Альфа-Банк считает эффект ИИ в деньгах: проверка документов за минуты вместо двух суток
Альфа-Банк считает эффект ИИ в деньгах: проверка документов за минуты вместо двух суток Компании всё чаще передают ИИ работу, которую раньше делали сотрудники: проверку документов, подготовку предложений клиентам, тестирование гипотез и часть разработки. На встрече Альфа-Банка эксперты банка, «Яндекса», Beeline Cloud и «МТС Линк» обсудили, где технология даёт измеримый результат, а где — только видимость прогресса. Главный барьер — не техника, а отсутствие задачи. Екатерина Борисоглебская из «Яндекса» называет такие инициативы «ВДНХ-проектами»: компания внедряет ИИ, потому что технология «на слуху», и лишь потом ищет, куда его пристроить. Её совет — сначала найти направления с самыми большими потерями или потенциальной выручкой. Николай Верховский, также из «Яндекса», добавляет: заранее выбрать показатель, который должен измениться (например, конверсию или стоимость операции), описать автоматизируемую работу и назначить сотрудника, отвечающего за ИИ-агента и бизнес-результат. Если порядок действий в компании никто не может объяснить, а данные разбросаны, ИИ передавать рано. Альфа-Банк считает эффект до начала разработки по принципу «деньги любят счёт», говорит руководитель цифрового офиса корпоративного бизнеса Семён Деваев: сокращение ручной работы и скорость операций пересчитывают в деньги — например, часы сотрудника на задачу переводят в стоимость. Так заранее видно, окупятся ли затраты на внедрение. Конкретный пример — проверка гипотез. При разработке сервисов для корпоративных клиентов банк не мог быстро собрать руководителей бизнеса для исследований: поиск респондентов, само исследование и обработка результатов занимали до трёх месяцев. Банк создал «синтетических ЛПР» — цифровые модели лиц, принимающих решения в компаниях, — на основе прошлых исследований и переписки с клиентами. Базовую гипотезу теперь проверяют за один-два дня, отдельный вопрос — за один-два часа. Но модель не заменяет живого разговора: слова человека не всегда совпадают с поведением, поэтому гипотезы сверяют с реальными данными клиентов, а для инновационных решений по-прежнему проводят фокус-группы. В валютном контроле проверка документов для сложной операции раньше занимала двое суток и требовала специалиста с нужной подготовкой; ИИ-агент делает это за минуты. Сотрудников не сокращают — прежним составом команда обрабатывает больше операций. По расчёту ИТ-директора банка Алексея Фетисова, в некоторых направлениях агенты выполняют без человека до 90% операций: без них банку пришлось бы нанять около 500 сотрудников, экономию считают как разницу между расходами на штат и стоимостью работы ИИ. Эффект есть и в разработке: раньше над продуктом работала команда из 10–12 человек с двухнедельным циклом, теперь банк тестирует небольшие команды (Tiny Teams) — менеджер продукта и ИИ-инженер с системой агентов проходят тот же объём за день или быстрее. При этом Фетисов предупреждает: цена разработки — не главный показатель. Иногда выгоднее потратить больше и выйти на рынок на восемь месяцев раньше — за счёт ранней выручки. Есть и ограничение сверху: если ИИ ускорил разработку, но согласования и проверки перед запуском занимают недели или месяцы, продукт всё равно не выходит быстрее. Владимир Урбанский из «МТС Линк» делит внедрение на «эволюцию» (рост производительности на 10–20% на привычных задачах) и «революцию» (рост в два-четыре раза с перестройкой процесса). В «МТС Линк» продуктовый портфель вырос вдвое, а человеческий ресурс задействован на 30% меньше. Источник: https://rb.ru/reviews/evolyuciya-ili-revolyuciya-gde-ii-uskoryaet-processy-gde-perestraivaet-rabotu-kompanii/