ИИ становится интереснее, когда взаимодействует с физическим миром
- В BRKZ агент Nusa читает фото накладных из WhatsApp, сверяет поставки с заказами и закрывает большинство поставок; его доля растёт каждый месяц.
- За первые три года BRKZ оцифровала рабочие процессы и накопила десятки миллионов структурированных данных; агент Mizan уже предлагает цены для первых категорий товаров.
- BRKZ планирует связать агентами продажи, закупки, кредитование, операционную деятельность и финансы в рамках всей транзакции.
Почему это важно: Автор предлагает оценивать ИИ по тому, помогает ли он обрабатывать больше транзакций и получать больше результатов на сотрудника, а не по числу помощников или токенов.
Грузовик подъезжает к стройплощадке под Эр-Риядом, разгружает цемент навалом и отправляет фото накладной через WhatsApp. На протяжении большей части истории BRKZ это фото запускало целую цепочку ручной работы. Кому-то нужно было прочитать документ, найти соответствующий заказ, проверить количество, обновить систему и закрыть поставку.
Сегодня большую часть этой работы выполняет агент, которого мы называем Nusa. Он читает изображение, извлекает данные, сопоставляет их с информацией в наших системах, проверяет количество и закрывает поставку. Команда занимается случаями, когда сопоставление неоднозначно, и исключениями. Сейчас Nusa закрывает большинство поставок в нашем процессе сверки, и его доля растёт каждый месяц.
Цемент навалом — не самое эффектное применение ИИ. Именно поэтому оно мне нравится.
Недавно я вернулся из поездки в США, где ИИ был главной темой почти всех моих разговоров с основателями компаний, инвесторами и операционными руководителями. Там обсуждение выходит за рамки помощников на базе ИИ и сокращения штата — и движется к более интересному вопросу: может ли ИИ коренным образом изменить операционную модель компании? Думаю, может. И я считаю, что одни из самых больших возможностей открываются в отраслях, где технологии исторически давались особенно трудно: в сфере физических товаров, фрагментированных цепочек поставок, кредитования и логистики.
Сначала мы заложили фундамент
Когда мы основали BRKZ, перед нами стояла более базовая задача: отрасли нужны были системы. Закупки строительных материалов велись вручную и были сильно фрагментированы. Запросы ценовых предложений (RFQ), цены, отношения с поставщиками, заказы, поставки, кредитование и сбор платежей существовали в телефонных разговорах, сообщениях WhatsApp, таблицах, PDF-файлах и в головах людей.
Поэтому первые три года мы занимались менее модным, но крайне важным делом. Мы перенесли основные рабочие процессы на общие системы: как поступают запросы, как оцениваются поставщики, как формируются ценовые предложения, как выполняются заказы, как сверяются поставки, как платят клиенты и как фиксируется каждая транзакция.
Это дало нам нечто ценное: каждый рабочий процесс начал оставлять цифровой след. Каждый RFQ, ценовое предложение, взаимодействие с поставщиком, поставка и платёж превращались в данные. Со временем эти следы накопились в десятки миллионов структурированных точек данных о товарах, поставщиках, транзакциях и платёжном поведении.
Нам не нужно просить каждого подрядчика и перевозчика менять привычный способ общения. RFQ по-прежнему может поступить через WhatsApp, а накладная на поставку — в виде фотографии. Агенты превращают эти данные в структурированные записи, с которыми бизнес может работать.
Невозможно добавить бизнесу значимую интеллектуальную составляющую, пока вы не сделали его работу наблюдаемой.
Систематизировать → собирать данные → понимать → автоматизировать → наделять агентов полномочиями
Я пришёл к выводу, что путь к внедрению ИИ в традиционных отраслях проходит несколько этапов: систематизировать, собирать данные, понимать, автоматизировать, наделять агентов полномочиями. Под этим последним этапом я имею в виду передачу агентам ответственности за действия в чётко установленных пределах.
Первые два этапа необходимы. Без данных у ИИ нет собственного контекста. А без контекста вы просто используете универсальную модель, опирающуюся на ту же информацию, что доступна всем остальным.
От прогнозирования к выполнению
Когда у нас накопилось достаточно данных о транзакциях, мы начали задавать другие вопросы. Может ли система научиться устанавливать цены так, как это делаем мы? Может ли она определять, какие поставщики подходят для конкретного RFQ?
Устанавливать цены на строительные материалы на удивление сложно. Цена одного и того же товара может меняться в зависимости от количества, местоположения, условий доставки, сроков и рыночной ситуации. Традиционно эти знания хранятся в головах опытных специалистов по закупкам.
Поэтому мы создали систему ценообразования на основе исторических RFQ и данных о транзакциях. Mizan, наш ИИ-агент по закупкам, уже работает с первыми категориями товаров. Он почти мгновенно предлагает цены, которые специалисты по закупкам проверяют и при необходимости корректируют перед отправкой. Данные, которые мы собирали годами, перестали просто описывать произошедшее и начали помогать нам решать, что делать дальше.
Прогнозирование полезно. Но ещё интереснее — выполнение задач. Nusa показал нам, что ИИ становится гораздо мощнее, когда может действовать внутри системы, а не просто отвечать на вопросы о ней.
За какие части транзакции может отвечать агент?
Вместо вопроса «куда можно добавить ИИ?» мы стали задаваться другим: «за какие части транзакции может отвечать агент?»
Транзакция естественным образом делится на направления — продажи, закупки, кредитование, операционная деятельность и финансы, — и у каждого есть свои исходные данные, решения, действия и исключения. В закупках агент может интерпретировать RFQ, определять товары, прогнозировать цены, выбирать поставщиков и формировать конкурентные предложения. В кредитовании он может помогать оценивать заёмщиков, устанавливать лимиты, контролировать риски и собирать платежи, оставляя за людьми надзор там, где решения имеют наибольшее значение.
В операционной деятельности агенты координируют заказы, проверяют поставки и сверяют физическую реальность с данными наших систем. Цель — создать агентный слой, охватывающий всю транзакцию, и чётко определить, за какую работу отвечает каждый агент.
Скрытые издержки — это координация
У компаний есть не только затраты на персонал. У них есть и издержки на координацию.
Один запрос клиента может пройти через отделы продаж, закупок, операционной деятельности, логистики, финансов и кредитования, прежде чем превратиться в завершённую транзакцию. Каждая передача задачи создаёт задержку. Кто-то отправляет сообщение. Кто-то запрашивает одобрение. Кто-то переносит информацию из одного места в другое. По мере роста организации сама координация превращается в работу.
ИИ способен устранить огромный объём этой незаметной работы, и, подозреваю, в конечном счёте это окажется важнее автоматизации отдельных задач.
Больше результатов на одного сотрудника
Главный вывод, который я сделал в США: интереснее спрашивать не «скольких людей может заменить ИИ?», а «насколько больше сможет сделать каждый сотрудник?». Я хочу, чтобы ИИ помогал отличному продавцу работать так, как раньше это могла бы целая команда поддержки.
Представьте, что у каждого продавца есть цифровой двойник. Он знает, какие клиенты, вероятно, скоро повторят заказ, кто незаметно сократил объёмы закупок, какие предложения не привели к сделке и какие товары клиенту стоило бы покупать, но он этого не делает. Кому мне позвонить? Почему именно сейчас? Что и по какой цене предложить? Какие отношения с клиентом ухудшаются, хотя я этого ещё не заметил?
Продавец по-прежнему отвечает за отношения с клиентом. Агент может взять на себя подготовку, анализ и рутинную координацию, а со временем — и последующие контакты с клиентом и повторные заказы в установленных пределах. То же касается финансов, закупок и операционной деятельности. Когда агенты берут на себя рутинную работу, люди сосредоточиваются на том, где их суждения и отношения с клиентами приносят наибольшую пользу.
Физический мир нужно сделать видимым
В отраслях, связанных с физическим миром, многое из того, что имеет значение, по-прежнему происходит вне данных, собираемых компанией. Грузовик, приехавший на объект, — это данные. Разгрузка палеты — это данные. Материал, не прошедший проверку качества, запасы на складе, поставщик, который постоянно опаздывает, — всё это данные. Но если никто не фиксирует эти события, в цифровом виде их не существует. ИИ может рассуждать только о том, что ему видно.
Отсюда следует парадоксальная мысль: операционная сложность может стать конкурентным барьером. Но если один сотрудник операционного отдела сможет контролировать значительно больше транзакций благодаря тому, что агенты возьмут на себя рутинную координацию, а один специалист по закупкам — управлять значительно большими расходами, экономика изменится.
Чем труднее выполнять рабочий процесс вручную, тем больше его ценность, когда удаётся научить машины надёжно выполнять его значимые части.
Не перестраивайте всё только потому, что можете
Не каждой задаче нужна самая совершенная модель в мире. В корпоративном стеке ИИ будет не одна модель, а много, и именно архитектура будет определять, какая из них — локальная, специализированная или передовая — лучше подходит для каждой задачи.
Кроме того, ИИ значительно упрощает разработку программного обеспечения. Но если кто-то уже отлично решил типовую задачу, разумнее купить готовое решение, а не создавать своё. Мы направляем инженерные ресурсы туда, где у BRKZ есть собственные уникальные активы: наши рабочие процессы, данные о транзакциях, знания о ценообразовании, сеть поставщиков и история платежей.
Конкурентное преимущество зависит не столько от выбранной модели, сколько от того, каким контекстом вы можете её обеспечить и какие действия разрешаете ей выполнять. ИИ не снижает важность стратегии. Он делает ещё важнее умение решить, чего не нужно создавать.
Что будет дальше
Главная возможность — связать всю транзакцию целиком, охватив продажи, закупки, кредитование, операционную деятельность и финансы. Клиенту не нужно разбираться в организационной структуре BRKZ. Он должен иметь возможность сказать: «Мне нужны эти материалы на этом объекте в следующий вторник», —, а всё, что происходит дальше, должно координироваться агентами.
Представьте, что будет через пять лет. Агент подрядчика по закупкам знает, что нужно проекту, и связывается с агентом BRKZ. Наш агент понимает требования, историю клиента, цены и наличие товаров у поставщиков и общается с агентами поставщиков. Агент по логистике координирует доставку. Финансовые системы согласовывают условия. Люди устанавливают правила, выстраивают отношения и разбираются с исключениями. Машины выполняют транзакцию.
Агенты будут совершать сделки с агентами. Компании, которые уже сегодня создают инфраструктуру для такого мира, будут совсем не похожи на те, кто просто добавляет чат-ботов к существующим программам. Технология не существует отдельно от бизнес-модели. Она становится операционной системой бизнеса.
Проверка — в экономических результатах
В ближайшие несколько лет каждая компания будет называть себя использующей ИИ, и скоро эта формулировка будет значить примерно столько же, сколько слова о том, что компания пользуется интернетом. Можем ли мы обрабатывать значительно больше транзакций, не увеличивая штат такими же темпами? Может ли каждый продавец добиваться большего? Можем ли мы быстрее готовить предложения, принимать более взвешенные кредитные решения, ускорять оборот оборотного капитала и помогать клиентам совершать сделки с меньшими препятствиями?
Именно эти показатели использования ИИ важны для меня, а не количество обработанных токенов или внедрённых помощников. Я постоянно возвращаюсь к вопросу: насколько больше результатов BRKZ сможет получать благодаря этой технологии от каждого сотрудника, каждого доллара оборотного капитала и каждой транзакции?
Возможности для нашего региона
Я считаю, что это особенно важно для основателей компаний в Саудовской Аравии и в более широком регионе MENA. У нас есть огромные отрасли, которые только начинают цифровую трансформацию: строительство, производство, логистика, здравоохранение и оптовая торговля. Многие видят в этом технологическое отставание. Я же вижу обратное.
У нас есть возможность пропустить целое поколение программного обеспечения. Необязательно следующие двадцать лет воссоздавать каждую систему и рабочий процесс, разработанные в других странах. Мы можем уже сейчас систематизировать работу этих отраслей, исходя из того, что интеллектуальные системы и агенты будут встроены в них с самого начала.
Если отрасль до сих пор работает на WhatsApp, Excel, телефонных звонках и на знаниях, хранящихся в головах людей, начните с того, чтобы сделать рабочие процессы наблюдаемыми. Станьте владельцем уникального контекста своего бизнеса. Затем подумайте, где интеллектуальные системы могут улучшить принятие решений, а когда их работа станет надёжной — где они могут перейти от советов к выполнению задач.
Это огромная возможность для нашей экосистемы. Но она требует от основателей открыто делиться тем, что действительно работает, а что нет: архитектурой, ошибками, областями, где люди по-прежнему превосходят машины, случаями, когда агенты дают сбой, и тем, где экономика сходится, а где — нет. Экосистема будет развиваться быстрее, если мы станем учиться друг у друга.
Отталкивайтесь от ресурсов, а не от функций
BRKZ всё ещё находится в начале этого пути. Мы экспериментируем, учимся и часто ошибаемся. Но один принцип стал для меня очевиден.
Не начинайте с вопроса о том, как добавить ИИ в свою компанию. Спросите себя, как бы вы построили компанию, если бы интеллектуальные машины были просто ещё одним доступным вам ресурсом наряду с людьми, капиталом и программным обеспечением. А затем двигайтесь от ответа к конкретным шагам.
Для нас путь выглядит так: систематизировать, собирать данные, понимать, автоматизировать, наделять агентов полномочиями. У другой компании он может быть иным. Но цель должна быть такой же. Не используйте ИИ, чтобы немного повысить эффективность старого способа работы. Используйте его, чтобы найти принципиально лучший способ вести бизнес.
Если основатели компаний в нашем регионе будут чаще придерживаться такого подхода и открыто делиться своими выводами, влияние выйдет далеко за рамки любой отдельной компании. Надеюсь, эта статья внесёт свой вклад в такой разговор.
