Уроки от семи передовых компаний
Новый способ работы
Как компания, занимающаяся ИИ-исследованиями и внедрением, OpenAI делает приоритетом партнёрство с глобальными компаниями, поскольку наши модели показывают наилучшие результаты в сложных, взаимосвязанных рабочих процессах и системах.
Мы видим, что ИИ приносит значимые, измеримые улучшения в трёх направлениях:
01 Повышение производительности сотрудников
Помогает людям достигать более высоких результатов за меньшее время.
02 Автоматизация рутинных операций
Освобождает сотрудников от повторяющихся задач, чтобы они могли сосредоточиться на создании ценности.
03 Усиление продуктов
Предоставляет более релевантный и отзывчивый пользовательский опыт.
Но использование ИИ — это не то же самое, что разработка ПО или развертывание облачных приложений.
Наибольший успех достигают те компании, которые воспринимают ИИ как новый рабочий подход. Это приводит к экспериментальному мышлению и итеративному подходу, который быстрее приносит ценность и обеспечивает большее вовлечение пользователей и заинтересованных сторон.
Наш подход: итеративная разработка
OpenAI организована вокруг трёх команд:
- Research Team (Научная команда) — развивает фундаментальные основы ИИ, разрабатывая новые модели и возможности.
- Applied Team (Прикладная команда) — превращает эти модели в продукты, такие как ChatGPT Enterprise и наш API.
- Deployment Team (Команда по внедрению) — внедряет эти продукты в компаниях, решая наиболее актуальные задачи.
Мы используем итеративное развертывание, чтобы быстро учиться на реальных кейсах и ускорять улучшение продуктов. Это означает частые обновления, сбор обратной связи и повышение производительности и безопасности на каждом этапе.
Результат: пользователи получают доступ к новейшим достижениям ИИ рано и часто — и их обратная связь влияет на будущие продукты и модели.
Резюме для руководителей
Семь уроков по внедрению ИИ в корпоративной среде:
01 Начинайте с оценок
Используйте системный подход к оценке, чтобы измерить, как модели справляются с вашими задачами.
02 Встраивайте ИИ в продукты
Создавайте новый клиентский опыт и более релевантные взаимодействия.
03 Начинайте сейчас и инвестируйте заранее
Чем раньше начнёте, тем больше сложного эффекта получите со временем.
04 Настраивайте и дообучайте модели
Адаптация моделей под ваши конкретные случаи может значительно увеличить ценность.
05 Дайте экспертам доступ к ИИ
Те, кто ближе всех к процессу, лучше всего понимают, как его улучшить с помощью ИИ.
06 Снимайте блокировки с разработчиков
Автоматизация жизненного цикла разработки умножает отдачу от ИИ.
07 Ставьте смелые цели автоматизации
Большинство процессов включают рутинную работу, пригодную для автоматизации. Ставьте амбициозные цели.
Далее мы подробнее рассмотрим каждый урок, используя примеры от клиентов.
Урок 1
Начинайте с оценок
Как Morgan Stanley обеспечила качество и безопасность через итерации
Будучи мировым лидером в сфере финансовых услуг, Morgan Stanley ориентируется на отношения. Неудивительно, что по всей компании возникли вопросы о том, как ИИ может добавить ценность в такой личный и чувствительный вид деятельности.
Ответом стало проведение интенсивных оценок для каждого предлагаемого применения ИИ.
Оценка (eval) — это строго структурированный процесс измерения, как ИИ-модель справляется с конкретной задачей по заданным метрикам. Это также способ постоянно улучшать ИИ-решения с участием экспертов на каждом этапе.
Как всё начиналось
Первая оценка в Morgan Stanley была направлена на повышение эффективности финансовых консультантов.
Идея была проста: если консультанты смогут быстрее получать информацию и тратить меньше времени на рутинные задачи, они смогут давать клиентам больше и лучше рекомендаций.
Они провели три оценки моделей:
01 Перевод текстов
Оценка точности и качества переводов, создаваемых моделью.
02 Суммаризация
Анализ, как модель сокращает информацию, по согласованным метрикам точности, релевантности и связности.
03 Сравнение с экспертами
Сопоставление результатов ИИ с ответами профессиональных консультантов, оценка точности и уместности.
Эти и другие оценки дали Morgan Stanley уверенность в том, что можно внедрять ИИ-примеры в продуктивную среду.
Как обстоят дела сейчас
Сегодня 98% консультантов Morgan Stanley используют OpenAI ежедневно; доступ к документам вырос с 20% до 80%, а время на поиск информации значительно сократилось. Консультанты проводят больше времени в общении с клиентами, благодаря автоматизации задач и более быстрым инсайтам.
Отзывы консультантов — исключительно положительные.
Они стали более вовлечёнными, а действия, на которые раньше уходили дни, теперь происходят за часы.
Кейтлин Эллиотт
Руководитель направления генеративного ИИ в масштабах всей компании
📺 Видео о кейсе Morgan Stanley (YouTube)
Что такое "оценка" (eval)?
Оценка — это процесс проверки и тестирования результатов, выдаваемых вашей моделью.
Строгие оценки ведут к более стабильным и надёжным приложениям, устойчивым к изменениям.
Они строятся на заданиях, измеряющих качество вывода модели по сравнению с эталоном:
- точнее ли она?
- соответствует ли требованиям?
- безопасна ли она?
Ключевые метрики зависят от того, что важно в вашем конкретном случае.
Урок 2
Встраивайте ИИ в свои продукты
Как Indeed делает подбор работы более человечным
Когда ИИ автоматизирует и ускоряет скучную, повторяющуюся работу, сотрудники могут сосредоточиться на том, что под силу только людям.
Благодаря способности обрабатывать огромные объёмы данных, ИИ может создавать клиентский опыт, который ощущается более персонализированным и человечным.
Indeed, сайт №1 по поиску работы в мире, использует GPT-4o mini для новых способов сопоставления соискателей и вакансий.
Сила объяснений «почему»
Просто предложить подходящую вакансию недостаточно — важно объяснить, почему именно эта работа рекомендована.
Indeed использует способности GPT-4o mini по анализу данных и генерации текста, чтобы формулировать такие объяснения в письмах и сообщениях.
Популярная функция «Пригласить к отклику» теперь содержит аргументы, почему кандидат хорошо подходит на должность, основываясь на прошлом опыте и навыках.
Результат после внедрения ИИ в подбор:
- Увеличение количества начатых заявок на работу на 20%
- Повышение конечного успеха (принятия на работу) на 13%
С учётом более 20 миллионов сообщений в месяц и 350 миллионов посетителей на сайте, это означает значительное влияние на бизнес.
Чтобы увеличить эффективность, OpenAI и Indeed совместно дообучили меньшую модель, которая даёт схожие результаты, но с на 60% меньшим количеством токенов.
Подбор подходящих вакансий — глубоко человеческий результат.
Команда Indeed использует ИИ, чтобы быстрее соединять людей с работой — это победа для всех.
Крис Хайамс
Генеральный директор
Урок 3
Начинайте сейчас и инвестируйте заранее
Как Klarna извлекает выгоду из накопленного ИИ-опыта
ИИ редко бывает решением "подключи и пользуйся" — реальные кейсы становятся всё более сложными и ценными в процессе итераций.
Чем раньше вы начнёте, тем быстрее и больше пользы вы получите от накапливающихся улучшений.
Klarna, глобальная платёжная сеть и торговая платформа, внедрила нового ИИ-ассистента для оптимизации клиентского сервиса.
Через несколько месяцев ассистент уже обрабатывал две трети всех чатов, выполняя работу сотен операторов и сокращая среднее время ответа с 11 минут до 2.
Этот проект, по прогнозам, принесёт $40 млн прибыли, при этом показатели удовлетворённости остались на уровне человеческой поддержки.
И всё это — не за один день. Klarna достигла таких результатов благодаря непрерывному тестированию и улучшению ассистента.
Не менее важно, что 90% сотрудников Klarna используют ИИ каждый день.
Массовое знакомство с ИИ позволило запускать внутренние инициативы быстрее и постоянно улучшать клиентский опыт.
Инвестируя на раннем этапе и поощряя широкое применение, Klarna наблюдает эффект ускоряющейся отдачи от ИИ по всему бизнесу.
Этот ИИ-прорыв в клиентском взаимодействии означает
лучшее качество сервиса по более выгодной цене,
более интересные задачи для сотрудников
и более высокую отдачу для инвесторов.
Себастьян Семиатковски
Сооснователь и генеральный директор
Урок 4
Настраивайте и дообучайте свои модели
Как Lowe’s улучшает поиск товаров
Наибольший успех в применении ИИ получают те компании, которые вкладываются во внутреннюю адаптацию и обучение моделей под свои данные.
OpenAI серьёзно инвестировала в API, чтобы упростить кастомизацию — как в виде самостоятельного использования, так и с поддержкой со стороны OpenAI.
Мы тесно сотрудничали с Lowe’s, компанией из списка Fortune 50 в сфере товаров для дома, чтобы улучшить поиск в интернет-магазине.
Из-за тысяч поставщиков у Lowe’s часто наблюдаются неполные и непоследовательные товарные данные.
Ключевым стало улучшение описаний и тегов товаров, а также понимание поведения покупателей при поиске, что отличается по категориям товаров.
Здесь особенно важно дообучение моделей.
Результаты fine-tuning'а на данных Lowe’s:
- Улучшение точности тегирования товаров на 20%
- Рост эффективности обнаружения ошибок на 60%
Команда была в восторге, когда увидела результаты
дообучения GPT-3.5 на наших товарных данных.
Мы поняли, что это — наш выигрыш!
Нишант Гупта
Старший директор по данным, аналитике и вычислительному интеллекту
📝 Примечание к продукту:
OpenAI запустила Vision Fine-Tuning, чтобы ещё больше улучшить поиск товаров и решить задачи в медицинской визуализации и автопилоте.
🔗 Подробнее
Что такое дообучение (fine-tuning)?
Если GPT-модель — это костюм с магазина,
то дообучение — это пошив на заказ: адаптация модели под ваши данные и нужды.
Почему это важно:
- Более высокая точность — модель, обученная на ваших данных (например, каталогах или FAQ), выдаёт более уместные и бренд-соответствующие ответы
- Отраслевая экспертиза — модель лучше понимает профессиональные термины, стиль и контекст
- Единый тон и стиль — будь то юридические ссылки или брендовые описания — всё оформляется одинаково
- Быстрее результат — меньше ручной правки, сотрудники могут сосредоточиться на важном
Урок 5
Дайте экспертам доступ к ИИ
BBVA использует экспертный подход к внедрению ИИ
Сотрудники лучше всего знают внутренние процессы и проблемы компании — и зачастую именно они способны найти оптимальные ИИ-решения.
Передача ИИ в руки этих экспертов может оказаться гораздо эффективнее, чем создание универсальных решений сверху.
BBVA, глобальный банковский лидер, насчитывает более 125 000 сотрудников, каждый из которых сталкивается с уникальными задачами и возможностями.
Компания решила предоставить доступ к ИИ сотрудникам по всему миру — при тесном взаимодействии с командами юридического отдела, комплаенса и ИТ-безопасности для обеспечения ответственного использования.
Они развернули ChatGPT Enterprise по всей компании, после чего дали людям возможность самим находить способы применения.
Обычно, чтобы создать даже прототип, в нашем бизнесе нужны технические ресурсы и время.
С кастомными GPT это стало просто — любой может сделать приложение под свою задачу.
Элена Альфаро
Руководитель глобального внедрения ИИ в BBVA
Результаты за 5 месяцев:
- Сотрудники создали более 2900 кастомных GPT
- Многие из них сократили длительность проектов и процессов с недель до часов
Примеры применения:
- Команда по кредитным рискам — быстрее и точнее определяет кредитоспособность
- Юридический отдел — обрабатывает 40 000+ запросов в год по политике, комплаенсу и другим вопросам
- Клиентская служба — автоматизирует анализ настроения в опросах NPS
ИИ-инструменты также активно используются в маркетинге, управлении рисками, операциях и других отделах — всё потому, что сотрудники сами нашли, как применить ИИ в своей работе.
Мы рассматриваем инвестиции в ChatGPT
как инвестиции в наших людей.
ИИ усиливает наш потенциал,
помогает быть эффективнее и креативнее.
Элена Альфаро
Руководитель глобального внедрения ИИ в BBVA
📝 Примечание к продукту:
ChatGPT способен выполнять глубокие исследования.
Вы задаёте запрос, а он синтезирует сотни источников, создавая подробные, экспертного уровня обзоры — за считаные минуты.
Внутренние оценки показали: такие исследования экономят в среднем 4 часа на каждую сложную задачу.
📺 Видео: BBVA внедряет ИИ в каждую команду (YouTube)
Урок 6
Снимайте блокировки с разработчиков
Как Mercado Libre создаёт ИИ-программы быстрее и стабильнее
Во многих компаниях разработчики — главное узкое место и сдерживающий фактор роста.
Когда инженерные команды перегружены, инновации тормозятся, а идеи накапливаются в бэклоге.
Mercado Libre, крупнейшая в Латинской Америке компания в сфере электронной коммерции и финтеха, сотрудничала с OpenAI, чтобы создать платформу разработки на базе GPT-4o.
Так родился Verdi — слой платформы, который помогает 17 000 разработчиков Mercado Libre ускорить и унифицировать создание ИИ-приложений.
Verdi объединяет языковые модели, Python-узлы и API в единую масштабируемую систему, где естественный язык — основной интерфейс.
Теперь разработчики могут создавать качественные приложения быстрее, не погружаясь в исходный код.
Безопасность, логика маршрутизации и защитные рамки уже встроены.
Что удалось достичь:
- Увеличение пропускной способности по каталогизации: GPT-4o mini Vision помогает тегировать и описывать товары, позволяя в 100 раз быстрее заполнять каталог
- Обнаружение мошенничества: ИИ обрабатывает миллионы товарных карточек, достигая точности до 99% для подозрительных случаев
- Локализация описаний товаров: перевод и адаптация под региональные языковые особенности испанского и португальского
- Повышение заказов: автоматическое суммирование отзывов помогает покупателям быстрее понять суть
- Персонализация уведомлений: адаптация push-сообщений повышает вовлечённость и качество рекомендаций
Мы создали нашу идеальную ИИ-платформу на базе GPT-4o mini
с фокусом на снижении когнитивной нагрузки
и возможностью для всей компании разрабатывать
и внедрять инновации.
Себастьян Барриос
Старший вице-президент по технологиям
Урок 7
Ставьте смелые цели автоматизации
Как мы автоматизируем собственную работу в OpenAI
В OpenAI мы каждый день работаем с ИИ и постоянно ищем новые способы автоматизировать рутинные процессы.
Пример: служба поддержки
Наши команды поддержки тратили слишком много времени на доступ к системам, анализ контекста, составление ответов и выполнение необходимых действий от имени клиента.
Поэтому мы создали внутреннюю платформу автоматизации, работающую поверх наших существующих процессов и систем.
Она автоматизирует рутинную работу и ускоряет получение инсайтов и выполнение действий.
Первый кейс: автоматизация обработки писем в Gmail
Платформа получает доступ к данным клиента и релевантным статьям, а затем использует результаты:
- для составления ответа на email
- для выполнения действий: обновление аккаунта, создание тикета и т.п.
Результат:
- команды стали эффективнее, быстрее и клиентоориентированнее
- система уже выполняет сотни тысяч задач в месяц, освобождая людей для работы с большей добавленной стоимостью
И всё это стало возможным, потому что мы с самого начала поставили амбициозные цели автоматизации, а не смирились с неэффективными процессами как с "издержками бизнеса".
Заключение
Учимся друг у друга
Как показали предыдущие примеры, в каждой компании есть возможности применить ИИ для достижения лучших результатов.
Сценарии применения могут отличаться по отраслям и масштабам, но принципы остаются универсальными.
Общая идея:
Внедрение ИИ приносит наибольшую отдачу при наличии открытого, экспериментального мышления, в сочетании с строгими оценками и мерами безопасности.
Компании, добившиеся успеха, не спешат внедрять ИИ в каждый процесс — они начинают с простых, но прибыльных кейсов, учатся на них, а затем переносят опыт на новые области.
Результаты очевидны и измеримы:
- Более быстрые и точные процессы
- Более персонализированный клиентский опыт
- Более осмысленная работа — сотрудники делают то, что лучше всего умеют делать люди
Сейчас мы видим, как компании интегрируют ИИ в сложные процессы, часто используя инструменты и агенты для достижения результатов.
Мы продолжим делиться наблюдениями с передовой, чтобы вы могли использовать эти знания в своей стратегии.
📝 Примечание к продукту: Operator
Operator — пример агентного подхода OpenAI.
Собственный виртуальный браузер позволяет ему:
- перемещаться по сайтам
- кликать кнопки
- заполнять формы
- собирать данные, как это сделал бы человек
Кроме того, он способен выполнять процессы в разных системах и инструментах — без интеграций и API.
Примеры использования в компаниях:
- Автоматическое тестирование ПО — Operator работает как реальный пользователь, выявляя баги в интерфейсе
- Обновление систем учёта от имени пользователей — без технических инструкций и API
Итог: полная автоматизация от начала до конца, освобождающая команды от рутины и повышающая общую эффективность.
Надёжная ИИ-платформа для бизнеса
Безопасность и конфиденциальность
Для наших корпоративных клиентов важнее всего безопасность, приватность и контроль. Мы гарантируем:
- Ваши данные остаются вашими
Мы не используем ваш контент для обучения моделей; ваш бизнес сохраняет полное владение. - Соответствие корпоративным стандартам
Данные шифруются при передаче и в хранении. Соответствие стандартам SOC 2 Type 2, CSA STAR Level 1. - Гибкий контроль доступа
Вы сами определяете, кто может видеть и управлять данными. Это обеспечивает соответствие требованиям управления. - Настройки хранения данных
Гибко настраивайте логи и сохранение в соответствии с политикой вашей организации.
🔗 Подробнее: OpenAI Security | OpenAI Trust Portal
Дополнительные ресурсы
🧠 OpenAI — компания, занимающаяся исследованиями и внедрением ИИ.
Наша миссия — сделать так, чтобы искусственный общий интеллект приносил пользу всему человечеству.
