Microsoft использует подход "бережливого" мышления для преобразования интеллектуальной работы, сначала начав с службы поддержки

Основные идеи

Генеральный директор Microsoft Наделла определяет ИИ как инструмент для более “эффективной” работы с знаниями, сначала проверяя, сколько можно сэкономить в сфере обслуживания клиентов.

Обзор ключевых моментов

В интервью на Bg2 Pod Наделла объяснил, как Microsoft внедряет ИИ, используя методологию “бережливого” производства: сначала необходимо выявить потери, количественно оценить их, а затем устранить с помощью технологий. Первая цель — поддержка клиентов Xbox и Azure, на которую, как сообщается, ежегодно тратится около 4 миллиардов долларов. Подход весьма прямолинеен: ИИ-агенты блокируют стандартизированные вопросы, предоставляют поддержку принятия решений и поиск информации для операторов, сокращают процессы обработки и повышают уровень первичного решения. Сколько можно сэкономить, еще предстоит выяснить на практике, но сигнал очень ясен — реальная ценность заключается в четко подсчитанной оптимизации затрат, а не в эффектных демонстрациях диалогов.

Анализ и интерпретация

• Понятие “бережливой работы с знаниями” Наделла упоминал в нескольких местах, включая подкаст Дваркеша Пателя и конференцию Microsoft Ignite. Методология не нова, но с помощью ИИ-агентов, способных запоминать контекст и использовать инструменты, ее реализация становится более практичной.
• Что касается конкретных цифр, 4 миллиарда долларов относятся к затратам на поддержку Xbox/Azure, в основном исходя из внешних интерпретаций; с других источников видно, что уже проверенные случаи экономии в колл-центрах ближе к 500 миллионам долларов. В любом случае, направление совершенно ясно: Microsoft рассматривает ИИ как средство для снижения затрат на поддержку и эксплуатацию, надеясь, что корпоративные клиенты поддержат это.
• Конкурентная ситуация меняется: когда облачные гиганты напрямую интегрируют ИИ в платформы и рабочие процессы, независимым системам управления заявками, службам поддержки и некоторым SaaS-базам данных будет все труднее доказывать свою ценность. Клиенты будут задаваться весьма прямым вопросом: почему нужно платить больше?
• Влияние на рабочую силу в публичных заявлениях Microsoft довольно сдержанное, но реальность такова: бережливое производство означает, что меньше людей выполняет больше работы, даже если это упаковано как “усиление”, результатом, как правило, становятся увольнения и реорганизация.

Разбор механизма (на примере обслуживания клиентов)

• Сторона спроса: множество повторяющихся и рутинных вопросов может быть легко остановлено ИИ с высокой точностью, переходя на самообслуживание или автоматизированные циклы.
• Сторона предложения: сотрудничество человека и машины “шаблонизирует” процессы обработки, основной акцент на вызовах инструментов, поиске в базе знаний и компоновке процессов, что повышает уровень первичного решения и сокращает время обработки.
• Система измерений:
  • Уровень перехвата
  • Уровень первичного решения и среднее время обработки
  • Соотношение апгрейдов/перенаправлений и уровень попадания в базу знаний
  • Стоимость одного рабочего запроса и доля затрат на поддержку в доходах

Возможные последствия

• Для корпоративных покупателей: если встроенный ИИ может сэкономить заметные деньги, бюджет, естественно, будет сосредоточен на платформенных компаниях, переход от пилотного проекта к масштабированию будет быстрее.
• Для независимых SaaS: различия не могут основываться только на “более мощных моделях”, необходимо опираться на более глубокую привязку процессов, сетевые эффекты данных, соответствие и возможность аудита, иначе они будут унифицированы платформами.
• Для организаций и кадров: структура должностей будет склоняться к “небольшому количеству высококвалифицированных специалистов + инструменты для сотрудничества человека и машины”, доля операций и данных возрастет.

Риски и неопределенности

• Фактическая экономия может отличаться от рекламируемых показателей (ранее раскрытые случаи часто на уровне нескольких сотен миллионов долларов).
• Сложные проблемы с длинным хвостом, точность и возможность аудита компоновки заявок между системами ограничат пределы экономии.
• Данные и границы безопасности: требования компаний к памяти модели, несанкционированным вызовам и соблюдению норм могут замедлить темпы продвижения.

Оценка влияния

• Важность: высокая
• Категория: отраслевые тренды | технологические инсайты | рыночное влияние

Заключение: Эта история сейчас находится на этапе “рано, но уже можно проверить”. В наиболее выгодном положении находятся платформенные компании, операционные/данные команды крупных предприятий и долгосрочные инвестиции; краткосрочные трейдеры и независимые SaaS, ориентированные только на инструменты, находятся в невыгодном положении.