На другій конференції AI Day від Forbes Ukraine, що відбулася на початку квітня, учасники обговорювали, як штучний інтелект змінює маржинальність бізнесу та підвищує продуктивність компаній.
Спікери панельної дискусії «Workslop vs ріст продуктивності: де баланс?», представники IT- та агрокомпаній, обговорили, як зменшити ризик атрофії професійних навичок у цифрову епоху, а також дали практичні інструменти для вимірювання приросту ефективності працівників із підтримкою ШІ.
Сергій Колесниченко, операційний директор UCLOUD, поділився своїми інсайтами.
Про втрату часу через впровадження ШІ
Попри те, що штучний інтелект допомагає ефективно виконувати індивідуальні задачі, він забирає час на створення робочого стеку.
Найбільша часова прогалина в компанії виникла, коли ми почали розробляти інструменти на власній інфраструктурі. Цей процес тривав навіть не тижнями, а місяцями. Але в результаті ми отримали повніші звіти, оскільки частину задач у цій площині було врешті автоматизовано.
Сергій Колесниченко, операційний директор UCLOUD
Як ШІ впливає на зростання продуктивності
Щоб краще розуміти поведінку потенційних клієнтів, ми поєднали мовну модель та аналітику продажів. Після такої інтеграції керівники продажів отримали більше даних про клієнта та змогли глибше зрозуміти його шлях, включаючи процес ухвалення рішень. Тепер ми бачимо, хто контактує з UCLOUD і чому.
Це підвищило видимість шляху потенційного клієнта у воронці продажів.
Приблизно 80% взаємодій між потенційним клієнтом і провайдером просто не були зафіксовані.
Метрики оцінки продуктивності компанії
Ефективність бізнесу вимірюється грошима, зокрема тим, як збільшити прибуток і оптимізувати витрати. Тому всі інструменти, які використовують у компанії, включно зі штучним інтелектом, оцінені через призму фінансового результату.
Тож з точки зору вимірювання ефективності компаній принципи залишаються незмінними, незалежно від того, які ШІ-інструменти чи технології впроваджують.
Сергій Колесниченко, операційний директор UCLOUD
Місце спеціалістів через 2–3 роки
Професії можна розділити на такі, де фахівець працює руками, і такі, де він працює головою. Наприклад, у деяких дата-центрах електрик може заробляти більше, ніж ML-інженер – фахівець, який розгортає, тренує та підтримує моделі машинного навчання. Це показує, що цінність часто залежить не лише від знань, а й від специфіки роботи.
Водночас у професіях, де потрібне мислення, ШІ поступово забирає рутинну роботу.
У людини залишається лише одна задача – мислити, аналізувати, ухвалювати рішення.
Цю діяльність не можна аутсорсити – вона залишається унікальною для людини.
