01Перспективы AI для продаж: разнообразие и распределенность
В недавнем выступлении вице-президент Google по стартапам, Даррен Моури, отметил, что две категории AI-стартапов находятся на грани исчезновения: компании, создающие "обертки" на базе существующих моделей и "агрегаторы AI", объединяющие несколько моделей через API. Эти подходы больше не устраивают индустрию, которая ищет более глубоких решений.
От специализированных прорывов к разнообразным агентам
За последнее десятилетие мы наблюдали несколько революций в AI, каждая из которых решала свою задачу. Например, сверточные нейронные сети (CNN) преобразовали компьютерное зрение, а глубокое обучение с подкреплением (DRL) открыло новые горизонты для принятия решений в динамичных средах. Сегодня большие языковые модели (LLM) демонстрируют выдающиеся результаты в понимании и генерации текста.
Однако каждая из этих технологий является специализированным инструментом, который отлично справляется со своей задачей, но не предназначен для решения всех возможных проблем. Это особенно важно в контексте продаж, где задачи сильно различаются.
Правильный инструмент для каждой задачи
Сегодня разговоры об AI часто сосредоточены на LLM из-за их универсальности. Но универсальность не означает универсальность в решении всех задач. Например, LLM могут помогать в генерации текста и объяснении решений, но они не подходят для задач, требующих последовательного принятия решений с учетом задержек во времени.
Примером может служить оптимизация систем охлаждения дата-центров Google с помощью DRL, где модели в реальном времени принимают решения, снижая энергопотребление на 40%. В продажах аналогичным образом можно применять TD-обучение для управления динамикой сделок.
От монолитных моделей к агентным сетям
Текущая парадигма AI предполагает использование одной крупной модели для решения всех задач. Однако, как показывает опыт программного обеспечения, более эффективным является создание сети специализированных агентов, каждый из которых решает свою уникальную задачу с высокой точностью.
Такая архитектура напоминает архитектуру ориентированную на сервисы (SOA), где множество мелких сервисов с четко определенными интерфейсами взаимодействуют друг с другом. В контексте AI это означает использование различных моделей для разных задач: LLM для обоснования и декомпозиции, TD-обучение для управления и специализированные модели для конкретных задач.
Агентное предприятие: синергия человека и AI
Представьте себе предприятие, где AI-агенты и люди работают в тандеме. AI может обнаруживать сложные паттерны в данных, а человек добавляет интуицию и контекст. Такая синергия позволяет улучшать показатели и открывать новые возможности, недоступные одному из участников в одиночку.
Таким образом, конкурентное преимущество заключается не в AI или людях, а в качестве их взаимодействия. Это и есть будущее, к которому стремится индустрия.
Практические выводы для внедрения AI в бизнес-процессы
Если вы интегрируете AI в процессы продаж, важно помнить: LLM не являются универсальным решением. Используйте их там, где они действительно эффективны, например, для генерации текста. Для задач управления и оптимизации используйте подходящие модели, такие как TD-обучение, для достижения наилучших результатов.