А тем временем пытливые умы Massachusetts Institute of Technology выяснили, что 95% всех пилотов по внедрению ИИ благополучно провалились. Не принесли ожидаемого результата, то есть. Всего 5% проектов смогли заработать свои ожидаемые «миллионы».🪙🪙🪙 Кажется, что рановато подводить итоги, ведь большинству проектов явно меньше года. Но в MIT, конечно, виднее 👻. Причины понятны: сотрудники трудно переучиваются, а ИИ-решения требуют емкой донастройки после внедрения. Универсальные штуки вроде ChatGPT хороши для себя, любимого, но в корпоративной среде буксуют. Адаптация на первом году съедает весь профит. Возможно, результат просто отложен во времени. 🙂 А дальше — интереснее. Больше половины бюджетов на ИИ-решения льётся в маркетинг и продажи. А самую высокую окупаемость MIT нашел в автоматизации бэк-офиса. Там, где ИИ замещает аутсорсинг, агентства и операционные расходы. Выходит, все пытаются расти через маркетинг, а результат получают те, кто не поленился «дожать» рутину в тылу. И тут напрашивается мой любимый вопрос: а где же рост, если столько сил ушло в маркетинг? А нигде. И ключевое ограничение тут - в постановке самой цели. Потому что ИИ в маркетинге сейчас — это не про рост выручки. Это про то, чтобы два маркетолога делали работу пятерых. Про экономию на копирайтерах и дизайнерах, про "напиши мне продающий пост для телеграма". Про прибыль, как следствие - возможно, просто потому что меньше потратили. Но не про рост выручки (пока).🙂 Можно ли с этим что-то сделать? Можно. Идти от цели. И сравнивать результаты с целью, которую поставили. Внедряем ИИ в маркетинг? Круто, модно, есть чем похвастаться. А мы это делаем чтобы что? Простые варианты целей: Сэкономить 5 рабочих часов маркетологу в неделю, которые сейчас он на тексты тратит (проект 100% успешный если эти 5 часов в результате освободились). Сэкономить N рублей в месяц на дизайнере и фотографе, а картинки букетов / игрушек / высоковольтных трансформаторов пусть рисует в нейросети маркетолог у которого есть пара свободных часов в неделю (если в итоге N рублей сэкономили, маркетолог не сбежал а картинки явно не ухудшились - внедрение ИИ прошло на 100% успешно). Варианты посложнее, которые вижу в эфире и к которым есть вопросы, если честно: Улучшить лидогенерацию при помощи нейросетей. Не то чтобы цель, а скорее намерение. А еще точнее - эксперимент, потому что лидогенерация зависит от уймы факторов и сначала нужно ручками проанализировать и понять, где затык, а следующим шагом - оценить, можно ли этот затык починить при помощи ИИ. Спойлер - чаще всего трудности с лидогенерацией лежат в сфере человеческого интеллекта, и искусственный там бессилен 🙃 Внедрить ИИ-аналитику и найти точки роста. Звучит как музыка, но как говорил Мюнхгаузен в известном фильме - "для продолжения рода нужно совсем другое" Эффект здесь можно получить только если работа с данными уже налажена на уровне "полубог". Если этого нет - то ждать чуда от ИИ не стоит. Один процесс подготовки к такому внедрению занимает месяцы и требует большого ресурса всей команды. Еще спойлер: чтобы получить первый рост за 1-2 месяца достаточно начать работать с теми данными что есть. Регулярно, пусть в экселе, и возможно при помощи бизнес-трекера. Внедрить ИИ и заменить "живых" маркетологов совсем. Забудьте! Просто забудьте. Нельзя ждать, что ИИ полностью вытеснит маркетологов, как в фильме "Начало" нельзя было просто посадить идею и уйти — нужен процесс, участие и связь с реальностью. Так где же рост? Пока вижу так: чтобы ИИ приносил рост через маркетинг, маркетологам нужно научиться использовать ИИ по-настоящему: генерировать гипотезы, искать ниши, быстро проверять идеи. А для этого всё равно бизнесу придётся растить живых людей, и живым людям - прокачивать компетенции. Без живого интеллекта пока никуда :) 🙂🙂🙂 Как у вас с внедрением ИИ? Что-то принесло денег?