Когда AI делает из сломанного бизнес-процесса рабочий.
Я часто проговариваю, что AI лучше всего внедрять не через создание нового бизнес-процесса, а через AI-модернизацию уже существующего.
Сегодня хочу отметить один интересный кейс.
В вашей компании может уже существовать бизнес-процесс, но он при этом сломан. Ну, или не доведён до конца.
Многие компании уже собирают:
1. Статистику на своих сайтах/в приложениях.
2. Записи звонков своих Sales/Support специалистов.
3. Данные о заказах в интернет-магазине.
4. История взаимодействия с клиентом в CRM/CDP-системе.
Вот только сам факт сбора данных ещё ничего не даёт. Небольшие компании раньше не могли по всем собираемым данным выстроить работающий пайплайн обработки, чтобы на основе собранной информации можно было принимать решения.
Часто данные просто копились «до лучших времён». В итоге – получаем склад когда-то ценных информационных артефактов, которые никто никогда не применит.
Или применит?
Как AI помогает разрешить эту проблему и получить первые полезные выводы на основе данных:
1. Переводим данные в текстовый вид. Если были записи/видео, то их можно прогнать через условный Gemini или другую модель, поддерживающую аудио/видео на вход.
2. С помощью LLM добавляем данным структуру. Разбиваем их по определённым параметрам/критериям, которые важны для дальнейшего исследования.
3. Из полученных структурированных данных либо собираем таблицу, либо с помощью встроенных в python инструментов создаём графики/диаграммы (помните: график должен идти из левого нижнего угла – в правый верхний).
4. Или берём мой любимый Shadcn и с его помощью создаём визуализации, заточенные под принятие конкретных решений по бизнес-процессам.
Эта схема особенно хорошо работает в ситуациях, когда данные связаны с деньгами и процессом их заработка. Даже на базовых визуализациях, зачастую, можно обнаружить неочевидные закономерности.
То, что раньше приходилось переслушивать, пересматривать, перечитывать, отсматривать, теперь можно перевести в текст, разложить по критериям в структуру и быстро проанализировать. Данные перестают быть архивом-свалкой и начинают работать на бизнес.
Важно! Не все данные стоит отправлять в LLM. Это может быть конфиденциальная информация, данные под NDA, персональные/чувствительные данные. В таком случае, в качестве пункта 0 в списке выше нужно добавлять процесс очистки информации от данных, которыми не стоит делиться с OpenAI/Anthropic/Google/и любыми другими облачными сервисами.
Добавить комментарий