Многие собственники:
Все говорят надо подключать искусственный интеллект и быть технологичными
- тревожусь
- иду изучать все на свете
- вроде понимаю, но не понимаю
- понял, это все дико дорого и не работает, не для меня
Иван:
Что значит уделять внимание цифре?
У вас итак все для этого есть
Расскажу на примере компании про что я
Что значит уделять внимание цифре?
У вас итак все для этого есть
Расскажу на примере компании про что я
Сейчас из всех щелей на нас льется инфа: все должно быть в цифре, все юзают ИИ, его возможности безграничны, кто-то так, кто-то эдак. Любого предпринимателя, не только в логистике, все это ввергает в легкую тревогу, да?
Кто не в теме, начинает слышать об этом все чаще и чаще. И появляется ощущение, что что-то мы упускаем.
С тревогой этой борются по-разному: кто видосы на Ютубе смотрит, кто телеграм-каналы читает, кто на мероприятия по ИИ ходит. Насмотренность это, конечно, повышает, крупицы информации ссыплятся и ощущение, что ты уже что-то знаешь успокаивает. Только есть ли тут реальная польза?
Но понять, как конкретно в своем бизнесе, в своем деле хоть что-то из услышанного и увиденного применить, зачастую бывает достаточно сложно. Почему? Тема широкая, нужны системные знания. А мероприятия, каналы и Ютуб их не дают.
К чему это приводит? Самые тревожные начинают разбираться, даже немножко врубаются, пробуют что-то. Но первые попытки – разочарование. Почему?
Например, кто-то на конфе сказал, что с помощью ИИ запилили сотрудника техподдержки. Человек попытался что-то там написать, поотправлять запросы, промпты задать, а результат - ни о чем.
И вывод такой: технология сырая, это для крупных корпораций. А для нас, смертных из малого и среднего бизнеса, это дело пока не сегодня, а завтра.
Кто-то вообще смотрит на это скептически, думает, что просто модное течение, погудит и успокоится. И все поймут, что шляпа это, ничего не работает, и будут дальше работать по старинке: с блокнотом, ручкой, всех на личном контроле держать.
Куча слов: Machine Learning, LLM, Data Driven Company. Что за Data? Куда эти компании на этой дате едут? Ни хрена не понятно, пока не погрузишься с головой.
А на самом деле ситуация такая: по всем отраслям, включая логистику, конторы, кто забивает на цифру, скоро начнут уступать конкурентам, которые этим заморачиваются.
Что значит "уделять внимание цифре"? Это не значит сразу бежать и вваливать кучу денег в серверные стойки с видеокартами, поднимать языковую модель, нанимать орду спецов, которые ее данными накормят и научат эти данные обрабатывать. Это все начинает стоить примерно от 15 миллионнов. И на этом осознании многие просто забивают и ничего не делают.
На самом деле, те самые Data, те самые данные, которые нужны для Data Driven Company, они есть у любой компании.
Если в комапнии есть 1С – там уже есть пусть немного, но систематизированные, годные данные. Если помимо 1С используется CRM – еще какое-то количество систематизированных данных. Если Excel или файлики с общим доступом – там тоже есть кусочек каких-то данных.
Начинать можно не с покупки серверов за 15 миллионов, а с того, чтобы просто начать хотя бы теми данными, что есть, корректно пользоваться.
Кто не в теме, начинает слышать об этом все чаще и чаще. И появляется ощущение, что что-то мы упускаем.
С тревогой этой борются по-разному: кто видосы на Ютубе смотрит, кто телеграм-каналы читает, кто на мероприятия по ИИ ходит. Насмотренность это, конечно, повышает, крупицы информации ссыплятся и ощущение, что ты уже что-то знаешь успокаивает. Только есть ли тут реальная польза?
Но понять, как конкретно в своем бизнесе, в своем деле хоть что-то из услышанного и увиденного применить, зачастую бывает достаточно сложно. Почему? Тема широкая, нужны системные знания. А мероприятия, каналы и Ютуб их не дают.
К чему это приводит? Самые тревожные начинают разбираться, даже немножко врубаются, пробуют что-то. Но первые попытки – разочарование. Почему?
Например, кто-то на конфе сказал, что с помощью ИИ запилили сотрудника техподдержки. Человек попытался что-то там написать, поотправлять запросы, промпты задать, а результат - ни о чем.
И вывод такой: технология сырая, это для крупных корпораций. А для нас, смертных из малого и среднего бизнеса, это дело пока не сегодня, а завтра.
Кто-то вообще смотрит на это скептически, думает, что просто модное течение, погудит и успокоится. И все поймут, что шляпа это, ничего не работает, и будут дальше работать по старинке: с блокнотом, ручкой, всех на личном контроле держать.
Куча слов: Machine Learning, LLM, Data Driven Company. Что за Data? Куда эти компании на этой дате едут? Ни хрена не понятно, пока не погрузишься с головой.
А на самом деле ситуация такая: по всем отраслям, включая логистику, конторы, кто забивает на цифру, скоро начнут уступать конкурентам, которые этим заморачиваются.
Что значит "уделять внимание цифре"? Это не значит сразу бежать и вваливать кучу денег в серверные стойки с видеокартами, поднимать языковую модель, нанимать орду спецов, которые ее данными накормят и научат эти данные обрабатывать. Это все начинает стоить примерно от 15 миллионнов. И на этом осознании многие просто забивают и ничего не делают.
На самом деле, те самые Data, те самые данные, которые нужны для Data Driven Company, они есть у любой компании.
Если в комапнии есть 1С – там уже есть пусть немного, но систематизированные, годные данные. Если помимо 1С используется CRM – еще какое-то количество систематизированных данных. Если Excel или файлики с общим доступом – там тоже есть кусочек каких-то данных.
Начинать можно не с покупки серверов за 15 миллионов, а с того, чтобы просто начать хотя бы теми данными, что есть, корректно пользоваться.
РЕАЛЬНЫЙ ПРИМЕР:
Компания обратилась за консультацией по цифре.
Исследовали, что в компании происходит, и нашли семизначную сумму денег просто на основании данных из 1С и по платежам.
Исследовали, что в компании происходит, и нашли семизначную сумму денег просто на основании данных из 1С и по платежам.
Внимание: никакого машин лернинга, никакого ИИ, ничего критичного.
Просто на основании имеющихся данных.
1. Сделали скоринг клиентов
2. Выявили задержки оплаты
3. Нашли причины
4. Устранили причины их возникновения
5. Зашили логику
6. Автоматизировали парочку процессов* для логистики
2. Выявили задержки оплаты
3. Нашли причины
4. Устранили причины их возникновения
5. Зашили логику
6. Автоматизировали парочку процессов* для логистики