ИИ в корпоративном секторе 

Оригинал статьи

Уроки от семи передовых компаний

Содержание

  • Новый способ работы
  • Краткое содержание
  • Семь уроков внедрения ИИ на предприятии
    • Начните с оценок (evals)
    • Внедряйте ИИ в ваши продукты
    • Начинайте сейчас и инвестируйте заблаговременно
    • Кастомизируйте и дообучайте (fine-tune) ваши модели
    • Передайте ИИ в руки экспертов
    • Разблокируйте ваших разработчиков
    • Ставьте смелые цели по автоматизации
  • Заключение
  • Дополнительные ресурсы

Новый способ работы

Как компания, занимающаяся исследованиями и развертыванием ИИ, OpenAI отдает приоритет партнерству с глобальными компаниями, поскольку наши модели все чаще будут наилучшим образом работать со сложными, комплексными, взаимосвязанными рабочими процессами и системами.

Мы видим, что ИИ обеспечивает значительные, измеримые улучшения по трем направлениям:

  1. Производительность рабочей силы: Помощь людям в достижении более качественных результатов за более короткие сроки.
  2. Автоматизация рутинных операций: Освобождение людей от повторяющихся задач, чтобы они могли сосредоточиться на создании дополнительной ценности.
  3. Обеспечение работы продуктов: Предоставление более релевантного и отзывчивого клиентского опыта.

Однако использование ИИ — это не то же самое, что создание программного обеспечения или развертывание облачных приложений. Наиболее успешные компании часто относятся к ИИ как к новой парадигме. Это приводит к экспериментальному мышлению и итеративному подходу, который позволяет быстрее достичь ценности и получить большее одобрение со стороны пользователей и заинтересованных сторон.

Наш подход: итеративная разработка

OpenAI организована вокруг трех команд. Наша Исследовательская команда (Research Team) продвигает основы ИИ, разрабатывая новые модели и возможности. Наша Команда прикладных разработок (Applied Team) превращает эти модели в продукты, такие как ChatGPT Enterprise и наш API. А наша Команда развертывания (Deployment Team) внедряет эти продукты в компании для решения их наиболее насущных задач.

Мы используем итеративное развертывание, чтобы быстро учиться на примерах использования клиентами и использовать эту информацию для ускорения улучшений продукта. Это означает регулярный выпуск обновлений, получение обратной связи и улучшение производительности и безопасности на каждом этапе.

Результат: пользователи получают доступ к новым достижениям в области ИИ рано и часто, а ваша обратная связь формирует будущие продукты и модели.

Семь уроков внедрения ИИ на предприятии

Краткое содержание

  1. Начните с оценок (evals)

    Используйте систематический процесс оценки для измерения производительности моделей в ваших сценариях использования.

  2. Внедряйте ИИ в ваши продукты

    Создавайте новый клиентский опыт и более релевантные взаимодействия.

  3. Начинайте сейчас и инвестируйте заблаговременно

    Чем раньше вы начнете, тем больше ценности накопится.

  4. Кастомизируйте и дообучайте (fine-tune) ваши модели

    Настройка ИИ под специфику ваших сценариев использования может значительно увеличить ценность.

  5. Передайте ИИ в руки экспертов

    Люди, наиболее близкие к процессу, лучше всего подходят для его улучшения с помощью ИИ.

  6. Разблокируйте ваших разработчиков

    Автоматизация жизненного цикла разработки программного обеспечения может приумножить дивиденды от ИИ.

  7. Ставьте смелые цели по автоматизации

    Большинство процессов включают много рутинной работы, готовой к автоматизации. Ставьте высокие цели.

Давайте подробнее рассмотрим каждый из этих пунктов на примерах историй клиентов.

Урок 1: Начните с оценок (evals)

Как Morgan Stanley итеративно обеспечивал качество и безопасность

Как мировой лидер в области финансовых услуг, Morgan Stanley — это бизнес, построенный на отношениях. Неудивительно, что в компании возникали вопросы о том, как ИИ может добавить ценности в высоко персонализированную и чувствительную сферу их работы.

Ответом стало проведение интенсивных оценок (evals) для каждого предлагаемого приложения. Оценка — это просто строгий, структурированный процесс измерения того, как модели ИИ фактически работают по сравнению с контрольными показателями в данном сценарии использования. Это также способ постоянного улучшения процессов с поддержкой ИИ, с экспертной обратной связью на каждом этапе.

Как это началось

Первая оценка Morgan Stanley была сосредоточена на повышении эффективности и результативности их финансовых консультантов. Идея была проста: если консультанты смогут быстрее получать доступ к информации и сократить время, затрачиваемое на повторяющиеся задачи, они смогут предложить клиентам больше качественных инсайтов.

Они начали с трех оценок моделей:

  1. Языковой перевод: Измерение точности и качества переводов, создаваемых моделью.
  2. Суммаризация: Оценка того, как модель сжимает информацию, используя согласованные метрики точности, релевантности и связности.
  3. Обучение людьми (Human trainers): Сравнение результатов ИИ с ответами экспертов-консультантов, оценка точности и релевантности.

Эти и другие оценки дали Morgan Stanley уверенность в том, что можно начинать внедрять сценарии использования в производство.

Как идут дела

Сегодня 98% консультантов Morgan Stanley используют OpenAI каждый день; доступ к документам подскочил с 20% до 80%, при этом время поиска значительно сократилось; а консультанты тратят больше времени на отношения с клиентами благодаря автоматизации задач и более быстрым инсайтам.

Обратная связь от консультантов была исключительно положительной. Они более вовлечены в работу с клиентами, а последующие действия, которые раньше занимали дни, теперь происходят в течение часов.

Кейтлин Эллиотт
Руководитель отдела генеративного ИИ для всей фирмы

Чтобы узнать больше, посмотрите видео Morgan Stanley: Shaping the Future of Financial Services и спросите нас о наших методологиях оценки (Eval Frameworks).

Определение оценок (evals)

Оценка (Evaluation) — это процесс валидации и тестирования выходных данных, производимых вашими моделями. Строгие оценки приводят к более стабильным и надежным приложениям, устойчивым к изменениям. Оценки строятся вокруг задач, которые измеряют качество выходных данных модели по сравнению с эталоном — точнее ли это? Более соответствует требованиям? Безопаснее? Ваши ключевые метрики будут зависеть от того, что наиболее важно для каждого конкретного случая использования.

Урок 2: Внедряйте ИИ в ваши продукты

Как Indeed гуманизирует подбор вакансий

Когда ИИ используется для автоматизации и ускорения утомительной, повторяющейся работы, сотрудники могут сосредоточиться на вещах, которые могут делать только люди. А поскольку ИИ может обрабатывать огромные объемы данных из множества источников, он может создавать клиентский опыт, который кажется более человечным, потому что он более релевантен и персонализирован.

Indeed, сайт №1 в мире по поиску работы, использует GPT-4o mini для подбора соискателей к вакансиям новыми способами.

Сила «почему»

Предоставление отличных рекомендаций по вакансиям соискателям — это только начало опыта Indeed. Им также необходимо объяснить кандидату, почему именно эта вакансия была ему рекомендована.

Indeed использует анализ данных и возможности обработки естественного языка GPT-4o mini для формирования этих утверждений «почему» в своих электронных письмах и сообщениях соискателям. Используя ИИ, популярная функция «Пригласить к отклику» (Invite to Apply) также объясняет, почему опыт или предыдущая работа кандидата делают его подходящим для данной вакансии.

Команда Indeed протестировала предыдущий механизм подбора вакансий против версии на базе GPT с новым, кастомизированным контекстом. Прирост производительности был значительным:

  • Увеличение на 20% числа начатых откликов на вакансии
  • Увеличение на 13% последующего успеха — кандидаты не только чаще откликались, но и работодатели чаще нанимали их.

Учитывая, что Indeed отправляет более 20 миллионов сообщений в месяц соискателям и имеет 350 миллионов посетителей сайта каждый месяц, эти увеличения масштабируются до значительного влияния на бизнес.

Но масштабирование также означало использование большего количества токенов. Для повышения эффективности OpenAI и Indeed совместно работали над дообучением (fine-tuning) меньшей модели GPT, которая смогла достичь аналогичных результатов с использованием на 60% меньшего количества токенов.

Помощь соискателям в поиске подходящей работы — и понимание того, почему данная возможность подходит именно им — это глубоко человеческий результат. Команда Indeed использовала ИИ, чтобы помочь связать больше людей с работой, быстрее — выигрыш для всех.

Мы видим много возможностей для продолжения инвестиций в эту новую инфраструктуру способами, которые помогут нам увеличить доход.

Крис Хайамс
CEO

Урок 3: Начинайте сейчас и инвестируйте заблаговременно

Как Klarna извлекает выгоду из накопления знаний об ИИ

ИИ редко является решением «подключи и работай» — сценарии использования растут в сложности и влиянии через итерации. Чем раньше вы начнете, тем больше ваша организация выиграет от накапливающихся улучшений.

Klarna, глобальная платежная сеть и торговая платформа, представила нового ИИ-ассистента для оптимизации обслуживания клиентов. В течение нескольких месяцев ассистент обрабатывал две трети всех чатов поддержки — выполняя работу сотен агентов и сокращая среднее время решения с 11 минут до всего 2. Прогнозируется, что эта инициатива принесет $40 миллионов улучшения прибыли, при этом поддерживая показатели удовлетворенности на уровне человеческой поддержки. Эти результаты не произошли в одночасье. Klarna достигла такой производительности путем непрерывного тестирования и усовершенствования ассистента.

Не менее важно и то, что 90% сотрудников Klarna теперь используют ИИ в своей повседневной работе. Растущее знакомство с ИИ в масштабах всей организации позволило Klarna двигаться быстрее, запускать внутренние инициативы более эффективно и постоянно совершенствовать клиентский опыт. Инвестируя заблаговременно и поощряя широкое внедрение, Klarna видит, как преимущества ИИ накапливаются, принося прибыль по всему бизнесу.

Этот прорыв ИИ во взаимодействии с клиентами означает превосходный опыт для наших клиентов по лучшим ценам, более интересные задачи для наших сотрудников и лучшую отдачу для наших инвесторов.

Себастьян Семятковски
Сооснователь и CEO

Урок 4: Кастомизируйте и дообучайте (fine-tune) ваши модели

Как Lowe's улучшает поиск продуктов

Предприятия, добивающиеся наибольшего успеха от внедрения ИИ, часто являются теми, кто инвестирует время и ресурсы в кастомизацию и обучение своих собственных моделей ИИ. OpenAI вложила значительные средства в наш API, чтобы упростить кастомизацию и дообучение моделей — будь то самостоятельный подход или использование наших инструментов и поддержки.

Мы тесно сотрудничали с Lowe's, компанией из списка Fortune 50 по благоустройству дома, чтобы улучшить точность и релевантность их функции поиска в электронной коммерции. Имея тысячи поставщиков, Lowe's часто приходится работать с неполными или непоследовательными данными о продуктах.

Ключ к успеху — точные описания продуктов и тегирование. Но это также требует понимания того, как покупатели ищут, динамики, которая меняется в зависимости от категорий продуктов. Именно здесь в игру вступает дообучение (fine-tuning).

Дообучив модели OpenAI, команда Lowe's смогла улучшить точность тегирования продуктов на 20%, при этом улучшив обнаружение ошибок на 60%.

Волнение в команде было ощутимым, когда мы увидели результаты дообучения GPT 3.5 на наших данных о продуктах. Мы знали, что у нас в руках победитель!

Нишант Гупта
Старший директор, Данные, Аналитика и Вычислительный Интеллект


Примечание о продукте: OpenAI запустила Vision Fine-Tuning для дальнейшего улучшения поиска в электронной коммерции и решения проблем в медицинской визуализации и автономном вождении.

Что такое дообучение (fine-tuning)?

Если модель GPT — это костюм из магазина, то дообучение — это индивидуальный пошив: способ настроить модель под конкретные данные и потребности вашей организации.

Почему это важно:

Повышенная точность

Обучаясь на ваших уникальных данных — таких как каталоги продуктов или внутренние FAQ — модель предоставляет более релевантные, соответствующие бренду результаты.

Экспертиза в предметной области

Дообученные модели лучше понимают терминологию, стиль и контекст вашей отрасли.

Последовательный тон и стиль

Для ритейлера это может означать, что каждое описание продукта соответствует голосу бренда; для юридической фирмы — правильное форматирование цитат каждый раз.

Более быстрые результаты

Меньше ручного редактирования или перепроверки означает, что ваши команды могут сосредоточиться на задачах с высокой ценностью.

Урок 5: Передайте ИИ в руки экспертов

BBVA применяет подход к ИИ, основанный на экспертизе

Ваши сотрудники лучше всего знают ваши процессы и проблемы и часто находятся в наилучшем положении для поиска решений на основе ИИ. Передача ИИ в руки этих экспертов может быть гораздо более эффективной, чем попытки создать общие или горизонтальные решения.

BBVA, мировой лидер в банковской сфере, насчитывает более 125 000 сотрудников, каждый из которых сталкивается с уникальным набором задач и возможностей. Они решили передать ИИ в руки сотрудников, тесно сотрудничая с командами по правовым вопросам, комплаенсу и ИТ-безопасности для обеспечения ответственного использования. Они развернули ChatGPT Enterprise глобально, а затем позволили людям открыть для себя свои собственные сценарии использования.

«Обычно в таком бизнесе, как наш, создание даже прототипа требует технических ресурсов и времени», — говорит Елена Альфаро, руководитель глобального внедрения ИИ в BBVA. «С помощью кастомных GPT любой может создавать приложения для решения уникальных проблем — начать очень легко».

За пять месяцев сотрудники BBVA создали более 2900 кастомных GPT, некоторые из которых сокращают сроки выполнения проектов и процессов с недель до часов. Влияние ощущалось во многих дисциплинах и отделах:

Команда по кредитным рискам

Использует ChatGPT для более быстрого и точного определения кредитоспособности.

Юридическая команда

Использует его для ответа на 40 000 вопросов в год по политикам, комплаенсу и многому другому.

Команда обслуживания клиентов

Автоматизирует анализ настроений в опросах NPS.

И выгоды продолжают распространяться на маркетинг, управление рисками, операции и другие области. Все потому, что они передали ИИ в руки людей, которые знают, как применять его в своих собственных дисциплинах.

Мы рассматриваем наши инвестиции в ChatGPT как инвестиции в наших людей. ИИ усиливает наш потенциал и помогает нам быть более эффективными и креативными.

Елена Альфаро
Руководитель глобального внедрения ИИ

Примечание о продукте: Благодаря глубоким исследованиям, ChatGPT может работать независимо. Дайте ему промпт, и он сможет синтезировать сотни онлайн-источников для создания всеобъемлющих отчетов уровня PhD. Это разблокирует производительность сотрудников и дает им доступ к глубоким, детальным исследованиям по любой теме за считанные минуты. Во внутренней оценке экспертами из разных областей, глубокое исследование сэкономило в среднем 4 часа на сложную задачу.

Для получения более подробной информации посмотрите видео BBVA puts AI into the hands of every team.

Урок 6: Разблокируйте ваших разработчиков

Mercado Libre создает ИИ-программы быстрее и последовательнее

Ресурсы разработчиков являются основным узким местом и ингибитором роста во многих организациях. Когда инженерные команды перегружены, это замедляет инновации и создает непреодолимый бэклог приложений и идей.

Mercado Libre, крупнейшая компания электронной коммерции и финтеха в Латинской Америке, сотрудничала с OpenAI для создания слоя платформы разработки для решения этой проблемы. Он называется Verdi и работает на базе GPT-4o и GPT-4o mini. Сегодня он помогает их 17 000 разработчикам унифицировать и ускорять создание ИИ-приложений.

Verdi интегрирует языковые модели, узлы Python и API для создания масштабируемой, последовательной платформы, которая использует естественный язык в качестве центрального интерфейса. Разработчики теперь создают последовательно высококачественные приложения быстрее, без необходимости погружаться в исходный код. Безопасность, защитные механизмы (guardrails) и логика маршрутизации встроены.

В результате разработка ИИ-приложений значительно ускорилась, помогая сотрудникам Mercado Libre делать удивительные вещи, включая:

Улучшение емкости инвентаря

GPT-4o mini Vision тегирует и завершает списки продуктов, позволяя Mercado каталогизировать в 100 раз больше продуктов.

Обнаружение мошенничества

Ежедневная оценка данных миллионов списков продуктов, улучшение точности обнаружения мошенничества почти до 99% для отмеченных товаров.

Кастомизация описаний продуктов

Перевод названий и описаний продуктов для адаптации к нюансам испанских и португальских диалектов.

Увеличение заказов

Автоматизация резюме отзывов, чтобы помочь пользователям быстро понять обратную связь о продукте.

Персонализация уведомлений

Настройка push-уведомлений для повышения вовлеченности и улучшения рекомендаций продуктов.

Следующий шаг: использование Verdi для улучшения логистики, сокращения задержек доставки и решения более высокоэффективных задач по всей организации.

Мы разработали нашу идеальную платформу ИИ, используя GPT-4o mini, с фокусом на снижение когнитивной нагрузки и предоставление возможности всей организации итерировать, разрабатывать и развертывать новые, инновационные решения.

Себастьян Барриос
SVP Технологий

Урок 7: Ставьте смелые цели по автоматизации

Как мы автоматизируем нашу собственную работу в OpenAI

В OpenAI мы живем с ИИ каждый день, поэтому мы часто находим новые способы автоматизировать нашу собственную работу.

Пример: наши команды поддержки были перегружены, тратя время на доступ к системам, попытки понять контекст, составление ответов и принятие правильных мер для клиентов.

Поэтому мы создали внутреннюю платформу автоматизации. Она работает поверх наших существующих рабочих процессов и систем для автоматизации рутинной работы и ускорения получения инсайтов и действий.

Наш первый сценарий использования: работа поверх Gmail для составления ответов клиентам и запуска действий. Используя нашу платформу автоматизации, наши команды могут мгновенно получать доступ к данным клиентов и релевантным статьям базы знаний, а затем включать результаты в ответные письма или конкретные действия — такие как обновление учетных записей или открытие тикетов поддержки.

Внедряя ИИ в существующие рабочие процессы, наши команды становятся более эффективными, отзывчивыми и ориентированными на клиента. Эта платформа обрабатывает сотни тысяч задач каждый месяц, освобождая людей для выполнения более высокоэффективной работы. Неудивительно, что система теперь распространяется на другие отделы.

Это произошло потому, что мы с самого начала поставили смелые цели по автоматизации, вместо того чтобы мириться с неэффективными процессами как с неизбежными издержками ведения бизнеса.

Заключение: Учимся друг у друга

Как показывают предыдущие примеры, каждый бизнес полон возможностей использовать мощь ИИ для улучшения результатов. Сценарии использования могут варьироваться в зависимости от компании и отрасли, но уроки применимы ко всем рынкам.

Общая тема: развертывание ИИ выигрывает от открытого, экспериментального мышления, подкрепленного строгими оценками и механизмами безопасности. Компании, добивающиеся успеха, не спешат внедрять модели ИИ в каждый рабочий процесс. Они сосредотачиваются на высокодоходных, низкозатратных сценариях использования, учатся по мере итераций, а затем переносят эти знания в новые области.

Результаты ясны и измеримы: более быстрые и точные процессы; более персонализированный клиентский опыт; и более полезная работа, поскольку сотрудники сосредотачиваются на том, что люди делают лучше всего.

Сейчас мы видим, как компании интегрируют рабочие процессы ИИ для автоматизации все более сложных процессов — часто используя инструменты, ресурсы и других агентов для выполнения задач.

Мы продолжим сообщать с передовой линии ИИ, чтобы помочь вам сформировать собственное мышление.

Примечание о продукте: Operator

Operator — это пример агентного подхода OpenAI. Используя собственный виртуальный браузер, Operator может перемещаться по вебу, нажимать на кнопки, заполнять формы и собирать данные так же, как это сделал бы человек.

Он также может выполнять процессы в широком диапазоне инструментов и систем — без необходимости кастомных интеграций или API. Предприятия используют его для автоматизации рабочих процессов, которые ранее требовали вмешательства человека, таких как:

  • Автоматизация тестирования программного обеспечения и QA с использованием Operator для взаимодействия с веб-приложениями как реальный пользователь, выявляя любые проблемы с пользовательским интерфейсом.
  • Обновление систем учета от имени пользователей без технических инструкций или подключений API.

Результат: сквозная автоматизация, освобождающая команды от повторяющихся задач и повышающая эффективность на всем предприятии.

Надежная корпоративная платформа ИИ

Безопасность и конфиденциальность: краткий обзор

Для наших корпоративных клиентов нет ничего важнее безопасности, конфиденциальности и контроля. Вот как мы это обеспечиваем:

Ваши данные остаются вашими

Мы не используем ваш контент для обучения наших моделей; ваше предприятие сохраняет полное право собственности.

Соответствие корпоративным стандартам

Данные шифруются при передаче и в состоянии покоя, в соответствии с высшими стандартами, такими как SOC 2 Type 2 и CSA STAR Level 1.

Гранулярный контроль доступа

Вы выбираете, кто может видеть и управлять данными, обеспечивая внутреннее управление и соответствие требованиям.

Гибкое хранение

Настройте параметры ведения журналов и хранения в соответствии с политиками вашей организации.


Назад   Вперед

Другие статьи по этой теме: