Генеративные нейросети в девелопменте: применение, развитие, прогнозы

Почему, по вашему мнению, AI-технологии сейчас так популярны и как, благодаря нейросетям, изменился подход застройщиков к маркетингу и продажам за последние пару лет? 

За последние годы генеративные нейросети стали использоваться не только как развлечение, но и как инструмент для решения бизнес-задач. С их помощью можно автоматизировать процессы и упростить рутинные операции — тем самым, у бизнеса освободится драгоценное время, которое можно потратить на стратегическое развитие.

Многие бизнес-процессы сейчас можно выполнять быстрее и проще с помощью AI-инструментов. Технологии, связанные с нейросетями, начали развиваться еще давно — около 20 лет назад. Но в 2018 году произошла настоящая революция, связанная с распространением так называемых генеративных моделей — то есть тех, которые могут генерировать что-то уникальное в ответ на введенный запрос.

Долгое время генеративные нейросети развивались как эксперимент, и с точки зрения практического применения результатов не удавалось продвинуться далеко. Но в 2018-2019 годах в свободном доступе стали появляться модели, которые уже можно было использовать в бизнесе. Сейчас нейросети составляют внятные тексты, генерируют изображения, делают аналитику. Это все можно использовать для решения бизнес-задач — и многие компании так и делают.

Нейросети постоянно обучаются, становятся лучше, и их появляется все больше. В будущем генеративные нейросети будут еще более распространенными — например, у каждого на компьютере будет стоять генеративная модель для решения повседневных задач.

Сейчас мы находимся на этапе осмысления этой технологии. То есть, мы сами определяем, к каким бизнес-задачам в первую очередь хотим ее применять. Например, нейросети значительно упрощают общение. Вот простой пример. Допустим, застройщику в Дубае написал клиент, а так как ОАЭ — многонациональное государство, то клиент может говорить на любом языке — русском, английском, французском, арабском и т.д. С нейросетью вам не нужен переводчик — вы сразу поймете, чего от вас хочет клиент, и сможете ответить на его языке.

Или, например, можно взять сценарий клиентского звонка в отделе продаж. Он выглядит так: клиент звонит, менеджер отвечает, проводит беседу, выявляет потребность клиента и по результатам звонка заносит его в CRM. Там нужно указать контакты клиента, его статус, кратко описать разговор и результат, запланировать следующую по воронке продаж задачу. Это рутинные операции, которые отнимают много времени. Нейросеть может их ускорить — например, ей можно «скормить» запись разговора, и она сама выделит важные моменты, занесет информацию в CRM и поставит следующую задачу. Это освободит время менеджера по продажам, который благодаря нейросети сможет обработать большее количество лидов.

Гипотез того, где AI может помочь в бизнесе, очень много. Нужно просто системно их валидировать.

Многие все еще смотрят на искусственный интеллект с недоверием — справятся ли технологии с возложенными на них задачами. Готов ли рынок недвижимости к глобальному распространению AI?

Если исходить из психологической готовности, то мне кажется, что рынок готов. Все будет зависеть от того, какие решения предложат создатели AI-технологий. Потому что одно дело — иметь технологию, а другое — уметь ее использовать для повышения эффективности бизнеса. Сами нейросети существуют давно, но только в последние годы компании стали использовать их для решения серьезных бизнес-задач.

Я часто общаюсь с клиентами по поводу наших идей, связанных с развитием продукта. И я вижу, что процент одобрения AI-технологий очень высок. Застройщики готовы пользоваться сервисами с генеративными моделями и понимают, как они их будут применять. Поэтому будущее за теми, кто уже сейчас внедряет AI-технологии в свои процессы.

Насколько рискованно доверять нейросети? Пойдут ли застройщики на то, чтобы переводить часть важных операций на искусственный интеллект?

В вопросах нейросетей и автоматизации застройщики деляться на два лагеря. Первый — это те, кто говорит: все надо автоматизировать, потому что сотрудники часто ошибаются, могут что-то забыть в разговоре с клиентом, указать не те данные. И второй — те, кто считает, что сфера недвижимости — это уникальная отрасль, стоимость привлечения клиента здесь очень высока, а значит требуется живое человеческое общение, которое не стоит даже пытаться автоматизировать.

Истина где-то посередине — нужно автоматизировать все, что можно безболезненно доверить нейросети, но при этом не увлекаться и не пытаться делегировать роботу все коммуникации с потенциальным клиентом. Есть задачи, с которыми поможет нейросеть: например, это первичная квалификация, когда нужно определить, заинтересован ли человек в покупке недвижимости. А дальше, когда лид квалифицирован, на мой взгляд, в общение должны вступать живые люди.

Как понять, какие процессы можно доверить искусственному интеллекту, а какие — нет?

Чтобы правильно внедрить нейросеть в свои процессы, нужно прописать все этапы коммуникации с клиентом и внимательно их проанализировать. Там, где у бизнеса возникает проблема, можно использовать автоматизацию. Например:

• клиент слишком долго ждет ответа менеджера;
• менеджер не может дать четкий ответ клиенту, потому что у него нет информации и он не знает, где ее найти;
• менеджеры много времени тратят на нецелевые лиды и не выполняют план. 

Еще 5-6 лет назад решением бы было нанять больше менеджеров, чтобы клиент вовремя получал ответы. Сейчас есть возможность делегировать эти задачи, например, AI-боту. Но для внедрения нейросетей нужен аналитический сбалансированный подход. И пока, к сожалению, он мало где применяется. 

Цель любого бизнеса, связанного с AI — это обмен знаниями с рынком и пропаганда сбалансированного подхода. Адаптировать AI к своему бизнесу нужно умеренно и системно, думая, куда и зачем вы встраиваете эту технологию, какого эффекта от нее ждете.

Сейчас на рынке много AI-инструментов. На что обратить внимание в первую очередь? Как выбрать и кому довериться? 

Я бы рекомендовал при выборе вендора для внедрения AI-технологий ориентироваться на наличие кейсов — есть ли у компании опыт успешного внедрения таких технологий в вашей сфере. У подавляющего большинства компаний, которые открылись на волне хайпа AI, нет большого опыта. Они экспериментируют, может, у них есть единственный успешный кейс, и они пытаются продавать его дальше. И не факт, что это решение подойдет именно вам.

Поэтому нужно обращать внимание на наличие нескольких релевантных кейсов из индустрии недвижимости. То, что помогло компании из HoReCa, может не сработать у застройщика. Например, мы сейчас прорабатываем инструмент автоматического контроля и валидации этапа квалификации потенциального клиента и понимаем, что в зависимости от индустрии этот инструмент должен работать по-разному. Их нужно по-разному прорабатывать и тестировать. Если мы будем успешны для решения задачи в недвижимости, это совсем не гарантирует такого же результата в ритейле или в медицине.

Каждая сфера бизнеса, индустрия — это отдельная задача, которую нужно решать с экспертами из индустрии, нарабатывая опыт именно в этой области. По сути, для каждой сферы будет свой продукт. Поэтому еще раз, важны релевантные кейсы в вашей отрасли — желательно, с решением задачи, совпадающей с вашей или похожей на нее.

Насколько затратно внедрять AI-технологии в бизнес? В перспективе это должно окупиться, но сколько придется потратить застройщику?

Сложность в том, что с точки зрения самой технологии и ее внедрения в продукт мы пока находимся на начальном этапе. Индустрия практического применения AI-технологий пока нова, здесь еще нет устоявшихся, привычных моделей монетизации. Поэтому можно встретить совершенно разные подходы и модели.

Например, возьмем такую AI-функцию как первичную квалификацию лида — нейросеть анализирует запись телефонного разговора и выдает расшифровку. Оплачиваться расшифровка может поминутно — например, 1 рубль в минуту. Можно добавить к этой функции дополнительные опции — допустим, аналитику разговора и рекомендации по работе с лидом. Такая услуга будет стоить дороже — к примеру, 5 рублей за минуту. А можно выстроить оплату по другой схеме — за процент от сделки.

То есть, выбор модели оплаты зависит от того, какие именно функции хочет предоставлять вендор — просто расшифровку звонка, квалификацию лида или доведение до сделки.

Застройщики не любят модели оплаты через процент от продаж, но с другой стороны, это делает AI-решение безопасным для девелопера. То есть, если результата нет — застройщик не платит, но если сделку удалось закрыть — придется отдать весомую сумму в качестве вознаграждения. Поэтому нужно сразу просчитать все плюсы и минусы такой модели.

Единой модели оплаты AI-решений пока нет, потому что не сформирован единый рынок — есть отдельные продукты различных компаний, которые работают по разным схемам. Пройдет еще несколько лет, прежде чем появятся универсальные модели оплаты — как, например, в телефонии. Мы на этапе, скажем так, первичной кристаллизации рынка, и сейчас здесь возможны любые модели.

Насколько рост спроса со стороны российских застройщиков будет способствовать появлению и развитию AI-инструментов?

Развитие генеративных моделей требует больших ресурсов. В России не так много вендоров, которые могут себе это позволить. Среди тех компаний, кто значительно инвестирует в развитие российских нейросетей, будут Яндекс, Сбер, Тинькофф — те, кто специализируется на инфраструктурных решениях в России. Скорее всего, появится 4-5 моделей, и это подстегнет активность других вендоров.

На текущий момент наиболее интересными с точки зрения функциональных возможностей являются два российских продукта: YandexGPT от Яндекса и GigaChat от Сбера. Оба продукта — это генеративные нейросети, по своей сути и модели взаимодействия похожие на наиболее известный в мире продукт ChatGPT от OpenAI.

И YandexGPT, и GigaChat имеют широкие функциональные возможности и активно развиваются. Они способны быть как самостоятельным решением, так и встраиваться в другие продукты. С учетом текущих ограничений российского рынка (например, официально оплатить аккаунт в OpenAI сегодня нельзя) и требований российского законодательства по обработке данных пользователей на территории РФ производителям российского ПО стоит присмотреться к этим продуктам. Хотя ChatGPT от OpenAI является флагманом индустрии и, кажется, еще долго будет им оставаться.

Если взять концепцию Джеффри Мура под названием «Жизненный цикл принятия технологии», то мы находимся в сегменте «Новаторы». То есть, несмотря на популярность генеративных AI, пока не так много компаний использует их и пытается внедрять. Это происходит потому, что нельзя «просто зайти в приложение и щелкнуть тумблером», чтобы включить генеративную модель.

Чтобы использовать генеративные модели, нужно, например, зарегистрироваться в OpenAI, освоить работу с OpenAI API, научиться навыкам программирования или нанять разработчика, который решит вашу бизнес-задачу. Необходимо совершить много действий, чтобы начать работать с нейросетью и внедрять ее в свои продукты. Сейчас это под силу только тем, кого называют «новаторами» — это люди, которые стремятся быстрее попробовать новинки, потому что увлечены этим и видят в новых технологиях профит. Поэтому в России, несмотря на весь хайп и постоянные разговоры, мы все еще находимся на начальном этапе принятия технологии.

Следующими идут провидцы — это те, кто сможет сформулировать для своего бизнеса пользу от этих технологий и начать системно в них вкладываться. Кому в первую очередь интересен результат, а не просто эксперименты ради экспериментов.

Раннее большинство и позднее большинство — это, по сути, уже большой массовый рынок. И я думаю, что в России пока до него далеко. Ближайший год, а может и два, мы будем на первом уровне. Новаторы перейдут в провидцев, и потом, если вы посмотрите на схему, нас ждет «пропасть». Она как раз и связана с тем, что технологии должны перейти в разряд тумблера-переключателя: зашел в свой продукт, и технологии просто работают. Например, как в Zoom, когда после разговора можно сразу получить расшифровку или саммари.

Продукты, с которыми мы в России работаем каждый день — CRM-системы, телефония, мессенджеры — должны получить все эти AI-функции. Следующая стадия цикла развития наступит тогда, когда застройщики начнут использовать эти инструменты. Чтобы это случилось, мы должны преодолеть технологическую пропасть — то есть, в России должны получить активное распространение сами генеративные модели. А для этого должна наступить готовность рынка платить. 

По моим прогнозам, в России потребуется на это как минимум еще пара лет. Поэтому в ближайшие два года мы, как вендоры, будем разрабатывать и внедрять новые решения, валидировать гипотезы новых продуктов, а рынок будет пробовать и «созревать».

За последние годы генеративные нейросети стали использоваться не только как развлечение, но и как инструмент для решения бизнес-задач. С их помощью можно автоматизировать процессы и упростить рутинные операции — тем самым, у бизнеса освободится драгоценное время, которое можно потратить на стратегическое развитие.

Поэтому популярность AI-инструментов в недвижимости будет только расти. Появятся кейсы, которые покажут ценность для бизнеса застройщиков в цифрах. И тот, кто сегодня не следует тенденциям рынка, может оказаться в позиции отстающего, а значит потерять прибыль. Нужно следить за тем, как развиваются нейросети в недвижимости, чтобы их правильно использовать и успевать вовремя переносить к себе успешные кейсы и хорошо зарекомендовавшие себя решения.