По данным исследований, 80% сотрудников по всему миру считают, что им не хватает времени или энергии для выполнения своей работы. Часть этой нагрузки возникает из-за необходимости регулярно искать информацию, обращаться за помощью к внутренним службам и работать с несколькими корпоративными системами.
Корпоративный ИИ-ассистент помогает сократить время на такие операции и быстрее получать нужные ответы.
Разбираемся, какие задачи ему можно передать и как внедрить такой инструмент в компании.
Что такое корпоративный ИИ-ассистент
Корпоративный ИИ-ассистент для компании — это программное решение на основе языковой модели (LLM), с которым сотрудники взаимодействуют через чат. Он отвечает на вопросы, ищет информацию во внутренних источниках и выполняет рабочие операции.
Работает это так: сотрудник задает вопрос или формулирует задачу в чате. Например, просит найти регламент, объяснить порядок оформления отпуска, проверить статус заявки или создать обращение в службу поддержки.
Система анализирует поступивший запрос и определяет, какие данные нужны для ответа, проверяет права доступа пользователя и обращается к подходящим корпоративным источникам или сервисам. С их помощью корпоративный чат-бот формирует ответ или выполняет предусмотренное действие.
Какие задачи решает
Внутренний ИИ-помощник может решать разные задачи в зависимости от архитектуры и подключенных систем. Наиболее распространенные сценарии:
- Поиск информации во внутренних источниках. Ассистент находит сведения в базах знаний, регламентах, инструкциях и других корпоративных документах.
- Поддержка новых сотрудников. Отвечает на вопросы о внутренних процессах: как оформить отпуск, где найти нужный документ, к кому обратиться по конкретной задаче.
- Работа с документами. Находит нужные файлы, извлекает из них информацию, сравнивает документы и готовит краткие резюме.
- Работа с внутренними системами. Получает данные из корпоративных сервисов, показывает статус заявок, создает обращения, помогает оформить запросы и выполняет другие предусмотренные операции.
- Автоматизация типовых процессов. Собирает необходимые данные, проверяет условия и запускает последовательность действий в подключенных системах.
Вместо самостоятельного поиска по разным источникам сотрудник получает нужную информацию через единый интерфейс, а для типовых задач может сразу выполнить операцию в подключенной корпоративной системе.
Это сокращает количество повторяющихся обращений к внутренним службам и ручных действий, освобождая время сотрудников для других задач. Такой формат также упрощает адаптацию новичков, так как ответы на вопросы о внутренних процессах и документах доступны без постоянного участия коллег и руководителей.
Когда нужен внутренний ИИ-ассистент для компании
В первую очередь корпоративный чат-бот нужен там, где сотрудники регулярно выполняют повторяющиеся операции, ищут одну и ту же информацию или обращаются за помощью по типовым вопросам.
Например:
- сотрудники HR, IT или других подразделений регулярно получают одинаковые вопросы;
- нужная информация хранится в нескольких системах и базах знаний;
- сотрудники тратят много времени на поиск документов;
- в компании накоплен большой объем внутренних знаний;
- данные приходится вручную переносить между системами.
Чем чаще повторяется задача и чем больше сотрудников с ней сталкиваются, тем выше потенциал для автоматизации. Особенно если на выполнение операции уходит заметное время, а результат можно описать понятными правилами.
Как внедрить корпоративный ИИ-ассистент
Когда компания начинает внедрение ИИ-инструментов, первый вопрос обычно касается выбора технологии. Но проект лучше начинать с другой стороны — с определения процесса, который требуется изменить, и целевого результата.
Рассмотрим основные этапы внедрения.
- Определить бизнес-задачу и желаемый эффект от внедрения. Нужно понять, какую проблему должен решить внутренний ИИ-помощник и в каком процессе она возникает. Для первого проекта лучше выбрать задачу, которая:
- регулярно повторяется;
- затрагивает большое количество сотрудников;
- занимает много времени;
- имеет понятный итог.
Эти критерии помогают понять, какие задачи занимают больше всего времени и где автоматизация может дать измеримый эффект. Также определить подходящую задачу помогают реальные вопросы сотрудников, статистика обращений и повторяющиеся операции.
Что касается целевого результата, то его можно спрогнозировать по трем сценариям: минимальному, базовому и оптимистичному. Например, для ассистента, который обрабатывает типовые обращения, можно оценить, какую долю запросов система должна закрывать без участия сотрудника при разных сценариях.
Эти прогнозы будут использованы позже, на этапе пилотирования, чтобы оценить эффективность решения.
- Провести аудит данных и систем. Это нужно, чтобы определить качество данных и интеграций, с которыми будет работать система. От этого зависит корректность ответа.
На что обратить внимание:
- где находятся необходимые данные;
- какие документы считаются актуальными;
- есть ли дублирующиеся и противоречивые версии;
- какие корпоративные системы участвуют в процессе и можно ли задействовать их в проекте.
Например, если в базе хранятся несколько версий одного регламента, ассистент не всегда сможет самостоятельно определить, какая из них актуальна. Тогда потребуется дополнительное правило: например, использовать более новую версию или отдавать приоритет документам из определенного источника, иначе система может сформировать ответ на основе неактуальной информации.
- Спроектировать архитектуру.На этом этапе определяют, как корпоративный ИИ-помощник будет получать информацию, формировать ответы и взаимодействовать с корпоративными системами.
Для поиска информации во внутренних документах обычно используют архитектуру RAG. Дообучение модели (fine-tuning) применяют для отдельных задач, когда стандартных возможностей модели недостаточно. А для выполнения операций в корпоративных системах потребуются интеграции и инструменты, которыми сможет пользоваться чат-бот.
Эти компоненты могут работать в одном решении. Например, ИИ-помощник находит актуальный регламент с помощью RAG, объясняет сотруднику порядок действий, а затем через интеграцию создает заявку в корпоративной системе.
Подробнее о RAG и дообучении моделей мы рассказали в материале.
- Настроить правила работы системы. На этом этапе определяют, какие действия система может выполнять самостоятельно, где требуется подтверждение пользователя, а в каких случаях запрос нужно передать сотруднику.
Так на вопросы по внутренним регламентам ассистент может отвечать сразу. При этом перед созданием заявки, изменением данных или запуском другой операции он запрашивает подтверждение сотрудника.
Также настраивают права доступа. Сотрудник не должен получить через чат информацию, к которой у него нет доступа в исходной корпоративной системе.
- Запустить пилот. Обычно выбирают одно подразделение, базу знаний, тип обращений или повторяющийся процесс для того, чтобы посмотреть, как решение покажет себя в реальных условиях и нужно ли его дорабатывать перед масштабированием.
Например, может потребоваться обновить базу знаний, добавить новые источники данных, уточнить правила работы чат-бота или интегрировать его с корпоративной системой.
- Оценить эффект внедрения инструмента. Для этого обычно используют метрики, которые подбираются под каждую задачу отдельно. Например, можно измерять:
- время поиска информации до и после внедрения;
- количество типовых обращений в HR, IT или другие внутренние службы;
- долю запросов, которые решение обрабатывает без участия сотрудника;
- количество операций, выполненных через ассистента;
- долю ответов, которые пользователи оценивают как релевантные;
- количество ошибок или случаев, когда запрос пришлось передать сотруднику.
- Масштабировать решение. Если пилот показал хороший результат, решение можно расширять на другие подразделения и процессы. При этом новый сценарий нужно отдельно анализировать и настраивать, так как у разных подразделений отличаются документы, права доступа, процессы и используемые системы.
Например, компания запустила ассистента для поиска внутренних регламентов, а затем решила добавить работу с заявками в сервис-деске. Это уже другой процесс: для него корпоративному чат-боту потребуется получать данные о заявках, определять доступные пользователю действия и взаимодействовать с сервис-деском.
Поиск информации в документах и работа с заявками требуют разных источников данных, правил и интеграций. Поэтому для каждого нового сценария лучше отдельно формулировать требования, проектировать необходимые изменения и проверять работу ассистента.
Если для этого в компании нет необходимых компетенций, проект можно передать команде, которая занимается разработкой и интеграцией корпоративных ИИ-решений.
Ошибки при внедрении
Начать с технологии, а не с задачи. Компания выбирает языковую модель, но не определяет, какую проблему должна решить система. В итоге появляется чат-бот без понятного рабочего сценария.
Поэтому до выбора технологии описывают текущий процесс, находят повторяющиеся операции и фиксируют эффект, которого требуется достичь.
Подключить источники без аудита. Устаревшие, дублирующиеся и противоречивые документы негативно влияют на качество ответов ассистента.
Чтобы этого избежать, до начала работы с источниками нужно определить актуальные версии документов и правила работы с ними. Если регламент изменился, в базе должна быть нужная версия, которую система использует при формировании ответа.
Не учесть права доступа. Чат-бот не должен открывать сотруднику данные, которых нет в его обычном доступе, иначе новый интерфейс может создать дополнительный риск утечки информации.
Поэтому права доступа нужно учитывать уже на этапе проектирования архитектуры и интеграций.
Создать чат-бота отдельно от бизнес-процесса. Если после ответа внутреннего ИИ-помощника сотруднику все равно приходится вручную переносить данные между несколькими системами, чат-бот добавляет еще один этап работы.
До разработки проверяют, какие действия должны завершаться внутри сценария и с какими системами для этого потребуется интеграция.
Заключение
Корпоративный ИИ-ассистент приносит пользу там, где помогает сделать конкретный рабочий процесс быстрее и проще для сотрудников.
Для этого недостаточно подключить языковую модель к корпоративным документам. Сначала нужно понять, какую задачу должно решить решение и какие данные для этого потребуются. Затем определить правила доступа и необходимые интеграции, а после запуска проверить работу ассистента на реальных запросах. Если решение показывает результат, его можно постепенно расширять на другие подразделения и рабочие процессы.
В Aiston мы помогаем разрабатывать ИИ-решения под конкретные задачи компаний и встраивать их в существующую ИТ-среду. Если вы рассматриваете внедрение внутреннего ИИ-помощника, расскажите нам о задаче. Поможем оценить, какие процессы подходят для автоматизации и как встроить решение в существующую ИТ-инфраструктуру компании.