ИИ для малого бизнеса — бум или крах?

ИИ — это самая большая революция со времён промышленной!!! ИИ переоценён, и пузырь вот-вот лопнет!!! Так что же это? Не может быть и то, и другое одновременно… или всё-таки может? Даже если сейчас это не совсем ясно, совершенно очевидно, что в него вкладываются миллиарды долларов. Миллиарды и миллиарды, даже несмотря на то, что 95% пилотных проектов генеративного ИИ терпят неудачу, согласно [отчёту MIT](MIT report: 95% of generative AI pilots at companies are failing | Fortune).

Так что же это — бум или крах? Как ни странно, понемногу и то, и другое. И для малого и среднего бизнеса это даже отличная новость. Давайте разберёмся, почему.

Цикл шумихи продолжает крутиться

Цикл ажиотажа (hype cycle) — это модель, которую исследовательская компания Gartner использует уже несколько десятилетий для отслеживания новых технологий. Работает это так: появляется новая технология, ничего подобного раньше не было, и кажется, что она способна на всё. Но затем все включаются в игру завышенных ожиданий, и реальность в конце концов берёт своё. Затем ажиотаж вокруг технологии спадает и опускается в то, что Gartner называет “впадиной разочарования”. Проекты закрываются, бюджеты урезаются. Медиа, вечно одержимые Следующей Большой Вещью™, пишут некрологи. А затем происходит самое интересное: люди и организации, которые действительно поняли, для чего на самом деле нужна эта технология, продолжают тихо её использовать. Они просто спокойно продолжают строить на её основе, создавая стратегическое преимущество и доводя технологию до зрелости, пока она не превращается в фундаментальную технологию.

Интернет прошёл через точно такой же цикл. Крах доткомов в 2000 году не означал, что интернет был просто модой, но он действительно означал, что pets.com была плохой идеей. Компании, которые действительно понимали, как использовать веб для ускорения хорошей бизнес-модели, продолжали строить и теперь доминируют на рынке.

Генеративный ИИ приближается к концу цикла ажиотажа и вступает во впадину. Упомянутый ранее отчёт MIT действительно показал, что большинство корпоративных пилотных проектов ИИ не демонстрируют измеримой отдачи, но интереснее всего именно причина. Исследование показало, что проблема была организационной, а не технологической.

Так для чего вообще годен ИИ?

Сначала нужно уточнить, что мы имеем в виду под словом “ИИ”. Когда мы говорим, что ИИ — это “искусственный интеллект”, нас можно простить за мысль, что мы имеем в виду интеллект, подобный человеческому. Это цель, но не то, где мы находимся сейчас. Возможно, вы слышали, что это называют “AGI” или общим интеллектом. Весь нынешний ажиотаж на самом деле связан с языком и называется большой языковой моделью, или LLM (Large Language Model). Надо признать, язык критически важен для интеллекта и особенно для того, чтобы казаться интеллектуальным. Человеку по-прежнему приходится предоставлять настоящий интеллект, а LLM выступает в роли языкового процессора.

Это полностью меняет представление о том, что это такое и в чём оно хорошо. Это не поисковая система, не база данных фактов и не цифровой сотрудник. Это языковой процессор — инструмент, который принимает язык на входе и превращает его в другой язык на выходе, подобно тому, как кухонный комбайн принимает овощи и возвращает их вам нарезанными, смешанными или превращёнными в пюре.

Такой взгляд подсказывает, в чём инструмент будет блистать: обобщение, черновики, переписывание, перевод между разными тонами и форматами или даже на другой язык. Он извлечёт главное из непроходимой стены текста или превратит ваши черновые заметки во что-то презентабельное. Большинство малых предприятий держится именно на такой работе с языком. Письма клиентам, сметы, объявления о вакансиях, ответы на отзывы, предложения, регламенты, публикации в социальных сетях — это огромная часть рабочей недели, и почти ничего из этого не является причиной, по которой вы вообще начали свой бизнес.

Это также показывает, где нужно быть осторожным. Языковой процессор не знает вещи так, как справочник содержит факты. Он генерирует правдоподобный язык — то, что звучит хорошо. Это значит, что вам нужно проверять факты, цифры и особенно всё, что имеет юридический вес. Вы бы не стали просить кухонный комбайн спланировать ваше меню. Вам не следует доверять LLM работу, результат которой вы не можете проверить.

Провалившиеся корпоративные проекты по большей части игнорировали эти реалии. Они просили технологию быть тем, чем она не является. Вам не обязательно повторять эту ошибку.

Как получить хороший результат: подробный брифинг, а не волшебные слова

Разочарование в ИИ сводится вот к чему: вы вводите расплывчатый запрос в одну строку, получаете общий или выдуманный ответ и делаете вывод, что это бесполезный мусор. Это всё равно что вручить новому сотруднику стикер с надписью “разберись с этим делом клиента” и удивляться, что результат совсем не похож на то, что вы на самом деле хотели.

Решение — не в волшебных словах. Решение в том, чтобы дать подробный брифинг, точно так же, как вы бы дали его квалифицированному временному сотруднику в его первое утро на работе. Мы построим его из четырёх частей: задача, роль, контекст и примеры.

Начнём. Познакомьтесь с Марией, владелицей сантехнической и климатической компании с двенадцатью сотрудниками. Клиент только что оставил недовольный отзыв на три звезды: техник был отличным, но визит начался на два часа позже, и никто не позвонил заранее. Мария хочет ответить достойно, но у неё есть ещё одиннадцать дел до обеда.

Задача: скажите точно, чего вы хотите

Задача — это результат работы, конкретный и по существу. Это то, что должно появиться, когда ИИ закончит, но чего пока не существует. Расплывчатые задачи дают посредственные результаты. “Помоги мне с этим отзывом” может привести к отступлению в сторону лекции о важности управления репутацией.

Сравните вот это:

Напиши публичный ответ на этот отзыв клиента, не более 120 слов, с извинением за позднее прибытие, объяснением, что мы изменили процесс диспетчеризации, и приглашением клиенту позвонить мне напрямую.

Обратите внимание на всё, что зафиксировано в этом предложении: формат (публичный ответ на отзыв), длина и три ключевых момента, которые нужно затронуть. Самое большое улучшение, которое большинство людей может внести в свои результаты, — это просто закончить предложение: “Когда всё будет готово, у меня будет _, который я смогу использовать для _”

Роль: скажите, кем ему быть

LLM может писать тысячей разных голосов, так что скажите ему, какой из них ваш. Назначение роли одним махом задаёт тон, словарный запас и точку зрения:

Ты — владелица небольшой семейной сантехнической и климатической компании, пишешь тёплым, прямым голосом, без корпоративного языка. Ты берёшь на себя ответственность и никогда не звучишь оборонительно.

Без этого Мария получает стандартное корпоративное извинение: “Мы искренне приносим извинения за любые неудобства, которые это могло причинить”. Каждый клиент читал эту фразу сотню раз — и не поверил ей ни разу. С заданной ролью ответ звучит как от человека, который на самом деле сам берёт трубку телефона.

Контекст: дайте ему то, что он никак не может знать

Вот часть, которую модель “языкового процессора” делает очевидной: ИИ знает язык, но ничего не знает о вашем бизнесе, вашем клиенте или этой ситуации, если только вы не предоставите ему именно эту информацию. Контекст — это та фоновая информация, которая уже была бы у доверенного сотрудника:

Предыстория: клиент — Дейв Р., постоянный клиент (три заказа за два года). Задержка произошла потому, что предыдущий заказ затянулся, а наша старая система планирования не могла предупредить клиента. С этого месяца мы используем автоматические текстовые сообщения, когда техник опаздывает более чем на 20 минут. Вот полный отзыв Дейва: [вставить отзыв].

Именно контекст превращает общий результат в ваш результат. Это также та часть, которую легче всего пропустить, потому что кажется, что это лишний набор текста. Это не лишнее! Это и есть настоящая работа. Тридцать секунд на то, чтобы вставить текст, стоят больше, чем четыре раунда “нет, это не совсем то”. И контекст — ключ к по-настоящему полезной части ИИ, которую мы сейчас выстраиваем.

Примеры: показывайте, а не просто рассказывайте

Самый быстрый способ передать стиль — это показать образец. Если у Марии есть прошлый ответ, которым она гордилась, она включает его:

Вот ответ, который я написала в прошлом году, и он передаёт тот тон, который мне нужен: “Фрэнк, вы правы, и мне жаль. Без оправданий: мы не уложились в срок, который вам обещали. Я зачла стоимость этого вызова, а ваш следующий визит по техобслуживанию — за наш счёт. Мария”

Один хороший пример превосходит три абзаца прилагательных. Описание вашего голоса как “дружелюбный, но профессиональный” оставляет тысячу трактовок, а показ голоса оставляет только одну. Это работает и для форматов: покажите ИИ прошлое предложение, смету или объявление о вакансии, и он повторит структуру без дополнительных объяснений.

Соберите все четыре части вместе — и “эксперимент с ИИ” Марии перестаёт производить пустое наполнение из печенья с предсказанием и начинает выдавать ответ, который она действительно опубликует. Всё это занимает около двух минут, плюс быстрое прочтение перед публикацией. Если она захочет перепечатать текст, чтобы убедиться, что он действительно звучит её голосом — может быть, есть слово или знак препинания, которые она бы не использовала, — задача завершается за пять минут, и можно продолжать день. Задача, роль, контекст, примеры. Тот же брифинг завтра сработает для объявления о вакансии, для последующего письма по смете и для письма о праздничном графике работы.

Крах должен случиться, чтобы освободить место для бума

Теперь обратите внимание, чего Мария не сделала. Она не наняла консультанта и не купила дорогую корпоративную платформу. Она просто нашла повторяющуюся задачу, связанную с языком, правильно проинструктировала инструмент и оставила окончательное решение — финальную вычитку — за собой. Именно так выглядит выигрышная сторона цикла ажиотажа в масштабе малого бизнеса: не грандиозный рывок, а просто растущий список двухминутных побед, которые раньше занимали двадцать минут. И все эти маленькие победы в сумме дают малому бизнесу настоящий рост.

Впадина разочарования — это как раз то время, когда строится это преимущество, именно потому, что ажиотаж исчез и никто не смотрит. Эта тишина нужна, чтобы построить то, что действительно работает.

Эта статья — первая в серии. В ближайшие недели мы разберём, где искать такие повторяющиеся языковые задачи в вашей собственной работе, как эффективно проверять результаты ИИ и как понять, что вы готовы выйти за пределы окна чата. В Synapses Technologies мы помогаем малому и среднему бизнесу адаптировать корпоративные технологии под свои нужды, находя практическое применение ИИ — без шумихи и по ту сторону разочарования. Это то, чем мы занимаемся, так что когда вы будете готовы найти свою первую двухминутную победу, мы будем рады помочь.