Генерирует ответы на отзывы и создаёт описания товаров: как GPT помогает российскому бизнесу

Большие языковые модели, или large language models (LLM), активно обсуждают в России и мире. При этом известны единичные случаи, когда крупный бизнес полноценно использовал LLM. Так, по данным исследования консалтинговой компании «Яков и партнёры» за 2023 год, только 12% российских компаний из тех, которые используют генеративный искусственный интеллект в работе, определили приоритетные бизнес‑задачи для внедрения нейросетей. Около 27% экспериментируют с технологией точечно.

Есть несколько причин, по которым компании не спешат внедрять LLM:

• не всегда понимают, как ставить задачу модели;

• не готовы работать в облаке;

• не всегда видят границы применимости LLM;

• не хватает специалистов по GPT;

• не хватает навыков или ресурсов для дообучения модели;

• есть языковой барьер.

Несмотря на эти барьеры, часть компаний уже внедряют генеративные модели в разных отраслях. На примере опыта наших клиентов и участников российского рынка расскажем о популярных сценариях применения LLM.

Как c помощью GPT улучшить клиентский сервисКак c помощью GPT улучшить клиентский сервис

Большинство запросов на интеграцию генеративной нейросети связаны с автоматизацией клиентской поддержки. Так, Ralf Ringer внедрил на маркетплейсах сервис Smart‑Reply.AI, построенный на технологии YandexGPT. Компания настроила автоматическую отправку ответов на вопросы клиентов и реагирование на отзывы в карточках товаров. Теперь торговая сеть обрабатывает несколько десятков тысяч вопросов и отзывов в месяц. При этом нагрузка на сотрудников отдела клиентской поддержки снизилась в два раза.

Сервис анализирует текст отзыва или вопроса, определяет тему и тональность, изучает данные о товаре. После этого нейросеть формирует ответ, который публикуется. В ситуациях, где требуется проверка, ответ ожидает модерации менеджера.

Другой клиент — системный интегратор «Инфосистемы Джет» — использует YandexGPT, чтобы автоматизировать обработку запросов клиентов. Нейросеть определяет тематику обращений в техническую поддержку и готовит ответы на запросы, используя в качестве источника базу знаний. По итогам пилота по обработке 13 000 запросов команда получила ответы на 30% обращений, из которых 75% не требовали доработки специалистов. В будущем технологию планируют использовать в работе инженеров технической поддержки, чтобы в несколько раз ускорить обслуживание клиентов.

Как GPT помогает эффективнее работать с даннымиКак GPT помогает эффективнее работать с данными

Российский сервис для управления бизнесом «Битрикс24» встроил LLM в своего ИИ‑ассистента CoPilot. Технология помогает расшифровывать записи разговора с покупателем, выделять главное из текста, заполнять детали заказа, ставить задачи и создавать чек‑листы.

Яндекс Маркет также использует технологию для анализа данных. YandexGPT помогает продавцам на маркетплейсе создавать продающие описания на основе информации из карточек товаров.

Разработчик ИИ‑продуктов Napoleon IT интегрировал YandexGPT API в своё решение для интеллектуального анализа отзывов. Технологию протестировал один из клиентов компании, производитель лимонадов Lapochka. Компания за 20 минут проанализировала более 50 тысяч отзывов, оставленных на маркетплейсах, на свои напитки. По итогам тестирования решили сделать упаковку более устойчивой к повреждению.

Кроме того, YandexGPT умеет генерировать описания вакансий и должностные инструкции для сотрудников с учётом корпоративных стандартов и специфики каждой профессии. Именно для этого технологию внедрили в российскую систему для автоматизации найма «Поток Рекрутмент».

Какие нестандартные задачи можно решать с помощью GPTКакие нестандартные задачи можно решать с помощью GPT

Задачи автоматизации процессов и анализа данных в самом широком смысле — классические области применения LLM. Но есть менее популярные задачи, которые помогает решать технология.

Например, с помощью языковой модели можно анализировать сайты и публикации в СМИ. «ДОМ.РФ» использует нейросеть, чтобы отслеживать новости на инвестиционно‑строительную тему. Система мониторит новости в выбранных источниках и определяет их тональность. При выявлении негативного оттенка срабатывают триггеры. Затем система выделяет основную суть из публикаций и передаёт данные нужным специалистам.

Также крупным компаниям может быть интересен интеллектуальный поиск по внутренним базам данных. Это позволяет искать документы и файлы по смысловым запросам, а не по ключевым словам, что может существенно ускорить работу с информацией.

Кроме того, генеративные модели можно использовать для решения креативных задач. Например, в геймдеве с помощью нейросети генерируют диалоги героя с неигровыми персонажами (NPC). Это помогает оживить NPC и автоматизировать процесс создания реплик.

Промышленным компаниям LLM помогают создавать подсказчиков для системы ТОиР (Техническое обслуживание и ремонт). В связке с другими алгоритмами LLM могут анализировать разговоры операторов, отслеживать ситуации, которые требуют срочного вмешательства специалиста, передавать показания аналоговых приборов, помогать оператору в решении технических проблем и многое другое.

Среди других интересных задач, которые помогают решать нейросети — рекомендации товаров и услуг пользователям интернет‑магазинов и соцсетей, обработка запросов пользователей по нестандартным алгоритмам и даже ассистирование в задачах, требующих внимательности и дополнительной проверки.

Что в итогеЧто в итоге

Развитие LLM идёт по классическому сценарию созревания любой технологии. Ажиотаж постепенно сменяется более спокойным отношением. И хотя большинство компаний ещё только экспериментируют с нейросетями в работе, появляется всё больше кейсов успешного внедрения LLM в разных отраслях. Самые популярные сценарии можно адаптировать для своего бизнеса уже сейчас с минимальными затратами и рисками. В числе таких сценариев:

• автоматизация клиентской поддержки;

• оптимизация обработки и анализа данных;

• упрощение работы с документами и поиска информации;

• решение креативных задач.

Таким образом, с помощью LLM можно заметно ускорить бизнес‑процессы и избавить сотрудников от рутинных задач.

Полную версию материала читайте на Forbes.