Sostav.ru
Москва, ул. Полковая 3 стр.3, офис 120
© Sostav независимый проект брендингового агентства Depot
Использование опубликованных материалов доступно только при указании источника.

Дизайн сайта - Liqium

18+
30.01.2025 в 11:50

«Ненулевой баланс»: как крупный бизнес сводит счеты с AI

Команда E-Promo Group рассказала, как искусственный интеллект влияет на разработку ПО и креативные индустрии

1

В российских компаниях больше года тестируют нейросети. Программисты, маркетологи, аналитики уже не воспринимают технологию как универсальное решение для всех профессиональных задач. Эксперты рекламной группы E-Promo Group подготовили материал на основе исследования «Тренды 2024−2025. Российская реальность vs зарубежная» и рассказали Sostav, как риски, присущие определенным индустриям, определяют прогресс внедрения AI в ежедневную работу.

GenAI в разработке программного обеспечения

Разработка цифровых продуктов может быть ускорена на 2 месяца, если привлекать к ней AI. Наиболее сложные из задач — проверка уже написанного кода, создание небольших пользовательских функций, подсказки при программировании. Иногда программисты обращаются к AI, чтобы узнать о новых технологиях и специфических языках программирования. Это полезно, когда необходимо изучить солидные объемы технической документации или учесть нестандартный контекст.

Однако нейросети не помогут, если нужно написать полный код функций или модулей. Эти работы требуют глубокого понимания бизнес-логики и специфики проекта. Запретительным сигналом к работе с генеративными моделями является требование доступа ко всему коду или репозиторию проекта. Нейронные сети для облачных решений, которые предполагают доступ к большему числу функций, чем это необходимо для решения конкретной задачи, также исключаются из зоны внимания IT-компаний.

Роль разработчиков-экспертов возрастает из-за риска так называемых галлюцинаций, когда алгоритм генерирует неправильные или неадекватные результаты. Выявление и устранение ошибок требуют высокой квалификации сотрудников. В некоторых случаях проверка и исправление аномалий занимает больше времени, чем полностью самостоятельная разработка с нуля.

GenAI в креативных индустриях

Российские креаторы нашли применение нейросетям в создании раскадровок и аниматиков для видеопроектов. Аниматик — это практически готовый ролик, который можно сгенерировать с помощью AI и показать заказчику, чтобы у него появилось представление о фильме. В 2025 году сгенерированные аниматики — обязательный элемент профессионального клиентского сервиса, который ожидают от видеопродакшенов.

В российской практике стали появляться экспериментальные проекты с участием голосовых помощников. На партнерских и клиентских мероприятиях SberDevices и креативное агентство Narrators заменили профессиональных ведущих AI-ассистенты. В зависимости от тона и формата мероприятия роли голосового помощника могли варьироваться. Для этого разработчики подготовили фразы-триггеры, на которые реагирует помощник, полноценно взаимодействия со спикером и аудиторией конференций.

Пока что специалистам не удавалось получить оригинальные идеи и концепции видеопроектов на базе AI, которые бы получили профессиональное признание на фестивалях рекламы и маркетинга. Основная причина — в обезличенности контента, который производит нейросеть. Видеоролики получаются искусственными и сюрреалистичными. В них нет реальных людей. Как результат, у зрителей не возникает эмоционального отклика на содержание, и уровень доверия снижен.

ML в маркетинге

Сфера маркетинга и рекламы полагалась на использование машинного обучения задолго до того, как появились большие языковые модели. Кампании Performance Max от Google применяют машинное обучение и интеллектуальные ставки для повышения эффективности рекламы. Пользователям показывают объявления, соответствующие их поисковым интересам, что увеличивает шансы на продажу. В Meta* (*признана экстремистской и террористической организацией в России) AI адаптирует контент на основе целей рекламных кампании. Microsoft с помощью инструмента Copilot генерирует подходящие изображения, заголовки и описания продуктов.

Российские IT-компании разрабатывают аналогичные продукты, которыми ежедневно пользуются маркетологи брендов и рекламных агентств. «Яндекс» использует машинное обучение в контекстной рекламе для автоматического таргетинга объявлений. Разработчик создал собственную библиотеку CatBoost для машинного обучения, которая применяется для построения рекомендаций, распознавания голоса и ранжирования поисковой выдачи.

AI в data-аналитике

Глобальные компании научились не только собирать данные, но и находить в них инсайты для достижения измеримых целей. Для этого они разрабатывают стратегии Data Governance, то есть управления данными. Компания Danone внедрила алгоритм машинного обучения для прогнозирования спроса на свою продукцию. Это позволило сократить ошибки в прогнозах на 20% и снизить упущенные продажи на 30%. PayPal использовала AI-инструмент Simility, который распознает изображения и анализирует текстовую информацию. Измеримый результат — выявление потенциальных случаев мошенничества при сокращении ручного анализа.

В России разрабатываются системы сбора данных о рекламных кампаниях и выделения с помощью AI уникальных торговых предложений (УТП) и акций определенных брендов и категорий. В комплексе с другими разработками это дает возможность получить информацию о нише, включая данные о рекламных стратегиях конкурентов. Такой подход развивается в компаниях с запросом на работу с данными и автоматизацию процессов. Для его внедрения нужна цифровая зрелость, а у большинства компаний еще нет соответствующих систем и процессов.

Внедрение нейросетей в data-аналитику сопровождается высоким уровнем риска утечки данных пользователей, и их полную безопасность гарантировать невозможно. Когда компании просят AI проанализировать или суммировать данные, это значит, что информация может стать доступна третьим лицам. В апреле 2023 года сотрудники Samsung использовали ChatGPT для написания кода. В результате произошла утечка секретного кода для измерения сверхпроводникового оборудования.

AI в HR

Международные компании системно внедряют нейросети в процессы рекрутинга. Mastercard с помощью AI увеличила количество профилей кандидатов в своей базе на 900%, что привело к добавлению 141 тысячи потенциальных сотрудников. Результат превышает средний показатель в отрасли. Manipal Health Enterprises сократила текучесть кадров до 5% в год, уменьшила среднее время обработки запросов от сотрудников с двух дней до 24 часов и сэкономила более 60 тыс. рабочих часов.

Российские кейсы пока ограничиваются решением конкретных HR-задач. Из-за отсутствия системного подхода пока что сложно оценить влияние на бизнес-цели компаний. Специалисты используют AI-платформы для написания фидбэков от рекрутеров и руководителей после собеседований с кандидатами. Обратная связь, подготовленная нейросетью, содержит наиболее релевантные детали для позиции и более глубокую оценку рисков при рассмотрении определенного кандидата.

Обсудить с другими читателями:
Ваш браузер устарел
На сайте Sostav.ru используются технологии, которые не доступны в вашем браузере, в связи с чем страница может отображаться некорректно.
Чтобы страница отображалась корректно, обновите ваш браузер.