Искусственный интеллект в корпоративной среде

Как компания по исследованию и внедрению ИИ, OpenAI отдает приоритет партнёрству с глобальными компаниями, поскольку наши модели лучше всего работают в сложных, взаимосвязанных рабочих процессах и системах.

Мы наблюдаем значительные и измеримые улучшения благодаря ИИ по трем направлениям:

1. Производительность труда – помогая людям выполнять задачи качественнее и быстрее.
2. Автоматизация рутинных операций – освобождение людей от повторяющихся задач, чтобы они могли сосредоточиться на более ценной деятельности.
3. Улучшение продуктов – предоставление клиентам более релевантного и оперативного опыта.

Использование ИИ отличается от создания обычного ПО или облачных приложений. Наибольший успех получают компании, которые воспринимают ИИ как новую парадигму, используют экспериментальный подход и итеративную разработку, что позволяет быстрее достигать результата и заручиться поддержкой пользователей и заинтересованных сторон.

OpenAI организована вокруг трех команд. Исследовательская команда занимается развитием новых моделей и возможностей ИИ. Продуктовая команда превращает эти модели в продукты, такие как ChatGPT Enterprise и наше API. Команда внедрения доставляет эти продукты в компании, решая наиболее важные задачи.

Мы используем итеративный подход к внедрению, быстро учимся на кейсах клиентов и используем полученные знания для улучшения продуктов. Это означает регулярные обновления, получение обратной связи и повышение производительности и безопасности на каждом этапе.

Результат: пользователи получают доступ к новым достижениям ИИ как можно раньше, и ваша обратная связь формирует будущие продукты и модели.

Семь уроков по внедрению ИИ в корпоративную среду:

1) Начните с оценки – используйте систематический процесс оценки, чтобы измерить производительность моделей по вашим сценариям использования.

2) Встраивайте ИИ в продукты – создавайте новый опыт и релевантные взаимодействия с клиентами.

3) Начинайте сейчас и инвестируйте заранее – чем раньше вы начнете, тем больше будет ваша выгода.

4) Настройте и дообучите модели – настройка ИИ под ваши задачи значительно повышает его ценность.

5) Передайте ИИ в руки экспертов – сотрудники, которые ближе всего к процессу, лучше всего знают, как улучшить его с помощью ИИ.

6) Уберите преграды для разработчиков – автоматизация жизненного цикла разработки ПО увеличивает дивиденды от ИИ.

7) Поставьте амбициозные цели по автоматизации – большинство процессов содержат много рутинной работы, которая подходит для автоматизации.

Как Morgan Stanley внедрял ИИ, чтобы обеспечить качество и безопасность. Будучи мировым лидером в сфере финансовых услуг, Morgan Stanley — это компания, основанная на взаимоотношениях.

Неудивительно, что в бизнесе возникли вопросы о том, как ИИ может принести пользу в столь личной и чувствительной работе.

Ответ заключался в проведении интенсивных оценок для каждого предлагаемого применения.

Оценка (eval) — это просто строгий, структурированный процесс измерения того, как модели ИИ на самом деле справляются с задачами в конкретном сценарии. Это также способ постоянно улучшать процессы с ИИ, получая экспертную обратную связь на каждом этапе.

Первая оценка в Morgan Stanley была направлена на повышение эффективности и продуктивности финансовых консультантов.

Предпосылка была проста: если консультанты смогут получать информацию быстрее и тратить меньше времени на повторяющиеся задачи, они смогут предоставлять клиентам больше и лучших рекомендаций.

Они начали с трёх оценок моделей:

1. Перевод текста
2. Резюмирование
3. Обучение с участием человека

• Измерение точности и качества переводов, созданных моделью
• Оценка того, как модель сжимает информацию, используя согласованные метрики точности, релевантности и связности
• Сравнение результатов ИИ с ответами экспертных консультантов, оценка по точности и релевантности

Эти и другие оценки дали Morgan Stanley уверенность начать внедрение этих сценариев в продакшн.

Сегодня 98% консультантов Morgan Stanley используют OpenAI каждый день; доступ к документам вырос с 20% до 80%, при этом время на поиск информации резко сократилось. Консультанты теперь тратят больше времени на отношения с клиентами благодаря автоматизации задач и ускоренному получению инсайтов.

Отзывы от консультантов были исключительно положительными. Они больше вовлечены в работу с клиентами, а действия, на которые раньше уходили дни, теперь выполняются за часы.

— Кейтлин Эллиотт, Руководитель направления генеративного ИИ в компании

Строгие оценки ведут к более стабильным, надёжным приложениям, устойчивым к изменениям. Оценки строятся вокруг задач, которые измеряют качество вывода модели по сравнению с эталоном — стала ли она точнее? Соответствует ли требованиям? Безопаснее ли? Ключевые метрики зависят от того, что наиболее важно для конкретного сценария.

Когда ИИ используется для автоматизации и ускорения утомительных, повторяющихся задач, сотрудники могут сосредоточиться на том, что под силу только людям.

ИИ способен обрабатывать огромные объёмы данных из множества источников и создавать клиентский опыт, который кажется более человечным — потому что он более релевантный и персонализированный.

Indeed, сайт №1 в мире по поиску работы, использует GPT-4o mini для нового подхода к подбору вакансий.

Хорошие рекомендации вакансий — это только начало опыта Indeed. Нужно также объяснить кандидату, почему ему рекомендовали именно эту вакансию.

Indeed использует анализ данных и возможности естественного языка GPT-4o mini для создания таких объяснений — “почему” — в письмах и сообщениях.

Функция “Приглашение откликнуться” теперь объясняет, почему опыт кандидата соответствует вакансии.

Они протестировали старый движок сопоставления вакансий с новой версией на GPT с кастомизированным контекстом:

• Увеличение числа начатых заявок на 20%
• Рост показателя успешности на следующих этапах на 13%: не только больше кандидатов подавали заявки, но и работодатели чаще нанимали их Indeed рассылает более 20 миллионов сообщений в месяц, и имеет 350 миллионов визитов — эти улучшения дают ощутимый эффект на бизнес.

Но масштабирование потребовало больше токенов. Поэтому OpenAI и Indeed совместно доработали меньшую модель GPT, которая дала те же результаты, но с 60% меньшими затратами токенов.

Помощь кандидатам в поиске подходящей работы и объяснение, почему она подходит — глубоко человечная задача. Команда Indeed использовала ИИ, чтобы соединить людей и работу быстрее — и это выигрыш для всех.

— Крис Хайэмс, CEO

ИИ редко бывает решением “включил и работает” — сценарии использования становятся более сложными и значимыми через итерации. Чем раньше вы начнёте, тем больше ваша организация получит выгоды от накопительных улучшений.

Klarna — глобальная платёжная сеть и торговая платформа — внедрила нового ИИ ассистента, чтобы упростить обслуживание клиентов.

Всего через несколько месяцев ассистент обрабатывал две трети всех чатов поддержки — выполняя работу сотен сотрудников и сокращая среднее время решения проблемы с 11 минут до всего лишь 2.

Предполагается, что эта инициатива принесёт $40 миллионов прибыли, при этом уровень удовлетворённости клиентов остался на уровне человеческой поддержки. Эти результаты не появились за одну ночь. Klarna достигла этого путём постоянного тестирования и доработки ассистента. Не менее важно то, что 90% сотрудников Klarna теперь используют ИИ в своей повседневной работе.

Рост вовлечённости в ИИ по всей организации позволил Klarna действовать быстрее, запускать внутренние инициативы эффективнее и постоянно улучшать клиентский опыт. Инвестируя заранее и поощряя широкое внедрение, Klarna видит, как ИИ приносит всё больше пользы — принося отдачу по всему бизнесу.

Этот ИИ-прорыв в взаимодействии с клиентами означает более высокий уровень обслуживания при лучшей цене, более интересные задачи для сотрудников и лучшую отдачу для инвесторов.

— Себастьян Семиатковски, сооснователь и CEO

Компании, которые добиваются наибольшего успеха в использовании ИИ, часто тратят время и ресурсы на кастомизацию и обучение собственных моделей.

OpenAI вложила серьёзные усилия в API, чтобы сделать настройку и дообучение моделей проще — как в формате самообслуживания, так и с использованием инструментов и поддержки. Мы тесно работали с Lowe’s — компанией из списка Fortune 50 в сфере товаров для дома — чтобы улучшить точность и релевантность поисковой функции на их e-commerce платформе.

У Lowe’s тысячи поставщиков, и часто им приходится работать с неполными или несогласованными данными о товарах. Ключевым являются точные описания товаров и теги. Но также необходимо понимание того, как покупатели ищут — а это зависит от категории товаров. Именно здесь помогает дообучение. Дообучив модели OpenAI, команда Lowe’s смогла повысить точность тегирования товаров на 20%, а точность обнаружения ошибок — на 60%. В команде ощущалось настоящее волнение, когда мы увидели результаты дообучения GPT-3.5 на наших товарных данных. Мы поняли — это успех!

— Нишант Гупта, старший директор по данным, аналитике и вычислительному интеллекту

Если GPT-модель — это костюм из магазина, то дообучение — это пошив по индивидуальным меркам: способ адаптировать модель под данные и задачи вашей организации.

Почему это важно:

• Повышенная точность
• Отраслевые знания
• Единый стиль и тон
• Быстрые результаты

Обучая модель на ваших данных — например, каталогах товаров или внутренних FAQ — вы получаете более релевантные, соответствующие бренду ответы. Дообученные модели лучше понимают терминологию, стиль и контекст вашей отрасли.

Для розничной торговли это может означать, что все описания товаров соответствуют голосу бренда; для юрфирмы — что ссылки на нормативные акты всегда оформлены правильно. Меньше ручной правки — больше времени на важные задачи.

Ваши сотрудники ближе всего к бизнес-процессам и проблемам — и часто именно они лучше всего могут найти решения на базе ИИ. Дать ИИ в руки этих экспертов может быть гораздо мощнее, чем пытаться строить универсальные решения.

BBVA — мировой лидер в банковской сфере — насчитывает более 125 000 сотрудников, у каждого из которых — свой уникальный набор задач и возможностей.

Они решили передать ИИ в руки сотрудников, тесно сотрудничая с командами юридического отдела, комплаенса и ИТ-безопасности, чтобы обеспечить ответственное использование. Они развернули ChatGPT Enterprise по всему миру и позволили людям самостоятельно находить сценарии использования.

“Обычно, в такой компании, как наша, даже для создания прототипа требуются технические ресурсы и время”, — говорит Елена Альфаро, руководитель глобального внедрения ИИ в BBVA. — “С пользовательскими GPT каждый может создавать приложения под уникальные задачи — начать очень просто.”

За пять месяцев сотрудники BBVA создали более 2900 пользовательских GPT — некоторые из них сократили сроки проектов и процессов с недель до часов.

Примеры применения в разных департаментах:

• Команда по кредитным рискам - Использует ChatGPT для более быстрого и точного определения кредитоспособности.
• Юридический отдел - Отвечает на 40 000 вопросов в год о политике, соблюдении правил и многом другом.
• Служба поддержки клиентов - Автоматизирует анализ тональности по результатам NPS-опросов.

Эти успехи распространились и на маркетинг, управление рисками, операционные отделы и другие области — всё потому, что ИИ попал в руки тех, кто знает, как применить его в своей профессии. Мы считаем инвестиции в ChatGPT инвестициями в наших людей. ИИ усиливает наш потенциал и помогает быть эффективнее и креативнее.

— Елена Альфаро, руководитель глобального внедрения ИИ

Ресурсы разработчиков — главный узкий участок и тормоз роста во многих организациях. Когда инженерные команды перегружены, это тормозит инновации и создаёт непреодолимый бэклог идей и приложений.

Mercado Libre — крупнейшая в Латинской Америке компания в области электронной коммерции и финтеха — объединилась с OpenAI для создания платформенного слоя разработки, решающего эту проблему.

Эта система называется Verdi, она работает на базе GPT-4o и GPT-4o mini. Сегодня она помогает 17 000 разработчиков ускорять и унифицировать создание ИИ-приложений.

Verdi интегрирует языковые модели, Python-модули и API в масштабируемую, стабильную платформу, где естественный язык — главный интерфейс. Разработчики теперь создают качественные приложения быстрее и без необходимости лезть в исходный код. Встроены безопасность, ограничения и логика маршрутизации.

В результате, создание ИИ-приложений ускорилось и позволило сотрудникам Mercado Libre делать потрясающие вещи, в том числе:

• Улучшение управления складскими запасами
• Обнаружение мошенничества
• Индивидуализация описаний товаров
• Рост заказов
• Персонализация уведомлений

GPT-4o mini Vision автоматически тегирует и заполняет карточки товаров, позволяя каталогизировать в 100 раз больше наименований.

Модель обрабатывает данные по миллионам товаров ежедневно, повышая точность обнаружения мошенничества до почти 99%. Переводит названия и описания товаров, учитывая нюансы испанского и португальского диалектов. Автоматически создаёт краткие обзоры отзывов, помогая пользователям быстро понять суть. Адаптирует push-уведомления для увеличения вовлечённости и улучшения рекомендаций.

Следующий шаг — использовать Verdi для улучшения логистики, снижения количества задержек и решения задач с ещё более высоким влиянием.

— Себастьян Барриос, старший вице-президент по технологиям

В OpenAI мы живём с ИИ каждый день, поэтому постоянно находим новые способы автоматизировать собственную работу.

Кейс: автоматизация на базе Gmail — для составления ответов клиентам и запуска действий. Используя платформу, наши команды могут мгновенно получать данные о клиенте и нужные статьи, затем включать их в письма или конкретные действия — такие как обновление аккаунтов или открытие тикетов в поддержку.

Встраивая ИИ в существующие процессы, команды стали эффективнее, быстрее реагируют и больше ориентированы на клиента. Эта платформа обрабатывает сотни тысяч задач ежемесячно, освобождая сотрудников для более значимой работы. Неудивительно, что система теперь распространяется и в другие отделы. Это стало возможно, потому что мы изначально ставили смелые цели по автоматизации, а не мирились с неэффективными процессами как с неизбежным злом бизнеса.

Как показывают предыдущие примеры, любой бизнес может использовать возможности ИИ для улучшения результатов. Сценарии использования могут варьироваться в зависимости от компании и отрасли, но уроки применимы на всех рынках.

Общая тема: внедрение ИИ выигрывает от открытого, экспериментального подхода, основанного на строгих оценках и мерах безопасности. Компании, добивающиеся успеха, не спешат внедрять модели ИИ повсюду сразу. Они концентрируются на сценариях с высокой отдачей и небольшими усилиями, учатся на каждом шаге и распространяют знания на новые области.

Результаты ясны и измеримы: более быстрые и точные процессы, персонализированный клиентский опыт и более удовлетворительная работа для сотрудников, которые могут сосредоточиться на том, что лучше всего делают люди.

Компании интегрируют рабочие процессы с ИИ для автоматизации все более сложных процессов, часто используя инструменты, ресурсы и агентов для выполнения задач. Мы продолжим делиться опытом внедрения ИИ, помогая вам планировать ваши шаги.

Безопасность и конфиденциальность: ваши данные остаются вашими – мы не используем ваш контент для обучения наших моделей; вы сохраняете полную собственность над своими данными. Мы соблюдаем корпоративные стандарты – данные зашифрованы в пути и в покое в соответствии с высокими стандартами, такими как SOC 2 Type 2 и CSA STAR Level 1. Также присутствует гибкий контроль доступа – вы выбираете, кто может видеть и управлять данными, обеспечивая внутреннее управление и соблюдение нормативных требований, и гибкое хранение – настройте параметры логирования и хранения в соответствии с политикой вашей организации