Как компании превращают ИИ в измеримую бизнес-ценность: мнение эксперта

Сегодня компании инвестируют миллиарды в искусственный интеллект, но далеко не всегда получают ожидаемую отдачу. Как ИИ перестраивает бизнес-модели и помогает находить новые возможности, объяснил Кирилл Ярошенко, старший менеджер по работе с клиентами в Axion Ray и бывший консультант McKinsey & Company.

Фото: Фото из личного архива Кирилл Ярошенко

Кирилл Ярошенко, старший менеджер по работе с клиентами в Axion Ray и бывший консультант McKinsey & Company

— Вы работали с крупнейшими компаниями в США и Европе. Как новые технологии меняют их бизнес-модели, какие тенденции вы считаете самыми важными?

— Я занимаюсь внедрением генеративного искусственного интеллекта (ИИ, Generative AI) в индустриальном, аэрокосмическом и потребительском производстве (электроника, медицинские девайсы). Помогаю компаниям внедрять ИИ для улучшения контроля качества и клиентского опыта с помощью раннего выявления проблем в организации производственных и послепродажных процессов.

Бизнесу нужны инструменты на основе ИИ. Фундаментальные модели, созданные OpenAI, Antropic, применимы в любых сферах, но они не решают проблемы конкретной индустрии. Наша платформа управления данными на основе ИИ нацелена на улучшение качества, клиентского опыта, маркетинга, службы поддержки, послепродажного контроля в производственных компаниях. С помощью ИИ платформа объединяет разрозненные данные, выстраивает связи, определяет направления, в которых клиенту нужно двигаться. За счет сквозного наблюдения и анализа разных наборов данных появляется возможность фиксировать сигналы недовольства, выявлять "сломанные" процессы в контроле качества, управлении клиентским опытом, в маркетинге, службе поддержки. Зная реальные проблемы наша команда может их решить.

— Ваш опыт сочетает стратегическое консультирование и внедрение цифровых решений. Какие вы считаете, какие профессиональные навыки позволяют вам добиваться результатов в сложных проектах? И что бы вы посоветовали развивать другим консультантам, работающим с ИИ? Что им сейчас даст конкурентное преимущество?

— Мне помогает подход "мышления от первых принципов", то есть разбирать проблему до основы, чтобы находить лучшее решение. Дальше уже профессиональный аспект; тут надо просто экспериментировать с внедрением ИИ в свои собственные рабочие процессы и задачи. Фактически профессионал превращается в "менеджера смыслов". Его задача формулировать стратегию, ставить цели и контролировать результаты работы своих ИИ-помощников и агентов.

Не менее важно видеть "большую картину": как развивается индустрия, куда идут инвестиции венчурного капитала, какие шаги предпринимают крупные традиционные игроки. Это помогает не только ориентироваться в технологиях, но и правильно определять, где действительно создается ценность для бизнеса. Многие существующие решения, будь то кастомный софт, универсальные платформы или консалтинг "с нуля", часто оказываются слишком медленными, плохо масштабируются и не решают конкретных задач клиента. Ошибки в настройке и приоритизации ИИ могут дорого стоить бизнесу, поэтому консультантам нужно уметь управлять этим процессом.

Что я считаю ключевыми навыками нового поколения консультантов:

• Умение работать с данными. Не просто строить слайды, а структурировать большие массивы информации, находить в них причинно-следственные связи.

• Знание технологических основ. Понимание того, как устроены облачные хранилища, модели ИИ, как работают API и интеграции — без этого сложно предлагать реалистичные решения.

• Навыки "переводчика" между бизнесом и технологиями. Консультант, который может объяснить бизнес-ценность и технологическую логику бизнес-лидерам, всегда будет на шаг впереди.

• Гибкость и скорость. В условиях, когда технологии меняются каждые полгода, важно уметь быстро тестировать гипотезы, запускать пилоты и адаптироваться.

• Креативность и стратегическое мышление. Простое воспроизведение "лучших практик" уже не работает; ценность создается там, где консультант способен предложить новое видение.

— Вы активно внедряете генеративный ИИ в бизнес-процессы. Можете поделиться своим самым ярким кейсом, где технология реально изменила работу компании и принесла ощутимый эффект?

— Один из показательных кейсов связан с производителем электроники. Компания столкнулась с массовыми возвратами наушников, и убытки исчислялись миллионами. Проблема была в том, что традиционные методы анализа слишком долго не давали результата, а каждый день компания теряла деньги и доверие клиентов.

Я тогда занимался тем, чтобы собрать воедино данные из разных источников: отзывы покупателей, соцсети, обращения в сервис. С помощью ИИ мы выявили неожиданный источник проблемы: конструкция кнопки, которая ломалась в бытовых условиях. Я не просто нашел этот сигнал, но и организовал процесс проверки гипотезы с инженерами и производством, а затем помог внедрить изменения в дизайн и настроить систему раннего мониторинга жалоб. Это позволило компании фактически остановить поток возвратов.

Другой пример -- крупный производитель мотоциклов. Здесь проблемы качества начинались еще на уровне поставщиков: дефектные детали закладывались в партию изначально, и бизнес терял десятки миллионов долларов на возвратах. Руководство понимало масштаб, но не видело, где именно корень проблемы.

Здесь я выстроил сквозную систему аналитики: от поставщика и конкретной смены на заводе до гарантийных обращений. Это позволило увидеть, какие именно узлы и параметры производства приводят к браку. На этой основе я помог изменить политику работы с поставщиками: ввели новые метрики качества, дополнительные проверки и даже компенсационные выплаты (от поставщика производителю). В результате возвраты техники снизились, а компания смогла переложить часть убытков на поставщиков и улучшить контроль качества на долгую перспективу.

— Ваша работа объединяет анализ данных, технологии и стратегию. Какие ключевые уроки из вашего опыта будут полезны другим лидерам, стремящимся использовать инновации для роста и конкурентного преимущества?

— Мой совет включает три компонента. Первый — программность внедрения технологий.

Решение по цифровой трансформации на основе внедрения ИИ должно приниматься на стратегическом уровне и совпадать с главными целями бизнеса или конкретного департамента. Допустим, на каком-то этапе выявляется неспособность бизнеса адаптироваться к новым технологиям или их влияние на поставленные метрики слишком мало и не оправдывает затрат. Здесь есть два пути — отказ от внедрения ИИ или замена используемых инструментов, направлений, команды. И бояться этого процесса не нужно, а изменение метрик — главный индикатор пользы от новых технологий, включая ИИ.

Второй — постановка четких понятных метрик (KPI). Надо определить метрики первого уровня — целевые показатели (выручка, затраты, прибыльность). Разбить их на компоненты, которые можно двигать поставленными стратегическими инициативами. Отслеживать и анализировать, как цифровая трансформация на основе ИИ способствует движению к поставленным целевым показателям.

И третий — это возможность следовать метрикам и сделать программу по внедрению ИИ в любую функцию компании измеряемой по отношению к этим метрикам. Следуя этим советам вы получите реальную пользу от внедрения ИИ в бизнес.