8 сентября Google Cloud и Accenture объявили о создании совместного подразделения для внедрения искусственного интеллекта в компаниях. Партнеры планируют сформировать команду из 1000 инженеров, которые помогут заказчикам создавать и применять решения на основе платформы Gemini Enterprise.
Новое подразделение получило название Accenture Gemini Enterprise Business Group. Его задача – сократить путь от пробного запуска до повседневного использования ИИ-инструментов. Инженеры будут работать непосредственно с компаниями, а к разработке подключат специалистов, знакомых с особенностями отраслей и рабочих процессов.
В планах партнеров – типовые отраслевые решения, расширение подготовки сотрудников и помощь в распространении успешных проектов на всю организацию. Для заказчика смысл такого подхода в том, чтобы получить инструмент под конкретную задачу и встроить его в работу подразделения.
На мой взгляд, это показывает, как меняется конкуренция на рынке: ценность приобретает способность довести технологию до измеримого результата внутри компании.
Какой результат уже заявлен?
Партнеры приводят пример внедрения интеллектуального помощника в службе поддержки YouTube во время повышенного спроса на трансляции американского футбола. По их данным, среднее время обработки обращений сократилось на 37%.
Это результат отдельного проекта, а не обещание такого же эффекта каждому заказчику. Но он дает полезный ориентир: оценивать искусственный интеллект для бизнеса стоит по изменениям в конкретной операции.
Например, при автоматизации поддержки нужно учитывать не только скорость ответа, но и долю решенных вопросов, количество повторных обращений и время проверки сотрудником. Быстрый ответ с ошибкой может увеличить общую нагрузку.
Что проверить перед внедрением?
Компаниям стоит начинать с процесса, результат которого можно проверить. Подойдут поиск по внутренним инструкциям, распределение обращений или подготовка черновиков документов.
Перед запуском стоит определить:
сколько времени и ресурсов задача требует сейчас;
какие данные доступны системе и кто вправе их видеть;
какие ответы должен проверять человек;
как учитывать расходы на настройку и сопровождение.
Сравнивать результаты лучше на сопоставимых задачах, включая время исправления ошибок.
Вывод эксперта
Считаю, что главное в этом партнерстве – внимание к практической стороне внедрения. Даже сильная модель требует качественных данных и понятных правил работы.
Моя рекомендация: сначала подтвердить пользу ИИ на одном участке и только после этого расширять применение.