Artificial Intelligence Technologies for Small and Micro Enterprises: Application Recommendations for Improving Operational Efficiency

Full Text

1. ВВЕДЕНИЕ

Случившаяся за последние годы революция в области генеративных нейросетевых моделей и так называемого «слабого» искусственного интеллекта наряду с множественными кейсами успешного применения данных алгоритмов в компаниях различного масштаба и поддержкой со стороны правительств государств формирует к области значительный интерес. В России он усиливается стабильно невысокой долей вклада малых и средних предприятий (МСП) в валовом внутреннем продукте (ВВП) страны (уровень 20% называют «заколдованным»)¹. Всего таких предприятий в России чуть больше 6 млн, причем 96% из них – это микропредприятия². Специфика МСП в России такова, что большая их доля вовлечена в торговлю или оказание услуг, таким образом, характер их деятельности носит в большей степени ремесленнический характер. Исследования говорят о том, что значительная часть не стремится перейти из категории микро в малое, то есть нарастить объемы [1]³. Наиболее значимыми барьерами являются финансы, компетенции, а также бюрократические сложности. Отсутствие доступа к необходимым для построения системного бизнеса ресурсам (в первую очередь денежным, человеческим) закрывает возможности роста производительности и эффективности работы. Появление технологий искусственного интеллекта (ИИ), а, главное, их коммодизация, создает для МСП новые возможности для роста и масштабирования [2; 3]. Цель данной работы – обобщить опыт и выработать рекомендации по применению ИИ для повышения операционной эффективности малых и микропредприятий.

2. МЕТОДЫ

В данной работе рассматриваются возможности малых и микропредприятий использовать технологии искусственного интеллекта для повышения операционной эффективности. Результаты содержат практические рекомендации.

Исследование выполнялось в качественном дизайне с применением компьютерных технологий. Оперативным источником информации по видению, удачам и неудачам применения тех или иных подходов являются социальные сети. В качестве источника данных была выбрана отечественная профессиональная социальная сеть TenChat. Из нее посредством веб-скрапинга были извлечены тексты статей на тематику использования искусственного интеллекта в малом и микро-бизнесе для повышения операционной эффективности (85 ед.), в которых описывается опыт специалистов и предпринимателей в области применения ИИ. Отбор статей осуществлялся посредством реализации комплексных поисковых запросов в поисковике google и последовательного включения в список статей от наиболее индексируемых к менее индексируемых (в поисковой выдаче). Включение статей в выборку по запросу прекращалось в тот момент, когда размещенные на странице статьи не добавляли новой информации по тематике.

Далее тексты статей по отобранным ссылкам были собраны в текстовый корпус посредством технологии парсинга данных и разбиты на отдельные абзацы. На данных корпуса было реализовано тематическое моделирование алгоритмом LDA. Предварительно из текста были исключены слова-стоперы, которые являются высоко частотными и не несут дополнительной информационной ценности. Было выделено 15 тем, которые в последствии подверглись экспертной оценке и интерпретации и легли в основу формирования рекомендаций.

Обзор литературы

Предпринимательская деятельность как особый вид занятости и деятельности

В фокус данной работы лежит бизнес как некоторая предпринимаемая индивидом или группой лиц деятельность по созданию и распространению благ в коммерческих целях. В случае малых и, в особенности, микропредприятий данная деятельность зачастую сопряжена с поддержкой жизнедеятельности лица ее инициировшего. Бизнес-деятельность малых и микропредприятий в той или иной степени формализуется в виде бизнес-модели. Бизнес-модель может в различных пропорциях фокусироваться на аспектах создания ценности, получения дохода или обоих аспектах одновременной [4; 5].

В случае, если предприятие ведет свою деятельность (не объявляет о прекращении деятельности), говорят о его операционной деятельности. Операционная деятельность включает в себя всю совокупность действий и операций, необходимых для поддержания жизнедеятельности предприятия и выполнения им ключевой функции – той деятельности, ради реализации которой предприятие инициировалось [6]. Представление о бизнесе как о системе формирует следующие блоки, которые требует управления:

• бизнес-модель и финансы;
• производство;
• маркетинг;
• продажи;
• человеческие ресурсы.

В хорошем бизнесе все эти блоки работают совместно для достижения целей организации и формируют операционную деятельность [7]. Операционная деятельность является источником поступления денежных средств. В то же время операционная деятельность сопряжена с издержками по ее реализации, поэтому важным аспектом деятельности организации является ее операционная эффективность.

Достижение операционной эффективности может вестись в двух основных направлениях:

• снижение расходов;
• увеличение доходов [8].

Данные величины можно рассматривать в соотношении друг с другом. В таком случае задача достижения операционной эффективности сводится к нахождению оптимального баланса между расходами и доходами, которое позволяет производить товары и оказывать услуги, которые представляют для конечных потребителей ценности. В отдельных случаях задача может быть решена радикально – сменой бизнес-модели или радикальной трансформацией бизнеса, но данный аспект находится за рамками текущей работы.

Вместо этого обратим внимание на произошедшей в последние годы прорыв в области нейронных сетей и так называемого слабого искусственного интеллекта и общий контекст изменений. В последние десятилетия наблюдался активный переход бизнеса в Интернет либо на уровне бизнес-модели, либо на уровне присутствия, а в последние годы на фоне пандемии COVID-19 онлайн-присутствие стало обязательным условием выживания [9]. Переход к цифровой экономике находится в повестке крупнейших стран [10]. Поддерживается он и в России на уровне национальных программ и проектов (например, НП «Цифровая экономика», ФП «Искусственный интеллект»). Все чаще говорят о переходе к Индустрии 4.0 – так называемому умному производству, в основе которого лежат технологии общего назначения (интернет вещей, большие данные, облачные вычисления и пр.), в частности технологии искусственного интеллекта [11], однако, по результатам исследований [2; 3] для МСП существуют значительные риски с этим связанные. Среди факторов выявляют финансово-экономический, компетентностный, правовой, культурный и управленческий. Возможный путь преодоления барьеров видится в стандартизации технологий и их «упаковка» в конкретные пакеты под нужны компаний [2].

Современная эпоха развития искусственного интеллекта началась с модели Transformer [12]. Transformer – это тип модели глубокого обучения, которая может изучать контекстную информацию из последовательностей данных (например, текстов). При этом включает механизм «самовнимания» (self-attention), который моделирует отношения разных слов в одной и той же последовательности слов. Этот подход помогает улучшить распознавание образов в языке с помощью параллельной (а не последовательной) обработки. Одним из наиболее заметных применений моделей Transformer является разработка больших языковых моделей (LLM), таких как ChatGPT. Эти модели продемонстрировали впечатляющие возможности в понимании, обработке и генерации естественного языка. В работах [13; 14] проводится обширная техническая оценка ChatGPT, которая показывает, что ChatGPT превосходит прочие выпущенные на моент исследования LLMs в большинстве задач с использованием нулевого обучения и даже превосходит улучшенные модели на некоторых задачах.

Обзор применяемых методов машинного обучения, применяемых в малом бизнесе, ранее был представлен [15], однако за прошедшее с момента выхода статьи технологии ИИ и машинного обучения шагнули вперед. Рассматриваемая авторами тема применения искусственного интеллекта в управлении на малых и средних предприятиях ранее была освещена в работах [16–18]. Авторы предлагают в данной работе обобщение опыта профессионального сообщества по применению ИИ в сфере малого предпринимательства.

3. РЕЗУЛЬТАТЫ

В ходе компьютерного анализа текстов статей было выделено 15 тем, которые были экспертно сгруппированы в 5 направлений и проинтерпретированы в т.ч. на основе отнесенных к этим направлениям текстов статей (табл. 1).

 

Таблица 1. Направления и блоки использования искусственного интеллекта [Directions and blocks of use of artificial intelligence]

Направление [Direction]	Блок [Block]
Использование ИИ и нейросетей в маркетинге и обслуживании клиентов [AI and neural networks for marketing and customer service]	Улучшение качества обслуживания клиентов [Bettering client service]
	Создание контента [Content creation]
	Повышение среднего чека [Higher average purchase]
Создание изображений с помощью нейросетей [Image generation]	Создание графических изображений [Graphic image generation]
	Отсутствие авторских прав и роялти [No authorship or royalty]
Использование нейросетей для автоматизации рутинных задач в маркетинге и создания личного бренда [Neural networks for routine marketing tasks automatization and personal branding]	Работа как с живым специалистом [Human-like work process]
	Сокращение рутинных операций [Lowering of routine operations]
Использование ИИ и нейросетей для оптимизации процессов и улучшения эффективности [AI and neural networks for process optimisation and efficiency enhancement]	Финансовая доступность [Financial accessibility]
	Оптимизация использования ресурсов [Resources usage optimisation]
	ИИ как партнер [AI as partner]
Использование ИИ для анализа данных и информации [AI for data and information analysis]	Принятие решений на основе данных [Data-driven decision making]
	Когнитивное преимущество [Cognitive advantage]
	Возможность выбирать из множества вариантов [Ability to choose among many options]

 

Направление 1 «Использование ИИ и нейросетей в маркетинге и обслуживании клиентов» включает 3 блока:

• улучшение качества обслуживания клиентов;
• создание контента;
• повышение среднего чека.

Блок 1 «Улучшение качества обслуживания» связан с быстрыми и четкими ответами на вопросы клиентов, автоматизацией обработки заказов и оповещения клиентов. При этом стоимость внедрения средств ИИ оказывается низкой и измеряется несколькими тысячами рублей (примеры представлены на рис. 1).

Блок 2 «Создание контента» охватывает такие аспекты как создание рекламных кампаний с минимальным бюджетом, создание и заполнение карточки товара, создание уникального описания (товара, текста на сайт). В то же время не говорится о том, что инструменты ИИ позволят полностью отказаться от дизайнера и копирайтера, однако, способны упростить процесс как с точки зрения ресурсов, так с точки зрения когнитивных усилий (рис. 2).

 

Рис. 1. Фрагменты текста по блоку 1 направления 1

Fig. 1. Text fragments for block 1 direction 1

 

Рис. 2. Фрагменты текста по блоку 2 направления 1

Fig. 2. Text fragments for block 2 direction 1

 

Блок 3 «Повышение среднего чека» охватывает следующие аспекты:

• анализ поведения пользователей и их покупок для последующей выработки точечных рекомендаций;
• взаимодействие и осуществление покупок с помощью голосового помощника;
• визуальный поиск.

Абзацы текстов, раскрывающих каждое положение, приводятся далее (рис. 3).

Направление 2 «Создание изображений с помощью нейросетей» затрагивает 2 блока:

• создание графических изображений;
• отсутствие авторских прав и роялти.

Блок 1 «Создание графических изображений» охватывает широкие возможности применения ИИ для создания фотоизображений, векторной графики, видеоконтента и иных работ, которые являются ресурсозатратными при традиционном способе производства (рис. 4).

Блок 2 «Отсутствие авторских прав и роялти» фокусируется на том, что в результате работы средств ИИ создается оригинальное изображение, не содержащее подписей (вотремарк). Более того, сокращаются издержки на выкуп авторских прав у владельца контента – можно просто использовать медиа в маркетинговых материалах (рис. 5).

Направление 3 «Создание изображений с помощью нейросетей» затрагивает 2 блока:

• работа как с живым специалистом;
• сокращение рутинных операций.

Блок 1 «Работа как с живым специалистом» опирается на заложенный в современные нейронные сети механизм внимания [12], который построен по аналогии с процессами, происходящими в процессе взаимодействия с информацией в человеческом мозге. Это позволяет инструменту принимать во внимание множество специфичных факторов, которые определяют содержание результата. Конечный результат, как и в работе с живым специалистом, будет зависеть от объема и качества предоставленных вводных. Был выявлен примечательный подход поставить ИИ задачу, подобно интервьюеру, выяснить то, что необходимо для решения задач. Притом самим процессов все равно управляет человек, который направляет ИИ четко поставленными логически выстроенными задачами (конкретные примеры представлены на рис. 6).

 

Рис. 3. Фрагменты текста по блоку 3 направления 1

Fig. 3. Text fragments for block 3 direction 1

 

Рис. 4. Фрагменты текста по блоку 1 направления 2

Fig. 4. Text fragments for block 1 direction 2

 

Рис. 5. Фрагменты текста по блоку 2 направления 2

Fig. 5. Text fragments for block 2 direction 2

 

Блок 2 «Сокращение рутинных операций» охватывает отдельные инструменты, которые упоминаются авторами статей из текстового корпуса, на котором проводился анализ. Упоминаются такие инструменты ChatGPT, Claude, Llama, Midjourney (рис. 7).

Направление 4 «Использование ИИ и нейросетей для оптимизации процессов и улучшения эффективности» затрагивает 3 блока:

• финансовая доступность;
• оптимизация использования ресурсов;
• ИИ как партнер.

Блок 1 «Финансовая доступность» фокусируется на возможности быстрого и «дешевого» тестирования гипотез за счет сокращения издержек на генерацию контента средствами искусственного интеллекта. Если ранее этот процесс требовал значительных (пусть и меньших, чем запуск) вложений, что формировало для представителей МСП высокий порог входа, то сейчас малый и микробизнес способен реализовать задачу минимальными человеческими ресурсами, посредством тестов выбрать наиболее выгодную связку или направление деятельности (рис. 8).

 

Рис. 6. Фрагменты текста по блоку 1 направления 3

Fig. 6. Text fragments for block 1 direction 3

 

Блок 2 «Оптимизация использования ресурсов» посвящен теме применения ИИ для создания уникальных и креативных изображений для рекламных кампаний, визуального оформления сайтов, интерьерного дизайна, упаковки товаров, генерации заготовок писем e-mail рассылки и многих других задач (рис. 9).

Блок 3 «ИИ как партнер» фокусируется на потенциале ИИ компенсировать отсутствующие ресурсы и компетенции на предприятии с одной стороны и усилить (аугментировать) имеющихся специалистов, помочь ЛПР при принятии решений (рис. 10).

Дополнительным нарративом, который выявляется в текстах данного блока, является эссенциальность искусственного интеллекта как мощного инструмента. Выделяются следующие ключевые мысли (подкрепленные примерами текстов), которые сформировали направление выработки рекомендаций.

• ИИ – это технология, причем технология уже настоящего, а не далекого будущего.
• ИИ – не плох и не хорош сам по себе, это в первую очередь мощный инструмент, способный решать задачи.
• Ошибочно возводить ИИ в божество, которое все знает и умеет. ИИ реактивен по своей природе, что не исключает продуктивного с ним взаимодействия человека, место которого – в наделении деятельности целью и смыслом.

Фрагменты текстов, которые раскрывают изложенные положения, приводятся далее (рис. 11).

Направление 5 «Использование ИИ для анализа данных и информации» затрагивает 3 блока:

• принятие решений на основе данных;
• возможность выбирать из множества вариантов;
• когнитивное преимущество.

 

Рис. 7. Фрагменты текста по блоку 2 направления 3

Fig. 7. Text fragments for block 2 direction 3

 

Рис. 8. Фрагменты текста по блоку 1 направления 4

Fig. 8. Text fragments for block 1 direction 4

 

Рис. 9. Фрагменты текста по блоку 2 направления 4

Fig. 9. Text fragments for block 2 direction 4

 

Рис. 10. Фрагменты текста по блоку 3 направления 4

Fig. 10. Text fragments for block 3 direction 4

 

Рис. 11. Фрагменты текста по дополнительному блоку направления 4

Fig. 11. Text fragments for additional block of direction 4

 

Рис. 12. Фрагменты текста по блоку 1 направления 5

Fig. 12. Text fragments for block 1 of direction 5

 

Блок 1 «Принятие решений на основе данных» охватывает способности ИИ ассистировать человеку в задачах сбора и анализ информации по конкурентам, анализа и описания целевой аудитории, реализовывать функции персонализации рекомендаций и предсказания маркетинговых параметров контента (эффективность) для той или иной аудитории предиктивно, то есть до того, как фактически средства на реализацию рекламной кампании будут израсходованы (рис. 12).

Блок 2 охватывает «возможность выбирать из множества вариантов», которая является следствие способности ИИ генерировать новые и новые варианты с минимальным приростом стоимости производства медиа материала. Более того, открывается потенциальная возможность обучить алгоритмы не только генерировать контент необходимого стиля и предсказуемого качества, но и самостоятельно оценивать варианты, формировать рекомендации по их улучшению. Отдельные абзацы, отнесенные к данному блоку, приводятся далее (рис. 13).

 

Рис. 13. Фрагменты текста по блоку 2 направления 5

Fig. 13. Text fragments for block 2 direction 5

 

Блок 3 «Когнитивное преимущество» следует из изложенного выше как логическое следствие удешевления компьютерных мощностей и возможности обработки беспрецедентно больших объемов данных. Средства ИИ позволяют анализировать большие массивы данных, в том числе в реальном времени, донастраивать и дообучать алгоритмы, выявлять закономерности, которые недоступны человеческому разуму.

Рекомендации

Полученные в ходе исследования результаты легли в основу для выработки практически применимых рекомендаций для малых и микропредриятий по использованию ИИ для повышения операционной эффективности, которые были сгруппированы по 5 смысловым блокам:

• принятие стратегических решений;
• реактивность ИИ;
• команда;
• обеспечение операционной деятельности;
• данные.

Интерпретация каждого из блока рекомендаций приводится далее.

Блок 1 «Принятие стратегических решений» охватывает способности ИИ для помощи в принятии решений относительно деятельности компании на высоком уровне. Целесообразным считается использовать технологии искусственного интеллекта для упрощения принятия решений и обеспечения их обоснованности. Алгоритмы могут быть полезны для оперативного обеспечения ЛПР информацией в формате executive summary. В то же время не следует ожидать от ИИ определения курса деятельности предприятия и целеполагания – они остаются и долгое время будут оставаться прерогативой человека.

Блок 2 затрагивает массовое наблюдение о том, что искусственный интеллект на текущем уровне развития является реактивным. Для получения приемлемого результата необходимы усилия на продумывание четкого и однозначного ТЗ, погружения нейросети в контекст – по умолчанию любой из доступных инструментов делает минимальный формально соответствующий требованиям результат. Полезными правилами взаимодействия являются:

1) постановка зада с указанием четкой структуры и параметров результата;

2) выстраивание задач в четкую логическую последовательность;

3) постановка задач преимущественно на обобщение больших объемов данных либо генерацию возможных вариантов результата, которые могут быть использованы человеческими экспертами в качестве опоры для формирования итогового результата.

Блок 3 «Команда» затрагивает во многом неверно трактуемое ожидание, что искусственный интеллект возможности полностью заменить команду профессионалом. В данных упоминаются отдельные кейсы, однако, они являются специфичными, поскольку данную конфигурацию позволяет область деятельности компании и ее бизнес-модель. Это делает опыт отдельных компаний такого рода показывает низкую применимость к типовому малому и микропредприятию РФ. В то же время имеются свидетельства возможности применения ИИ в 2 направлениях: аугментация (усиление) имеющегося сотрудника и сокращение команды. Бюджет типового малого и микропредприятия существенно ограничен, поэтому зачастую команда малого предприятия формируется исходя из бюджета и специалистов доступного, а не требуемого, уровня (если функция вообще выносится на специалиста, а не реализуется самим предпринимателем). За счет комплексности и всеохватности обучающего корпуса данных современные средства ИИ способны отчасти компенсировать формируемые разрыв между имеющимися и требуемым компетенциями, тем самым сформировать возможность компании для роста. В случае наличия у бизнеса команды на задачи маркетинга и продаж использование ИИ инструмента позволит сократить ФОТ на данных класс задач (которые зачастую являются дорогостоящими как с точки зрения оплаты труда, так и с точки зрения сопутствующих производству контента издержек). В отдельных случаях ИИ позволяет перейти к взаимодействию с одним универсальным специалистом, вооруженным «зоопарком» соцсетей. В общем же случае – сократить стоимость маркетинговых процедур.

Блок 4 «Обеспечение операционной деятельности» затрагивает практические аспекты взаимодействия с инструментами ИИ для решения операционных задач. Оптимальный подход к работе с ИИ опирается на глубокое последовательное погружение нейросети в контекст и предоставлении ей специфичной информации о компании, ситуации, задаче. Общение с ИИ рекомендуется строить в формате общения с человечески специалистом.

Блок 5 «Данные» затрагивает уникальную способность компьютерных средств обрабатывать массивы информации, объем которых неподвластен человеческому мозгу. Ошибочным с точки зрения операционной эффективности является принятие решение без опоры на реальные данные, следовательно, рекомендуется применение технологий ИИ в следующих направлениях:

• обработка больших массивов данных;
• предсказание результативности;
• точечная персонализация;
• дообучение под задачу.

Вслед за результатами, рекомендации оказываются несколько скошенными в сторону маркетинга в широком смысле (и связанных с ним операционным издержкам), что создает необходимую для целей данной работы универсальность результатов.

4. ОБСУЖДЕНИЕ И ВЫВОДЫ

На основании проведенного исследования были сформулированы практически применимые рекомендации для малых и микропредприятий по использованию искусственного интеллекта (ИИ) с целью улучшения операционной эффективности. Эти рекомендации были систематизированы по пяти смысловым блокам: принятие стратегических решений, реактивность ИИ, команда, обеспечение операционной деятельности и данные.

Первый блок рекомендаций подчеркивает важность использования ИИ для помощи в принятии стратегических решений на высоком уровне, хотя конечные решения всегда остаются прерогативой человека. Второй блок указывает на необходимость четкого и однозначного определения задач для достижения приемлемых результатов при работе с реактивным по своей природе ИИ. Третий блок подчеркивает важность понимания, что ИИ не заменяет команду, но может улучшить ее эффективность через аугментацию или сокращение численности. Четвертый блок рекомендует глубокое погружение нейросети в контекст задачи и общение с ИИ в формате общения с человеческим специалистом для получения желаемых результатов. Пятый блок подчеркивает важность использования ИИ для обработки больших массивов данных, предсказания результатов, персонализации и дообучения под конкретную задачу.

В результате проведенного анализа были выработаны рекомендации по применению ИИ для повышения операционной эффективности малых и микропредприятий. В связи со спецификой деятельности МСП (торговля и услуги) результаты анализа преимущественно затрагивают маркетинг и продажи как неотъемлемый блок деятельности предприятия.

¹ Греф назвал стыдной долю малого и среднего бизнеса в ВВП России // РБК. URL: https://www.rbc.ru/finances/26/05/2023/647076fa9a7947b349dae983 (дата обращения: 03.04.2024).

² Единый реестр субъектов малого и среднего предпринимательства // Федеральная налоговая служба. URL: https://rmsp.nalog.ru/statistics.html (дата обращения: 03.04.2024).

³ Выжутович В. Социолог Чепуренко: «Надо понять, почему микробизнес не стремится стать малым» // RG.RU. URL: https://rg.ru/2023/09/18/vanka-vstanka.html (дата обращения: 03.04.2024).

About the authors

Victoria A. Ignatova

MIREA – Russian Technological University

Author for correspondence.
Email: vignatovaa@yandex.ru

lecturer, Department of Industrial Programming; Institute for Advanced Technologies and Industrial Programming

Russian Federation, Moscow

Gleb N. Kuzmin

MIREA – Russian Technological University

Email: kuzmin_g@mirea.ru
ORCID iD: 0000-0001-5398-577X
SPIN-code: 3701-4512
Scopus Author ID: 57198490261
ResearcherId: E-2859-2015

senior lecturer, Department of Industrial Programming; Institute for Advanced Technologies and Industrial Programming

Russian Federation, Moscow

References

Supplementary files