Продажи

Как внедрить ИИ в бизнес: 5 уровней ИИтизации процессов и AI-Native-подход

Обложка: Как внедрить ИИ в бизнес: 5 уровней ИИтизации процессов и AI-Native-подход

Вы внедрили ИИ-агента в свою работу. Он показывает информацию по счетам, формирует сводки, разбирает входящие сообщения и делает ещё много полезного. Но на каком уровне автоматизации вы находитесь? И что делать дальше? В этой статье разберём, что такое ИИтизация, как внедрить ИИ-агента в рабочий процесс и почему следующий шаг - не обязательно более умный агент, а движение в сторону AI-Native-подхода к управлению процессами. Я выделяю пять уровней ИИтизации: от ИИ в роли личного ассистента до системы, в которой процессы изначально проектируются вокруг возможностей ИИ и программной автоматизации. Это моя практическая модель, которую я разработал для себя и своих клиентов, чтобы определять необходимый уровень автоматизации и выбирать следующий шаг. Она не претендует на роль универсального стандарта зрелости, но помогает понять текущее место и возможные следующие шаги.

Читать далее

ZOLT JOURNAL / ДАЛЬШЕ

ПродажиHabr AI

Пентест AI-компонентов: какие уязвимости искать и что с ними делать CISO

Автор статьи — Игорь Соколов, специалист АБП2Б. Материал посвящён уязвимостям AI-компонентов, практическим сценариям атак и вопросам безопасности при интеграции искусственного интеллекта в корпоративные системы. Еще недавно AI в веб-приложении чаще всего представлял собой чат-бота, который отвечал на вопросы пользователей. Сегодня ему доверяют гораздо больше: подключают к внутренним документам, корпоративной почте, CRM и базам данных, а иногда даже разрешают самостоятельно выполнять действия. При этом для сотрудников изменения могут выглядеть совершенно незначительными. В корпоративном портале появился умный поиск, в CRM добавили помощника, а служба поддержки начала автоматически обрабатывать обращения. Вроде бы ничего принципиально нового — просто привычные инструменты стали удобнее. Но с точки зрения информационной безопасности ситуация изменилась гораздо сильнее, чем кажется.

Обложка: Прогнозирование спроса: ни больше, ни меньше
ПродажиHabr AI

Прогнозирование спроса: ни больше, ни меньше

Прогноз продаж сродни прогнозу погоды — его можно построить лишь в определенном приближении. Десятки тьсяч позиций, тысячи площадок, промоакции, логистические и другие факторы влияния — можно учесть максимум мелочей, и все равно остаются случайности, которые не укладываются ни в одну формулу. Однако даже если идеал недостижим, можно построить прогноз, который будет отклоняться от него совсем незначительно. Меня зовут Юлия Трусова, я руководитель домена Логистика в Lenta Tech. В этой статье я расскажу, как устроено прогнозирование спроса и как современные методики помогают свести эту погрешность к минимуму. Тем, кто захочет углубиться в тему и технические подробности, может быть интересен наш материал «Как машинное обучение помогает «Группе Лента» прогнозировать спрос»

Обложка: Какие вопросы клиенту стали неприличными в эпоху нейросетей: ревизия методики продаж Рекхэма
ПродажиHabr AI

Какие вопросы клиенту стали неприличными в эпоху нейросетей: ревизия методики продаж Рекхэма

Методике продаж Нила Рекхэма почти 40 лет, а продажи за это время успели сильно поменяться. С нейросетями собрать информацию о клиенте (чем занимается компания, какой у неё оборот, сколько продавцов) стало делом нескольких минут. Если после этого спросить заказчика о том, что лежит на его же сайте, в лучшем случае он удивится, в худшем поднимет продавца на смех. Мы поговорили с практиком о том, какие вопросы из методики ещё работают в продаже сложных систем, а какие пора оставить в прошлом.