ИИ-ассистент: как работает и какую ценность представляет

Работа ИИ-ассистентов строится на технологии обработки естественного языка. Они обучаются на больших объемах данных, чтобы понимать и интерпретировать запросы пользователей. Современные помощники выполняют широкий спектр задач: от предоставления информации о продуктах и услугах в конкретной организации до решения десятков доменно-специфичных задач пользователей, адаптируясь под их роль. Это могут быть дизайнеры, маркетологи, разработчики или руководители любого уровня.

Степень сложности задач постоянно растет. С развитием технологий ИИ-ассистенты стали справляться с более сложными задачами, требующими анализа контекста и «понимания» намерений пользователя. Современные помощники умеют уточнять намерения прежде, чем выдать ответ, и учитывать контекст диалога: это экономит время пользователя на подробное описание контекста. Например, классический поиск по ключевым словам с переходом по ссылкам и вычитыванием статей с целью найти нужное, заменяется простым диалогом и несколькими репликами. По сути, ИИ-помощники существенно меняют пользовательский опыт в получении знаний.

С точки зрения компаний, которые внедряют ИИ, экономия достигается за счет снижения трудозатрат на рутинные операции – их можно поручить ИИ-ассистенту. Как следствие, растет продуктивность и креативность сотрудников, меняется качество работы, а сами процессы становятся быстрее и проще. ИИ-помощники сейчас наиболее распространены в клиентском сервисе, который одинаково релевантен как для внешнего клиента компании, так и для сотрудников.

Эффективность в решении задач клиентов зависит от многих факторов – специфика бизнеса, наличие данных, технологии, которые применяются в разработке ассистентов. По разным оценкам, ИИ-помощники могут успешно решать до 80% типовых клиентских обращений без участия человека. Главное – учет специфики и внимание к деталям в процессе реализации. На старте не следует ожидать, что ИИ-помощник – это волшебная кнопка. Под капотом действительно эффективного ИИ-ассистента в клиентском сервисе могут лежать несколько месяцев разработки, несколько технологий и ML-моделей, сложная функциональная архитектура и нетривиальная интеграция.

Довольны ли пользователи?

Это сильно зависит от конкретной задачи и конкретной роли пользователей. Если мы говорим про ассистентов на базе генеративного искусственного интеллекта, которые в зависимости от заданной роли выполняют поставленные задачи, то здесь пользователи скорее довольны, чем нет. Важно, каким образом пользователь отправляет чат-боту запрос (промпт-инжиниринг). Сегодня этот навык становится все более популярным, а возможно когда-то станет необходимым практически в любой профессии, даже не связанной напрямую с IT.

Отдельно стоит выделить ассистентов разработчиков (Code assistants), которые на практике скорее вызывают больше положительных отзывов, чем негативных. На эту тему уже также есть исследования, мы в Cloud.ru в том числе стараемся регулярно проводить различные пользовательские тестирования и исследования для сохранения объективной картины мира кодовых ассистентов. Тот факт, что они уже способны экономить время разработчика – доказан и подтверждается самими разработчиками.

Если мы говорим про ассистентов в клиентском сервисе, то мнения потребителей разделяются. Многие ценят их скорость и доступность, возможность получить быстрый ответ в любое время суток. Современные помощники стали более «естественными» в общении, что улучшает опыт взаимодействия. Однако некоторые пользователи предпочитают общение с живым сотрудником, особенно при решении сложных или нестандартных вопросов. Важный фактор удовлетворенности здесь – это возможность легко переключиться на оператора, если ИИ-ассистент не способен помочь.

Согласно исследованию, проведённому компанией Katana, только 12% опрошенных предпочитают взаимодействие с ИИ-чатботами. При этом 49% предпочитают общение с реальным человеком, а 25% отмечают, что их предпочтения зависят от ситуации и сложности вопроса. Это говорит о том, что эффективность ИИ-ассистентов в решении задач клиентов не всегда соответствует ожиданиям пользователей.

Уровень удовлетворённости клиентов при взаимодействии с ИИ-помощниками варьируется. Молодое поколение (миллениалы и поколение Z) более комфортно чувствует себя при использовании ИИ и готово делиться личной информацией для персонализированного опыта. Однако даже среди них только 13% предпочитают ИИ-ассистентов, тогда как 40% всё же выбирают общение с живым человеком. Среди представителей старших поколений (поколений X и бэби-бумеров) предпочтение живому общению ещё выше. 61% предпочитают взаимодействовать с реальным человеком и лишь 9% выбирают ИИ-чатботов. Это указывает на низкий уровень доверия и удовлетворённости этой возрастной группы при использовании ИИ-ассистентов.

Перспективы развития ИИ-ассистентов

С развитием технологий искусственного интеллекта ассистенты станут еще более продвинутыми в понимании контекста и намерений пользователей. Они смогут обрабатывать более сложные запросы, предлагать персонализированные решения и предвосхищать потребности.

ИИ-ассистенты в бизнесе помогают повысить оперативность обслуживания, удовлетворенность клиентов и оптимизировать внутренние процессы. Продолжая совершенствование этих технологий, компании смогут достичь еще большего уровня эффективности и создать уникальный опыт взаимодействия с клиентами. Для этого необходимо:

• Улучшить понимание сложных запросов: Продолжать развивать технологии обработки естественного языка, чтобы ассистенты лучше понимали контекст и нюансы запросов;
• Персонализировать взаимодействие: Использование данных для предоставления более персонализированных ответов и предложений;
• Обеспечить лёгкий переход к оператору: Гарантировать пользователям возможность быстро связаться с живым сотрудником при необходимости.

Инвестиции в ИИ и прогнозы

Во многих индустриях R&D в области новых технологий и ИИ сейчас входит в число главных приоритетов. Эти инициативы направлены на создание инновационных решений, улучшение существующих алгоритмов и поиск новых способов применения ИИ в различных отраслях.

Один из наиболее ярких примеров – генеративные модели, такие как СhatGPT от OpenAI или GigaChat от Сбера. Исследования GPT-моделей позволили компании завоевать технологическое лидерство и огромную долю рынка в своем сегменте.

R&D в области ИИ позволяет создавать новые продукты и услуги, улучшать процессы и открывать новые возможности для бизнеса и общества. Без постоянного исследования и развития ИИ-технологии быстро устаревают, теряя свою эффективность и конкурентоспособность.

Инвестиции в этой области крайне перспективны по нескольким причинам. Во-первых, искусственный интеллект уже сейчас оказывает значительное влияние на различные сферы экономики и социальной жизни. Компании, активно внедряющие ИИ, получают конкурентные преимущества, оптимизируя свои процессы, создавая новые продукты и улучшая взаимодействие с клиентами.

Во-вторых, рынок ИИ стремительно растет. По прогнозам аналитиков, мировой объем инвестиций в ближайшие годы существенно увеличится: по данным IDC – до 632 млрд долларов к 2028 году. Это обусловлено тем, что все больше отраслей начинает понимать важность и потенциал ИИ для своего развития.

На российском рынке инвестиции в R&D по ИИ также будут продолжать расти. Государство поддерживает это направление, осознавая его стратегическую важность для экономики. Программы по развитию искусственного интеллекта, гранты и инициативы по поддержке проектов в области ИИ будут способствовать привлечению инвестиций и ускорению разработки новых технологий.

Мы и сами активно следим за развитием разработок в области ИИ. В Cloud.ru за это отвечает моя команда, которая занимается исследованием, внедрением и развитием ИИ-инноваций.

Внедрение во внутренние процессы: опыт Cloud.ru

Изучением ИИ-ассистентов мы начали заниматься практически сразу после того, как на рынке в общем доступе стали появляться продвинутые GPT-модели.

Уже в августе 2023 года у нас была первая версия ИИ-помощника на базе технологий GenAI, доступная всем сотрудникам компании. Если говорить про продуктовую часть внедрения, то важно уметь максимально приземлять возможности технологии на потребности пользователя. Мы провели исследование рынка, собрали базовые сценарии, провели интервью с представителями целевых групп пользователей внутри компании. Постепенно при определенной стратегии инновацию получилось сделать понятной и ценной для существенного количества пользователей. По предварительным данным, наш корпоративный ИИ-ассистент позволяет экономить от 10 до 15% времени сотрудников с разными ролями и из разных подразделений.

Если говорить про ИИ-помощников для улучшения клиентского сервиса для наших внешних заказчиков, то здесь наш путь был специфичным и с набором определенных вызовов. Это связано со спецификой бизнеса и тонкостями, связанными в основном с данными. В качестве основы мы воспользовались RAG (retrieval augmented generation) – технологией, позволяющей использовать GPT-модели вкупе с внутренней базой знаний, предоставляя таким образом ответ на запрос пользователя с опорой на данные о наших конкретных продуктах и услугах. На сегодняшний момент мы уже разработали несколько PoC (proof of concept), собрали обратную связь от пользователей и дорабатываем технологию по их запросу. Далее мы планируем развивать и масштабировать технологию, создавая инновационные ИИ-системы не только для клиентского сервиса, но и в других областях.