прогнозировать продажи и формировать ценовую стратегию.
По словам Владимира Маслова, похожие сценарии появляются и в других отраслях. Например, на производстве активно развивается прогнозная аналитика.
Что это значит для бизнеса. ИИ приносит пользу не в изолированных задачах, а в процессах, которые ускоряют принятие решений и повышают качество управления. Поэтому бизнес постепенно переносит ИИ из вспомогательных функций в ядро своих операций.
Генеративный ИИ в действии
Реальные проекты, результаты и управленческие инсайты — в разделе «Кейсы» на СберПро.
Сотрудники как главный драйвер изменений
Централизованная автоматизация охватывает далеко не все повседневные задачи. Наиболее ценные сценарии часто рождаются «снизу». Сотрудники лучше всех знают свои процессы и могут предложить наиболее полезные сценарии применения ИИ.
«Мы поставили перед собой цель искать людей, которые сами хотят устранять рутину. Получив доступ к современным инструментам, они самостоятельно ищут способы оптимизировать работу», — говорит Николай Бажанов. Успешные сценарии в компании масштабируют на другие подразделения.
Такой подход меняет привычную модель. Инициатива приходит не из ИТ-департамента, а из бизнес-функций, где сотрудники каждый день сталкиваются с операционными вызовами.
Что это значит для бизнеса. Успех внедрения зависит от вовлечённости пользователей на всех этапах. Именно сотрудники подсказывают, где технология создаст наибольшую ценность.
Читать ещё:
Что мешает масштабированию
Главное препятствие для масштабного внедрения ИИ не качество моделей. Компании зачастую не готовы менять свои подходы к работе, считают эксперты.
Николай Бажанов отмечает: многие способны создать прототип, но спотыкаются на этапе эксплуатации. После запуска требуется адаптировать ИИ под реальные процессы, обучить людей и постоянно развивать инструмент.
Ещё один барьер — старый подход к автоматизации. Бизнес привык сначала писать подробное техническое задание (ТЗ), а потом ждать готовый продукт. Для запуска проектов с генеративным ИИ лучше работает итеративная модель: компании тестируют гипотезы, анализируют эффект и постепенно расширяют применение.
Владимир Маслов
директор департамента цифрового развития Торгово-промышленной палаты РФ
Чтобы отдельные успешные эксперименты превращались в системное использование ИИ, компании должны выстраивать правила работы с технологией, развивать внутреннюю экспертизу и создавать условия для масштабирования решений.
Что это значит для бизнеса. Внедрение ИИ — это организационная трансформация. Компании, которые перестраивают процессы и поддерживают изменения, быстрее получают отдачу от новых инструментов.
Человек в новой системе: авторство и ответственность
Генеративный ИИ меняет требования к специалистам. Раньше ценилось умение выполнять конкретные операции. Теперь на первый план выходят постановка задач и анализ результатов.
«Важно не потерять авторство и ответственность. Любой инструмент помогает выполнять работу, но итоговый результат по-прежнему оценивает человек», — подчёркивает Николай Бажанов.
Меняется и сам формат взаимодействия, добавляет эксперт. Современные модели не просто исполняют инструкции. Они помогают уточнять задачу, предлагать варианты и формировать концепции. Это снижает порог входа для сотрудников, которые раньше не работали с цифровыми инструментами. Пользователь описывает бизнес-задачу, а ИИ помогает структурировать требования и подготовить решение.
Владимир Маслов считает, что умение взаимодействовать с ИИ станет одной из базовых компетенций. «Как и любому профессиональному инструменту, работе с ИИ нужно учиться. Человек должен понимать, что именно он хочет получить и как проверить результат».
Что это значит для бизнеса. ИИ становится инструментом усиления экспертизы. Конкурентное преимущество получают компании, которые помогают сотрудникам эффективно работать с новыми технологиями.
Культура работы с данными
Информационная безопасность остаётся ключевым вопросом. Но полный отказ от ИИ создаёт для бизнеса не меньшие риски, чем его использование: запрет тормозит развитие и лишает конкурентных преимуществ.
Владимир Маслов советует заранее определить, какие данные можно обрабатывать во внешних сервисах, а какие требуют внутренних решений. «Компания должна понимать, какую модель и для каких задач она может применять. В основе такого подхода — оценка рисков».
Для работы с чувствительной информацией доступны разные варианты: ограничение передачи отдельных категорий данных, использование корпоративных моделей, создание закрытых контуров.
Николай Бажанов отмечает, что на практике критической информации часто оказывается меньше, чем предполагают на старте проекта по внедрению ИИ. Дополнительную защиту дают организационные и технические меры: обезличивание, удаление конфиденциальных данных, оценка рисков для каждого сценария. «Важно понять, какая информация действительно критична для бизнеса. Во многих случаях риски можно снизить, не отказываясь от ИИ», — объясняет эксперт.
Что это значит для бизнеса. Эффективное внедрение требует понятных правил: классификации данных, выбора инфраструктуры и контроля рисков.
Первый сезон подкаста «Цифра в деле» был посвящён вопросам цифровой трансформации: вместе с экспертами и управленцами из разных отраслей разбирали, как грамотно выстроить подход к интеграции технологических решений.
Компании переходят от точечной автоматизации к системному использованию ИИ. Но главный барьер — не качество моделей, а готовность менять процессы, обучать людей и управлять рисками. Успех определяет культура работы с данными и вовлечённость сотрудников.
Что это значит для бизнеса
Мария Каткова
Автор