Искусственный интеллект в Казахстане: что компании внедряют на самом деле

Что приживается в казахстанских компаниях

Разрыв между тем, о чём говорят на конференциях, и тем, что стоит в компаниях, довольно велик. По задачам, которые мы видим в работе, приживаются пять.

Первая линия в мессенджерах. Самое частое и самое быстрое по окупаемости. Клиент в Казахстане пишет в WhatsApp, Instagram и Telegram, и объём однотипных вопросов там компании обычно недооценивают вдвое. Бот закрывает типовое, остальное передаёт менеджеру с историей переписки.

Распознавание документов. Накладные, счета, удостоверения, договоры. Данные попадают в учётную систему без перепечатывания — вместе с опечатками, которые ручной ввод создаёт.

Ассистент по внутренним знаниям. Отвечает сотрудникам по регламентам, инструкциям и прайсам компании. Эффект заметен там, где есть текучка: новый человек перестаёт отвлекать опытного по десять раз в день.

Помощь отделу продаж. Квалификация входящих заявок, расшифровка звонков, разбор причин отказа.

Видеоаналитика. Очереди, выкладка, безопасность, дым и огонь. Работает там, где камеры уже стоят — новая инфраструктура не нужна.

Что пока не работает

Об этом говорят реже, а считать надо честно.

Задачи с редкими данными. Модель учится на примерах. Двадцать случаев в год — учиться не на чем, дешевле написать правила.

Автоматические решения о деньгах. ИИ ошибается, и это нормально. Вопрос в цене ошибки: в подсказке менеджеру она копеечная, в автоматической выдаче скидки или кредита — нет. В таких местах он идёт помощником человека.

Наведение порядка в данных. Если справочник в беспорядке, модель добросовестно обучится на беспорядке. Чистка данных остаётся ручной работой и делается до внедрения.

Внедрение без задачи. «Нам нужен ИИ, придумайте что-нибудь» заканчивается демонстрацией на совещании и забывается через месяц. Это самая дорогая из неудач, потому что тратится не только бюджет, но и доверие внутри компании.

Сколько это стоит и как считать окупаемость

Пилот одной задачи — от 500 000 ₸ и три-шесть недель. Сумма сознательно небольшая: он должен быть дешевле, чем цена ошибки в выборе направления.

Критерий успеха формулируется до старта и в цифрах. Для первой линии это доля обращений, закрытых без человека. Для документов — доля распознанных без правок. Для ассистента — сокращение числа внутренних вопросов. Без такого критерия обсуждение результата превращается в спор о впечатлениях.

Отдельная строка, о которой забывают на старте: стоимость эксплуатации. У языковых моделей она привязана к объёму обращений, и на росте это заметно. Считать её надо на вашем реальном потоке, а не на демонстрационном.

Куда уходят данные

Вопрос, который задают на каждой первой встрече, и правильно делают.

Часть задач закрывается моделями, работающими на вашем сервере. Тогда данные не покидают контур компании вовсе — это дороже в железе, но снимает вопрос целиком.

Часть требует облачных моделей. Здесь имеет смысл заранее проговорить, что именно туда уходит: часто задачу можно построить так, чтобы наружу шёл обезличенный фрагмент, а не документ целиком.

Для компаний, работающих с персональными данными по договору с заказчиком, это не теоретический вопрос: требования к месту хранения обычно прописаны в самом договоре, и проверить их надо до выбора решения, а не после.

С чего начать, если ИИ у вас ещё нет

Не с выбора модели и не с изучения рынка платформ. С одного вопроса: где в компании люди делают руками то, что повторяется каждый день.

Посчитайте это в часах. Двадцать однотипных обращений в день по пять минут — это тридцать пять часов в месяц, почти четверть ставки. Вот с этой цифрой и имеет смысл сравнивать стоимость пилота.

Дальше — одна задача, ваши данные, измеримый критерий, три-шесть недель. Не дотянули — вы это видите на небольшой сумме и знаете, что делать дальше. Дотянули — расширяете на соседнюю задачу, уже понимая, как это работает у вас.