Попасть в нейронную сеть: как искусственный интеллект может сэкономить деньги компании

Нейронные сети и искусственный интеллект в наши дни не только модная тема для разговоров и публикаций в СМИ, но и важный элемент бизнеса. Причём, вопреки распространённому мнению, AI внедряют не только корпорации, но и компании малого и среднего бизнеса. О том, какую пользу бизнесу может принести нейронная сеть, в своей авторской колонке для портала Biz360.ru рассказал основатель Университета искусственного интеллекта Дмитрий Романов.

Искусственный интеллект (AI или Artificial Intelligence) может принести бизнесу достаточно ощутимую пользу. Например, он может выполнять задачи, которые человек физически не способен осилить из-за огромных объёмов данных. При этом выгоду от использования AI вполне можно посчитать – то есть определить её финансовые показатели. 

Экономический эффект от внедрения AI достигается за счёт двух важных факторов: 

• Увеличение оборота – если вы добавляете продукту дополнительный полезный функционал для клиентов; 

• Прямая экономия денег – это наиболее очевидно оцениваемая выгода, поэтому этот фактор удобен для использования в качестве аргумента при обсуждении в компании внедрения искусственного интеллекта. 

В этой статье речь пойдёт именно о прямой экономии денег. 

Если говорить о сокращении расходов за счёт искусственного интеллекта – есть два основных сценария: 

• Замена сотрудников искусственным интеллектом, то есть разовое вложение в разработку и последующая экономия на зарплатах;

• Уменьшение рисков, которые ведут к прямым штрафам, санкциям, потерям и т.д. 

Разберём их подробнее на примерах. 

Замена сотрудников на нейронную сеть 

Первый пример: отдел контроля качества колл-центра. Представьте колл-центр из 300 человек, в том числе 30 менеджеров контроля качества. Они слушают звонки и проверяют, правильно ли менеджер колл-центра поприветствовал клиента и попрощался с ним, попросил ли контакты, был ли вежлив, не было ли негатива или эмоций со стороны клиента или тем более менеджера, правильно ли он презентовал продукт и отвечал на вопросы, соблюдал ли внутренние регламенты. 

В среднем зарплата менеджера контроля качества с учётом налогов – 40 тысяч рублей, расходы на 30 менеджеров составят 1,2 млн. рублей. Вместе с зарплатой руководителей на эту статью расходов уходит минимум 1,5 млн. рублей в месяц, не считая разовых трат в те же 1-1,5 млн. на оборудование рабочих мест и аккаунты в CRM. Также следует добавить расходы на найм: нанять одного менеджера в офис в среднем обходится в 30 тысяч рублей, на удалёнку – в 15 тысяч. 

Сколько стоит нейронная сеть, которая будет решать те же задачи? Мы разрабатывали похожие нейронные сети, поэтому я могу дать достаточно точную оценку: самый примитивный вариант обойдётся примерно в 1,5-2 млн. рублей, а хорошо проработанная нейронная сеть обойдётся в 5-6 млн. рублей. 

В итоге AI даёт мощную экономию. Нейронная сеть стоит 5-6 млн. рублей, а отдел из менеджеров –1,5 млн на старте и далее по 1,5 млн. ежемесячно, в итоге нейронная сеть окупится уже на четвёртый месяц. Может ли нейронная сеть заменить 30 менеджеров отдела контроля качества? Может, поверьте. Я управлял аналогичными отделами контроля качества колл-центров, и не могу сказать, что люди работают лучше, чем AI. Люди требуют постоянного контроля. В итоге появляются отделы контроля качества над контролем качества, менеджерам требуется постоянное обучение, и всё равно ошибок эти сотрудники допускают больше, чем нейронная сеть. 

Минусов замены сотрудников на нейросеть всего два: 

• Необходимость нанимать разработчиков (наш университет отдаёт компаниям квалифицированных AI-разработчиков бесплатно, в то время как обычно найм обходится в две месячные зарплаты специалиста, т.е. порядка 150-400 тысяч); 

• Время разработки – 6-8 месяцев до внедрения. 

Второй пример: небольшое маркетинговое агентство. Владелец – наш выпускник, клиент – риелторское агентство. Одна из его услуг – оценка стоимости недвижимости. Этим занимались два штатных сотрудника, которые выдавали лимитированный объём оценок и при этом регулярно ошибались. Владелец агентства пришёл к нам на обучение, чтобы создать нейронную сеть, которая их заменит, и успешно создал её за полгода своими руками, не потратив ничего на разработчиков. Созданная им нейронная сеть по точности и объёму оценок значительно превзошла сотрудников. Это пример замены сотрудников на нейросеть в малом бизнесе. 

Наверняка в компании вы найдёте, кого можно заменить на нейросеть и тем самым сократить расходы. Конечно, нельзя, например, заменить нейронной сетью директора по продажам или HR-директора. А вот линейных HRов или линейных менеджеров можно, и вполне успешно. 

Снижение рисков благодаря нейронной сети 

Этот параметр оценить чуть сложнее, но это тоже прямое сокращение расходов.

Первый пример: стройка, где рабочие должны ходить в защитных касках и жилетах. Это может контролировать сотрудник, а может нейронная сеть. Если сотрудник проявит невнимательность, кто-то из строителей будет работать без каски и жилета. И тогда в лучшем случае внезапная проверка обнаружит нарушение техники безопасности, а в худшем – кто-то получит травму, и это будет означать штрафы, проверки и много проблем. Если мы уменьшим эти риски за счёт нейронной сети, которая работает в разы внимательней, чем человек, то получим существенную экономию и снизим риски. 

Допустим, в среднем компания получает штраф за нарушение техники безопасности сотрудниками в размере 5 млн. рублей один раз в два года, то есть 2,5 млн. в год. Если внедрить нейронную сеть, которая будет допускать подобные ситуации в десять раз реже, то затраты на штрафы сократятся с 2,5 млн. до 250 тысяч в год. 

Теперь добавим инциденты: допустим, на строителя что-то упало, а он был без каски и получил травму. Для компании это репутационные и финансовые издержки. Если нейронная сеть сократит эту вероятность даже пятикратно (оценка субъективная), это принесёт выгоду. Стоимость разработки нейронной сети для таких задач будет порядка 3 млн. рублей. 

Второй пример: один из наших студентов создал нейронную сеть, которая на сталелитейных заводах распознавала штампы литых заготовок. Задача сети – чтобы созданная отлитая болванка стали уехала к правильному заказчику, условно, в Китай, а не в Эмираты, потому что каждая ошибка стоит компании 10 млн. рублей штрафов, а персонал может периодически ошибаться. Созданная нашим студентом нейронная сеть с точностью 99% определяла цифры, выбитые на стальной болванке, и одновременно нейронная сеть и человек могли ошибиться минимум в десять раз реже, чем только человек. На каждом случае компания экономила 10 млн. рублей штрафа и репутационные издержки. 

• Заменить сотрудников на нейронную сеть. На «штучных» позициях нейронная сеть не заменит живого специалиста ещё лет пять-десять. Но на массовых это можно делать уже сегодня. Определите вместе с экспертами по AI, каких именно сотрудников в вашей компании может заменить нейронная сеть, сравните расходы – это поможет принять правильное решение. 
  
  

• Предотвращать штрафы. Определите все точки возможных штрафов и рисков, пригласите экспертов и AI-разработчиков и обсудите по пунктам, какие из перечня рисков можно снизить с помощью нейронной сети. Затем оцените риски финансовых потерь и сравните их со стоимостью внедрения. И уже потом принимайте решение.

Чтобы не пропустить интересную для вас статью о малом бизнесе, подпишитесь на наш Telegram-канал, страницу в «ВКонтакте» и канал на «Яндекс.Дзен».
biz360