Что вы подумаете, если вам скажут: «давайте мы возьмём вашего лучшего сотрудника и сделаем его цифрового двойника, и этот двойник будет работать внутри ваших программ вместе с живыми сотрудниками»? Фантастика? Обман? Инновация по цене «Боинга»?

На самом деле это — реальность 2024 года, при том доступная малому бизнесу. Конечно, с оговоркой, что «двойник» не заменит настоящего сотрудника, а «всего лишь» увеличит его эффективность в несколько раз. И есть важный момент: таких двойников можно будет сделать несколько.

Рассказываем на примере отдела продаж, как с помощью ИИ и решений от ChatGPT создать и внедрить нейросотрудника, который станет верным помощником для вас и ваших коллег.

Для полноценного нейросотрудника понадобится собрать два пула данных.

Шаг 1: сбор данных

Второй — информация о процессах: регламенты, должностные инструкции, скрипты продаж, маркетинговые материалы. Они позволят нейросети понять именно ваш бизнес. Кроме того, на некоторые из материалов будут ссылаться команды, которые будет выполнять нейросеть (но об этом чуть позже)

Первый — это информация о лучших менеджерах: резюме, записи их собеседований, переписка и созвоны с клиентами, записи презентаций продукта — всё, что содержит процесс и результат их работы. Всё это составит так называемый «цифровой слепок» сотрудника.

Важно, что чем больше информации будет в каждом из пулов — тем лучше.

Собранная информация, скорее всего, будет разрозненной: видеоуроки, аудиозаписи, текст, excel-таблицы. Её понадобится сначала преобразовать в текст (чтобы его можно было «скормить» GPT), а потом правильно разметить.

Шаг 2: обработка данных

Разметка — не самый лёгкий процесс. Возьмём для примера данные типа «диалог»: в каждом диалоге понадобится указать, где фраза менеджера, а где — клиента; далее диалог нужно будет «скармливать» в GPT постепенно: сначала взять первую реплику (вопрос) и ответ на неё, а далее каждый раз копировать всю предыдущую историю, добавляя по одной следующей реплике. Это позволит модели понимать контекст как каждого отдельного сообщения, так и всего диалога в целом.

Подобные мелочи нужно учитывать и для других типов данных. Собственно, инструкциям по разметке посвящён отдельный раздел документации OpenAI, так что этот этап лучше отдать специалисту: промпт-инженеру или аналитику.

Шаг 3: написание указаний (промптов) для ИИ

Нейросотрудник не будет ничего делать, если ему не описать задачи. Иными словами, для нейросети нужно прописать команды, которые она должна будет раз за разом выполнять. Такие команды называются «промпты».

Но просто сказать «сделай красиво» нельзя даже обученному нейросотруднику. Чем точнее и конкретнее будет каждый промпт, тем лучше будет работать «цифровой двойник». Для наглядности приведём два очень разных примера команд, по которым может работать нейросеть (мы нарочно подобрали максимально разные кейсы, чтобы показать универсальность ИИ).

Сфера: онлайн-школа.
Задача: обработка входящих лидов, их квалификация и оформление записи на бесплатный урок.

Промпт для ИИ: ты — менеджер отдела обработки входящих обращений в онлайн-школе [название]. Твоя задача — принимать заявки от клиентов и квалифицировать каждого клиента. Для выполнения задачи используй регламент [url-ссылка на регламент]. Исключай из своего общения грубость и недовольство. Твоя основная цель — квалифицировать клиента по матрице сегментов [url-ссылка на google-таблицу]. Твоя задача — подобрать клиенту лучший для его потребностей курс из списка на сайте [url-ссылка на веб-страницу]. После этого ты должен перевести клиента на нужный отдел согласно оргструктуре [url-ссылка на google-таблицу].

Сфера: снабжение строительных объектов.
Задача: запросить стоимость материалов у поставщиков, проанализировать сроки и риски, отобрать лучшее предложение.

Оба примера взяты из реальной практики, но несколько упрощены: в реальности промпт и алгоритмы дополнительно учитывают сегменты клиентов, ответственных менеджеров, возможные развилки процессов, исключения и другие переменные.

Промпт для ИИ: ты — менеджер компании [название], которая занимается комплексной поставкой строительного оборудования. Тебе приходит заявка, в которой есть разные позиции для комплектации объекта. Квалифицируй позиции на основе excel-файла [url-ссылка на google-таблицу], проверь каждую позицию по номенклатуре [url-ссылка на 1С], найди список проверенных поставщиков для каждой позиции [url-ссылка на google-таблицу] и направь email поставщикам с запросом сроков и стоимости поставки [url-ссылка на справочник 1С]. Проанализируй ответ (коммерческое предложение) согласно алгоритму [url-ссылка на алгоритм], сведи всю информацию в одну excel-таблицу, прикрепи таблицу к сделке в CRM и назначь отвественным за сделку пользователя CRM [id старшего менеджера в CRM].

Шаг 4: интеграция нейросотрудника в инфраструктуру

Чтобы цифровой сотрудник мог взаимодействовать со всеми процессами (создавать сделки и задачи, писать комментарии, сверяться со справочниками, слушать телефонные диалоги, отправлять письма и нотификации), нужно внедрить ИИ в используемые вами программы и сервисы (например, CRM, телефония, таск-трекер).

Для каждой программы понадобится отдельно настроить обмен данными — какими именно, зависит от ваших процессов.

Это техническая часть, которую должен делать разработчик.

Какое-то время займёт тестовая эксплуатация, по результатам которой могут понадобиться незначительные дополнения и исправления (например, загрузка в нейросеть «словаря» с названиями брендов конкурентов).

Пуск!

А после повторного тестирования начнётся промышленная эксплуатация, похожая на магию: львиную долю рутинных действий и стандартной переписки возьмёт на себя ИИ, про ручные отчёты можно будет забыть, люди будут подключаться только на сложные и ключевые задачи, а руководитель будет мгновенно узнавать о критичных ошибках сотрудников.

Даже айтишники с трудом верят своим глазам, когда видят нейронку в деле. Источник: YouTube.

Вам останется только следить за метриками бизнеса и заниматься стратегическими задачами. И самое главное, «бутылочные горлышки» процессов, которые будут выявлены после внедрения нейросотрудника (а так происходит в большинстве случаев), можно будет исправить внедрением дополнительных «цифровых двойников». Благо, масштабирование уже внедрённого ИИ — это дело техники.