Давайте пока тут небольшой перерыв в постинге тем, связанных с дизайном (к середине сентября расскажу почему) переключимся ещё на один вопрос, которым я последнее время активно занимаюсь — зачем AI в бизнесе вообще нужен 👨‍💻

Не так давно разгоняли с товарищем на тему того, как защищать перед бизнесом внедрение ИИ, а тут расскажу скорее про то как я эти процессы втаскивал в и бизнес и совсем немного про защиту.

1️⃣ — визуал для внутренних и внешних коммуникаций. Ранее бОльшая часть таких задач уходила дизайнерам: посты, шапки для рассылок и тп, что вроде бы не выглядит большой работой, но стабильно съедает не мало рабочих часов.
Я решил немного автоматизировать этот балаган. Подход был примерно такой — если обучить LoRA на примерах уже сделанной графики, развернуть небольшую внутреннюю нейроночку и обучить менеджеров по коммуникациям собирать макеты самостоятельно, то часть этой работы можно перенести ближе к тем, кто коммуникациями и занимается.
Понятное дело что не убирать дизайнеров из процесса совсем, но хотя бы перестать таскать к ним/нам каждую задачу целиком. Коммуникационная команда сама генерит изображение, собирает пост, а дизайнер подключается там, где нужен арт-дирекшен или сложная доработка.
В итоге высвободилось несколько десятков раб часов дизайнеров в месяц (которые мы благополучно продали клиентам), стоимость производства снизилась, а материалов стало выходить примерно на 1/5 больше.
При этом мы отдельно смотрели, сколько материалов пришлось переделывать дизайнеру и сколько из них не соответствовало бренд-стандартам (гардрейлы никто не отменял). Потому что если нейросеть просто помогает делать больше плохих материалов, то это, конечно, тоже какой-то результат, но не тот, который хочется защищать.

2️⃣ — пресейл. Немного контекста — на входе команда получает набор неструктурированных доков, иногда на разных языках и должна разобрать все это, привести всё к единому виду, выделить FR и NFR, подготовить основу для эстимации. И получалось что куча дорогих специалистов тратили кучу времени на довольно механическую работу. Собрали то как обычно разбираем входные данные + внутренний RAG с ранее принятыми решениями, оценками и презентациями.
После чего начали прогонять через связку локальных нейронок (куча инфы была чувствительной, поэтому да) и этот набор даты первые тендеры.
В самом начале одна команда работала обычным способом, вторая с ИИ — и сравнивали скорость и количество ошибок. В результате мы начали не теряя в качестве, а чаще и получая прибавку, тратить в несколько раз меньше времени, а команда получила возможность брать в проработку больше активностей, не упираясь в необходимость расширять штат.

И, кстати, важная часть — оба раза мы начинали с небольшого запроса на ресурсы или вообще на собственном энтузиазме без корп ресурсов. Формировали гипотезу и решали это любыми подручными средствами чисто чтобы проверить работает ли оно вообще, потому что даже самая гибкая компания это все еще набор рабочих процессов, которые значительно медленнее твоей личной инициативы.
И уже после пары таких экспериментов можно пытаться заапрувить полноценный пилот с формированием хотя бы небольшого бюджета, фиксацией метрик успеха и гардрейлов и вовлечением остальных корп процессов. И вот уже если этот пилот подтверждал гипотезу, тогда уже можно было идти за целевыми ресурсами и добавлять новые инструменты для следующих экспериментов.

По сути, если коротко, все сводится не к "дай деняк", а про ценность для бизнеса через изменение конкретного процесса. Показываем как он работает сейчас, вот где в нём затык, вот что мы хотим проверить, вот сколько нам нужно на первый шаг и вот по каким признакам поймём, что это сработало.

Кстати у товарища преза не сработала — все развалилось при запросе от руководства формата "хочу видеть сколько потратили времени до и после и как это замеряли", а оказалось что процесса по систематическому учету рабочего времени не оказалось😐