Как и зачем использовать нейросети в работе: опыт Kokoc Group

Недавно мы начали внедрять AI-инструменты: тестировать существующие, создавать на их базе свои. В статье хотим поделиться идеями и показать, как можно использовать искусственный интеллект в повседневной работе и не только.

Евгений Халин,

CPO Kokoc Group

Почему мы этим занялись?

Разные департаменты компании давно использовали нейросети для решения отдельных задач, и недавно мы решили внедрить инструменты на базе искусственного интеллекта для всех. Департамент развития продуктов превратил эту идею в конкурс: любой сотрудник мог описать возможность применения искусственного интеллекта, рассказать, чем она будет полезна конкретным людям и выгодна компании.

Собрали больше 130 вариантов: от простого «давайте генерировать картинки с помощью нейросетей» до «умных» баков и масштабной кампании по сортировке мусора (про неё ещё расскажем).

Мы проанализировали все варианты, разбили на группы по «похожести» и пошли тестировать. В процессе даже организовали Kokoc ДрAIв — клуб по интересам. В нём разработчики, специалисты по контекстной рекламе, SEO, дизайнеры и ещё множество классных людей экспериментируют с ИИ.

Авторы трёх самых инновационных и трёх самых полезных для бизнеса идей получили технологичные, «яблочные» призы: наушники, смарт-часы и планшеты.

В чём нам уже помогает ИИ

Дмитрий Жуков

Product manager

Конспектирует за нас встречи

Существуют инструменты, которые:

• записывают созвоны;
• делают расшифровки;
• ставят кликабельные теги и тайм-коды на смысловые блоки;
• позволяют самостоятельно делать заметки и крепить к ним тайм-коды.

Благодаря им не нужно сидеть с блокнотом, записывать экран, а потом переслушивать или расшифровывать получившееся.

Я тестирую два таких продукта: tl;dv и Airgram. Покажу, как всё работает, на примере первого. Регистрируемся через почту, скачиваем и добавляем плагин в браузер — и можно записывать встречу. Когда она закончится, инструмент сделает расшифровку на русском языке.

tl;dv добавляется на встречу, как участник.

Из минусов:

• в бесплатном тарифе запись спустя три дня отправляется в архив (откуда её всегда можно достать);
• инструменты переводят примерно 80–90%, сбиваются на сложных словах и сленге.

Но если связь хорошая и собеседники говорят чётко, то с записью расшифровкой комфортно работать.

Вот как отзывается об инструментах наша команда

Пишет код

Алексей Рузин

Team Lead Python

С этим помогает Copilot: я пишу название функции, он выдаёт код. И можно программировать чуть ли не одной табуляцией.

Инструмент понимает контекст. Знает, какие переменные, функции, классы уже написаны, учитывает и использует их.

Покажу на примере.

У нас есть GetForeignID, я хочу добавить SetForeignID. Начинаю писать код, Copilot — серым — предлагает продолжение. Нажимаю Tab, принимаю код — и иду дальше.

На мой взгляд, по качеству результат 9,5/10: написано чисто, переменные названы адекватно.

В девяти из десяти случаев править не приходится. Но иногда плагин «промахивается», особенно если отталкивается от непонятного названия функции.

В любом случае перечитывать код надо, потому что Copilot неидеален. Например, я написал тест GetOurID — но не в том месте. В итоге система не протестировала метод, а попыталась проверить, правильный ли OurID в классе ORDController.

Отвечает на вопросы

Мы используем ChatGPT, чтобы не тратить время на поиск в интернете и не ходить с вопросами к коллегам слишком часто.

Например, я пишу промт: «У меня есть матрица N x M. Мне нужно сделать новую матрицу, где в каждой точке будет максимальное значение из области 3×3 окружающих точек из исходной».

Нейросеть выдаёт ответ: «Для создания новой матрицы, где каждое значение будет максимальным значением в 3×3 окрестности для каждой точки в исходной матрице, вы можете использовать Python и библиотеку NumPy. Вот как это можно сделать:

В этом коде мы используем библиотеку NumPy для работы с матрицами. Функция max_in_3x3_neighborhood принимает исходную матрицу, создает новую с теми же размерами и вычисляет максимальное значение в 3×3 окрестности для каждой точки в исходной матрице. Результат сохраняется в новой матрице result_matrix.

Минус: нейросеть может соврать, если написать скомканный запрос или спросить её про редкую — или несуществующую — библиотеку или технологию.

Например, я пишу промт: «Я использую библиотеку elasticdict для управления словарями, как объектами со свойствами. Как мне обновить набор свойств по маске?»

Нейросеть выдаёт ответ: «Библиотека elasticdict предоставляет удобный способ управления словарями как объектами с атрибутами. Для обновления набора свойств (атрибутов) по маске, вы можете воспользоваться функцией update() и передать ей словарь с новыми значениями

Допустим, у вас есть объект my_dict, и вы хотите обновить его свойства, соответствующие определенной маске. Вы можете сделать это следующим образом:

Учитывая, что никакого elasticdict нет — я его придумал только что — ответ ChatGPT несколько самонадеян ?

В продолжение:

А на деле:

Хорошая идея — подбирать с помощью ChatGPT названия переменных

В планах — научить всех сотрудников пользоваться нейросетями

Дмитрий Жуков

Product manager

Не все знают, как работать с ChatGPT, Copilot, Midjourney и прочими популярными нейросетями: как подключиться без зарубежной карты, как привязать аккаунт к российскому номеру, как написать промт, чтобы получить адекватный результат.

А это важно. Я могу мучиться с Midjourney и увидеть на выходе чудовище с 19 пальцами. В то время как наш дизайнер на том же языке, теми же буквами пишет, кажется, такой же промт — но получает действительно крутое изображение девушки, которое нужно лишь подретушировать. И экономит часы на отрисовку.

Чтобы решить эти вопросы, мы пишем корпоративного бота. Он откроет сотрудникам доступ к основным нейросетям — тому же ChatGPT — и научит писать запросы. По задумке SEO-специалисты смогут собирать с его помощью семантическое ядро, креативщики — генерировать заголовок для новой кампании или текст объявления.

Заходите в Telegram, смотрите, как написать промт под свою задачу, пишете, получаете результат. Можно попросить бота дать несколько вариантов.

После запуска мы прикрутим инструмент, который даст боту возможность развиваться самостоятельно. И научим систему сигнализировать о том, что промты неэффективны или устарели.

Разгрузить команду

Техподдержку

Алексей Рузин

Team Lead Python

У нас есть Telegram-чат, куда обращаются пользователи, если у них возникают проблемы. Сейчас им занимаются люди, раз за разом отвечая на одни и те же вопросы. Мы решили, что это можно исправить: обучить нейросеть грамотно общаться и давать верные ссылки на уже готовые ответы — и освободить время техподдержки.

За пару дней написали нужного бота. Сейчас он оценивает, насколько полный и понятный вопрос задан, и перенаправляет пользователя к техподдержке. Или просит дополнительную информацию, если что-то не так.

Теперь хотим прикрутить к нему ChatGPT, «скормить» нейросети информацию о нашей системе и научить отвечать внятно, а не так:

Мы «скармливали» нейросети разные вопросы — учили определять, насколько полная в них информация по шкале от одного до пяти.

И контентщиков

Дмитрий Жуков

Product manager

Следующая задумка собрала в себе несколько идей:

• специалист по контекстной рекламе предложил собирать с помощью ИИ семантические ядра и писать объявления для контекстной рекламы;
• SEO-специалисты — собирать и кластеризовать семантические ядра;
• SMM-менеджеры — писать рубрики и отдельные посты;
• ребята, которые работают с маркетплейсами — наполнять карточки товаров.

Из всего этого мы решили сделать единую систему под кодовым названием «Проект SEO+RSS». Поначалу она будет подбирать и расширять семантику, помогать её кластеризовать, выбирать посадочные страницы. Затем — писать продающие тексты, посты в соцсети и карточки на маркетплейсы.

В итоге мы хотим сделать полноценного ассистента. Обучить нашим стандартам, процессам, кейсам — чтобы он выдавал качественный результат.

Может быть, в перспективе он будет планировать продвижение для клиентов. Допустим, пришли вы в Kokoc, описали задачу и услуги, которые предоставляете, указали бюджет. И бот отвечает: «200 тысяч потратьте на SEO, ещё 200, чтобы создать и развить сообщества в соцсетях (примерный контент-план и посты на первое время прилагаю), 300 — на маркетплейсы».

Скорее всего, люди будут проверять результат на адекватность и только потом показывать его клиентам. Потому что качество текстов ChatGPT может и просесть до 70%, и вырасти до 90%. Но, возможно, получится вырастить на наших кейсах модель, которая будет выдавать хороший результат. А специалисты будут подключаться на этапе предметного общения. Это сэкономит пресейлу время.

Сейчас мы решаем, стоит ли развивать проект или достаточно просто оставить наработки в виде инструкции. Для это проводим эксперименты: наши специалисты «атакуют» разные языковые модели и выясняют, какие промты выдают лучший результат.

Параллельно начинаем писать самого бота.

Кстати, нейросети уже помогают нам разрабатывать маркетинговые стратегии для клиентов.

И не дать сотрудникам потеряться в важном и нужном

Вокруг бесконечный поток профильного контента, на рынке появляются новые продукты, проходят митапы, конференции, другие тематические мероприятия… И про всё это надо знать: что-то изучить, что-то протестировать, что-то посетить.

Чтобы не запутаться, можно создать «ассистента» — бота, который мониторит актуальные для специалиста направления, собирает информацию и превращает её в дайджест.

Наконец, немного фантастики

Самым инновационным стал проект по сортировке мусора. В чём его суть:

1. Спроектировать и установить в офисе умные баки для раздельного мусора: стекло, пластик, бумага. У каждого бака будет автоматическая крышка с электромотором, сканером QR-кодов, весами и камерой кругового обзора с подсветкой на внутренней стороне.
2. Подключить камеры к программному блоку или компьютеру, который с помощью нейросетей будет распознавать тип мусора и определять, в правильный контейнер его выкинули или нет.
3. Обучить нейросеть на изображениях пластиковых бутылок, стаканчиков, бумаги и прочего. Прописать возможность обучаться при каждом использовании бака.
4. Разослать пользователям индивидуальные QR-коды, которые нужно будет сканировать возле баков, чтобы пройти идентификацию.
5. Давать бонусы (например, мерч) за «правильное» использование баков. А мусор отвозить на переработку.
6. Сделать это в рамках офиса, потом масштабировать на город. Написать мобильное приложение, в котором будет личный кабинет, QR-код и так далее.

Не знаю, насколько это реализуемо, но идея звучит гениально.

Помогают ли все эти нейронки на практике?

Да. Лучше всего будет видно на следующем примере.

Руководитель отдела брендформанса в одном из бизнес-юнитов с помощью нейросетей сократил затраты и человеко-часы на 30%.

Он изучил, как выглядит работа специалистов на разных направлениях, расписал, какой ИИ можно подключить для решения конкретных задач. В планах переложить на нейросети 85% работы, и только 15% — проверку, шлифовку и прочее — оставить специалистам.

Я видел базу обучающих материалов отдела. Там есть очень подробные инструкции почти на всё: как писать тексты, как пользоваться искусственным интеллектом, как генерировать креативы и презентации и так далее.

И в целом Copilot и ChatGPT помогают с рутиной, Midjourney экономит часы нашим дизайнерам, а tl;dv — 40–50% времени, которое обычно уходило на обработку созвонов. Наработок пока немного, но мы уже видим пользу. А у ребят в команде горят глаза.