Потенциал и результаты ИИ

В то время как генеральные директора и директора по маркетингу задаются вопросом, где ИИ переходит от шумихи к реальным результатам, лидеры рынка демонстрируют необходимость более тесного сотрудничества человека и ИИ, а также более четкого управления.

Основные выводы

• Ценность достигается за счет комплексных изменений. Широкомасштабные улучшения производительности — это само собой разумеющееся. Эффект достигается за счет определения приоритетных проблем роста и их комплексного решения в рамках конкретной области.
• Необходимо переосмыслить рабочие процессы, а не инструменты. Рост достигается за счет сопоставления решений и передач информации, а также внедрения агентов там, где они влияют на результаты, а не путем их добавления к устаревшим этапам.
• Масштабирование с помощью новой операционной модели. Комплексная трансформация требует межфункциональных команд, объединяющих людей и ИИ, общих продуктов на основе данных и управления, которое рассматривает агентов как управляемый персонал.

Крупный мировой ритейлер наблюдает резкий рост спроса на свой популярный товар в одном регионе, в то время как в другом накапливаются запасы. В считанные секунды команда агентов на основе искусственного интеллекта перераспределяет рекламные расходы, корректирует цены, перенаправляет товары и обновляет креативные материалы, чтобы предложения соответствовали намерениям покупателей. В этом сценарии дальнейшие действия, инициированные сигналами клиентов, обеспечивают рост бизнеса в режиме реального времени.

Это не фантастический сценарий; это новый рубеж применения ИИ в функциях роста. Агентный ИИ внедряет автоматизированное мышление непосредственно в рабочие процессы маркетинга, продаж и обслуживания клиентов. Агентный ИИ обеспечит более 60% дополнительной ценности, которую, как ожидается, принесет внедрение ИИ в маркетинг и продажи. Без преувеличения можно сказать, что маркетинг и продажи представляют собой передовой инструмент в преобразовании потенциала агентного ИИ в значимую ценность.

Ценность агентного ИИ заключается в задачах, которые он способен выполнять. В отличие от генеративного ИИ и чат-ботов, которые в основном помогают в выполнении маркетинговых и торговых задач, агенты ИИ могут действовать, принимать решения и сотрудничать. Например, они способны оптимизировать цены, продвигать потенциальных клиентов, адаптировать предложения и управлять взаимодействием с клиентами от начала до конца. По мере того, как организации все шире внедряют агентный ИИ, выгоды могут масштабироваться. Эффективное и масштабируемое развертывание агентов может обеспечить повышение производительности на 3-5% в год и потенциально увеличить рост на 10% и более.

Однако большинство организаций пока не получили существенной выгоды от ИИ в целом. Почти восемь из десяти сообщают об отсутствии значительного увеличения прибыли от ИИ в целом, в основном из-за ограничений, связанных с фрагментированными пилотными программами, слабыми данными и недостаточной основой управления. Лидеры, которые добиваются прорыва и получают выгоду от ИИ, перестраивают процессы роста, интегрируя агентов ИИ в рабочие процессы. Наш опыт работы в различных отраслях показывает, что организации, которые совершают прорывы и превращают агентный ИИ из многообещающего решения в эффективный инструмент маркетинга и продаж, следуют четырем урокам:

1. Идите туда, где ценность.

Влияние начинается с определения того, в каких областях агенты могут добиться существенных результатов — будь то конверсия, точность ценообразования или вовлеченность клиентов — и с их использования для ускорения достижения этих результатов.

Рассмотрим персонализацию, возможности которой доказаны и огромны. Исследование McKinsey показывает, что 71% потребителей ожидают персонализированного взаимодействия, а 76% разочаровываются, когда этого не происходит. Персонализация на основе ИИ может повысить удовлетворенность клиентов на 15-20%, увеличить выручку на 5-8% и снизить затраты на обслуживание до 30%.

Искусственный интеллект, основанный на агентских технологиях, делает это возможным в масштабах, используя контекстное мышление и принятие решений в реальном времени для уточнения предложений, контента и пользовательского опыта при каждом взаимодействии. Согласно анализу McKinsey, например, европейская страховая компания переосмыслила свою систему продаж с помощью агентов на основе ИИ, которые персонализировали кампании в сотнях микросегментов, адаптировали сценарии под потребности покупателей и обучали команды продаж с помощью обратной связи в реальном времени. Результат: коэффициент конверсии в два-три раза выше, время обработки звонков в службу поддержки клиентов на 25% короче, а также непрерывные циклы обучения, недостижимые при ручной проверке.

Другие организации используют аналогичные методы с применением ИИ для улучшения качества обслуживания клиентов, предвидя их дальнейшие потребности и предоставляя их в нужный момент. Американская авиакомпания использовала прогнозные данные для адаптации компенсаций в случае сбоев в расписании рейсов, различая часто летающих и нечасто путешествующих клиентов. В результате удалось добиться 210-процентного улучшения в выявлении клиентов, подверженных риску, 800-процентного повышения удовлетворенности клиентов и 59-процентного снижения оттока среди ценных пассажиров.

Аналогичный тип интеллекта оказывается полезным и для повышения эффективности ценообразования. Агентный ИИ может отслеживать изменения рынка, моделировать результаты и мгновенно реагировать, корректируя цены или перераспределяя запасы в режиме реального времени на основе действий конкурентов, поведения клиентов или прогнозов спроса. Авиакомпании , например, уже используют агентный ИИ для создания персонализированных пакетов, объединяющих тарифы, места и дополнительные предложения, динамически обновляя цены на основе таких сигналов в реальном времени, как поисковые запросы, погода и модели бронирования.

2. Думайте в терминах рабочих процессов, а не агентов.

Организации, получающие ощутимую пользу от использования агентного ИИ, выходят за рамки простого развертывания новых агентов для улучшения существующих задач; они перестраивают рабочие процессы. Агенты повышают ценность, когда используются для улучшения сквозных процессов и путей взаимодействия посредством автоматизации и координации — однако их возможности ограничены, когда они используются для улучшения отдельных этапов. Например, улучшение поиска товаров дает ограниченный эффект, если процессы покупки и доставки остаются медленными или разрозненными.

В традиционных процессах работа выполняется последовательно, часто между отделами: маркетинг передает задачи в отдел продаж, обслуживание переходит в службу поддержки, а затем следует ценообразование. Каждая из этих функций за последние годы добилась огромного прогресса благодаря внедрению цифровых и аналитических возможностей, а агентный ИИ развивает эти улучшения, автоматизируя и координируя задачи между командами и функциями. Преодоление постоянных проблем координации между сложными операционными подразделениями и рабочими процессами позволяет организациям достигать более быстрых циклов, а также большей согласованности и оперативности в масштабе, недостижимом при человеческой координации.

Крайне важно, чтобы успех достигался путем проектирования процессов вокруг агентов, а не путем добавления агентов к устаревшим процессам. Например, вместо того, чтобы использовать агентов для ускорения реагирования команд обслуживания клиентов на жалобы, ведущие организации используют агентов для прогнозирования потенциальных проблем, инициирования связи с клиентом до его звонка и превентивного решения проблем с помощью персонализированных предложений.

Однако создание ценности с помощью агентов ИИ для комплексных изменений зависит от подбора подходящего агента для конкретной задачи: агентов, специализирующихся на конкретных областях и обрабатывающих сложные контекстуальные действия; универсальных агентов для таких задач, как синтез данных или генерация контента; агентов, проверяющих наличие ошибок; и агентов оркестровки, которые управляют системой в целом и синхронизируют ее работу.

В этом процессе люди играют решающую роль. Они могут тесно сотрудничать с агентами для контроля и проверки, а также для решения проблем, которые агенты ИИ передают им. В самых передовых организациях такое взаимодействие человека и агента объединяется в адаптивные рабочие процессы, которые развиваются с каждой итерацией и с учетом сигналов клиентов.

3. Создавайте агентов для совместной работы, а не просто дополнительные инструменты.

Для масштабирования агентного ИИ организациям необходимо перестать рассматривать агентов как дополнительные инструменты и начать относиться к ним как к цифровым партнерам по сотрудничеству. Это означает определение ролей агентов, их надлежащую адаптацию и управление ими с четкими ожиданиями относительно их производительности — подобно членам человеческой команды.

Однако правильные метрики для измерения производительности ИИ-агентов отличаются от традиционных KPI производительности. Вместо того чтобы фокусироваться, например, на количестве звонков или объеме кампаний, ведущие организации отслеживают комплекс показателей, таких как качество разговора, точность выполнения задач, точность эскалации и скорость обучения , отражающих то, насколько эффективно агенты учитывают обратную связь и адаптируются к меняющимся потребностям покупателей. Поскольку каждое действие агента регистрируется и отслеживается, эти метрики можно непрерывно контролировать. Панели мониторинга в режиме реального времени выявляют отклонения в производительности, сравнивают результаты с базовыми показателями работы людей и указывают на необходимость переобучения или перекалибровки.

4. Создайте организацию, ориентированную на агентный рост.

Поскольку агенты берут на себя рабочие процессы, охватывающие маркетинг, продажи и обслуживание клиентов, компаниям необходимо переосмыслить организацию роста. Традиционная модель, в которой каждая функция работает изолированно, уступает место интегрированной системе, где агенты координируют действия, обмениваются данными и связывают весь путь клиента — от осведомленности до лояльности. Разработка кампаний, конверсия лидов и взаимодействие с клиентами больше не являются последовательными шагами, а представляют собой части единого цикла обучения.

Этот сдвиг требует новой гибридной операционной модели, сочетающей человека и ИИ. В такой системе агенты занимаются координацией и выполнением задач, а люди обеспечивают стратегию, креативность и контроль. Команды по развитию бизнеса по своей сути становятся кросс-функциональными, объединяя маркетологов, продавцов, представителей службы поддержки клиентов и специалистов по анализу данных, которые сотрудничают, используя общие рабочие процессы и общие KPI. Агенты используются в разных функциях, а не дублируются: один агент, получающий данные о клиентах, может поддерживать планирование кампаний, телефонные звонки клиентам или взаимодействие с ними после покупки.

Однако без эффективного управления и агентной архитектуры такой масштаб может привести к «агентному хаосу» из-за избыточных сборок, непостоянного качества и неуправляемых рисков. Для эффективного масштабирования ведущие компании создают «фабрики агентов»: специализированные центры, которые стандартизируют процессы создания, развертывания и управления агентами. Эти центры стандартизируют многократно используемые шаблоны, общие продукты данных и механизмы обеспечения безопасности и соответствия требованиям. Стандартизированным агентам, которые они создают, назначаются четкие, основанные на ролях обязанности, так что ведущие агенты координируют работу, агенты-практики выполняют задачи, а агенты контроля качества и соответствия требованиям отслеживают производительность.

Ряд глобальных банков демонстрируют этот подход, создавая агентские центры для преобразования своих процессов комплексной проверки. Каждый центр развертывает группы агентов для выполнения отдельных этапов, от извлечения данных до проверки и обеспечения качества, что сокращает ручной труд, повышая точность и контроль.

Заключение

Очень скоро главный вопрос для руководителей сместится с «что этот агент может сделать для нас» на «какие результаты я готов с его помощью достичь и как я могу наилучшим образом использовать создаваемое им пространство, чтобы позволить людям делать то, что под силу только им, еще лучше?». Чем быстрее организации смогут внедрить агентный ИИ в маркетинговые, сбытовые и клиентские службы, тем быстрее они смогут ответить на более масштабные вопросы.

Источник

Агенты роста: превращение потенциала ИИ в реальные результаты. 3 ноября 2025 г. Статья
Грег Келли, Лиза Харкнесс, Стив Рейс

https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/agents-for-growth-turning-ai-promise-into-impact

Agents for growth: Turning AI promise into impact. November 3, 2025 Article