Как AI помогает снизить операционные расходы на 30-40%

Здравствуйте, Влад. Сезон AI, кажется, открыт. Призывы внедрять нейросети звучат отовсюду. Расскажите, пожалуйста, о своем опыте с точки зрения разработчика цифровых систем.

Действительно, AI-технологии врываются в бизнес семимильными шагами. Обычно про AI говорят в контексте аналитики или предсказательной функции, например, для предсказания спроса на товары в ритейле. Однако есть и более приземленные применения, которые, однако, дают отличный выхлоп при минимальных вложениях.

О чем идет речь?

Речь об автоматизации рутинных бизнес-процессов с помощью AI. Смотрите. Постоянные операционные расходы бизнеса складываются из различных процессов: бухгалтерия, документооборот, системное администрирование, HR, обработка заявок новых клиентов, поиск, агрегирование и анализ информации и т.п.

Все это можно автоматизировать. Причем даже те задачи, которые считались не поддающимися автоматизации еще каких-то пару лет назад.

Интересно. А можете привести примеры?

Конечно. Вот далеко не полный список того, что умеют делать грамотно настроенные AI-агенты:

• консолидировать информацию из разрозненных источников;
• делать сводку и вычленять главное;
• выполнять первичную аналитику;
• сравнивать данные;
• пользоваться внешними сайтами в браузере;
• взаимодействовать с онлайн-сервисами;
• преобразовывать форматы;
• извлекать текст из изображений;
• создавать и редактировать документы;
• выполнять расчеты любой сложности;
• строить прогнозы и модели;
• и многое другое!

Правильно выбрав AI-инструменты и настроив автоматизации, можно резко увеличить производительность, а некоторые внутренние процессы и вовсе упразднить.

Вы говорите о каких-то конкретных LLM? ChatGPT или Gemini? 

Тут вопрос не в конкретной модели, а в общем механизме интеграции AI в бизнес. А модель может быть любая. Давайте я поясню на примере конкретных бизнес-процессов.

Лучше всего поддаются автоматизации рутинные однотипные процессы, которые обычно выполняются вручную: 

• ввод данных;
• перенос информации между источниками
• однотипные вычисления или трансформации;
• агрегирование данных с внешних источников;
• передача данных во внешние источники;
• аналитика по формальным критериям и пр.

Например, в абсолютно каждой организации считают зарплату и премии сотрудникам, ищут и сравнивают лучшие ценовые позиции на рынке, составляют графики смен, ведут отчеты, составляют типовые документы, вручную вводят заявки от клиентов и т.д. и т.п. Это колоссальный объем рутинной работы, которую можно значительно сократить, просто грамотно настроив предобученный AI-инструмент. И тем самым сократить операционные издержки.

Теперь понятно. Действительно, звучит очень интересно! А как именно это работает?

Проще объяснить на примере. Скажем, у нас в Siberian.pro тоже считают заработную плату. Раньше каждый месяц в финансовом отделе компании царил хаос. Расчеты со штатными сотрудниками были более или менее автоматизированы. А вот самозанятых, ИП и персонал, работающий по довольно сложным контрактным условиям, рассчитывать приходилось вручную. Руководство приняло решение подключить AI.

Мы проанализировали финансовые процессы в организации и выявили несколько точек, в которых можно заменить человека AI-агентом. При этом все остальные расчеты не затрагивались. Что в результате?

• Снизились расходы на 30%. Автоматизированный расчет ускорил весь процесс, что в конечном итоге повлекло за собой снижение операционных расходов на 30%.
• Ежемесячный расчет перестал быть авралом. Теперь расчет начислений проходит в штатном режиме без переработок финансистов и бухгалтеров.
• Освободились человеческие ресурсы. Нагрузка на людей снизилась, привлекать весь финансовый отдел к расчету ЗП больше не нужно.
• Сократилось число ошибок. Ранее нередко случались ошибки в начислениях. Сейчас AI готовит финальные цифры почти мгновенно, а задача бухгалтеров — просто проверить.
• Больше нет задержек выплат. В бухгалтерии больше нет ежемесячных кранчей, а значит нет и задержек. Заработная плата выплачивается вовремя, сотрудники довольны.

Или вот еще пример из практики. В аутстаф-отделе нашего клиента было два сотрудника, которые вручную просматривали сотни источников и фильтровали подходящие запросы. Монотонная работа требовала внимательности и полного вовлечения (все запросы разные, каждый нужно рассматривать индивидуально).

Что мы сделали? Помогли полностью исключить ручной сбор данных в аутстаф-отделе и делегировать эту работу ИИ. За человеком осталось лишь принятие решений. В результате работу двух человек теперь выполняет один, причем на полставки. Рост производительности труда в 4 раза!

И подобных задач в каждой организации — сотни. Из наших кейсов: LLM-решение для повышения эффективности команд, AI-инструмент для работы с тендерами.

Стоят такие решения дешевле, чем кажется, при этом результат виден практически сразу. Я рекомендую владельцам бизнесов изучить вопрос подробно уже сегодня.