Эксперты рассказали, как оценивать экономический эффект от внедрения ИИ

Специалисты рекомендуют заранее определять показатели успеха и проверять решения в реальных рабочих процессах.

Компании должны начинать ИИ-проекты с конкретной бизнес-проблемы: сокращения брака, ускорения обработки документов или повышения качества контроля.

По их словам, успешная демонстрация возможностей модели еще не гарантирует результат в повседневной работе компании. На этапе пилота необходимо проверить, справляется ли решение с задачей и соответствует ли ограничениям по бюджету, безопасности и качеству.

— Есть большой разрыв между демо и промышленной эксплуатацией. Следующим должен идти пилот, чтобы продвинуться от того, что мы просто сделали какую-то поделку, до решения, которым действительно могут пользоваться сотрудники крупной организации. А промышленная эксплуатация — это уже внедрение непосредственно в работу людей и операционную деятельность компании, — пояснил руководитель практики анализа данных Владислав Балаев.

Эксперты привели примеры практического эффекта. В проектах по обработке документов время заполнения карточки сократили вдвое, а до 80% реквизитов ИИ самостоятельно получает из доверенных баз данных. В поддержке пользователей искусственный интеллект автоматически закрывает 40% запросов без участия операторов.

Технический директор компании Александр Лутай также рассказал о применении ИИ в разработке программного обеспечения. У некоторых клиентов рост производительности в подразделениях достигает 70–80%. При этом на начальном этапе освоения новых практик продуктивность команды может снижаться.

После запуска специалисты советуют постоянно проверять качество системы: данные, поведение пользователей и бизнес-процессы со временем меняются.