Создание серьезных enterprise-решений ассоциируется с многотысячными командами и миллиардными инвестициями. Но российский проект Tessent ломает стереотипы: два эксперта в области искусственного интеллекта разработали технологию, способную системно изменить работу бизнеса с самым ценным своим активом — корпоративными знаниями. Мы поговорили с основателем Tessent, разработчиком Антоном Калабуховым.
Оказывается, терять память могут не только люди, но и целые бизнесы. Еще в 1998 году британский аналитик Арнольд Крансдорф описал проблему утраты компаниями накопленных знаний и назвал ее «корпоративной амнезией». Текучка кадров, привычка замалчивать ошибки, хаос в делегировании и документах – причин тому много. А результат всегда один — ценный опыт размывается, конкурентоспособность падает, а прибыль тает.
Если 30 лет назад проблема только намечалась, то сегодня она масштабировалась до пугающих размеров. Но и триггеров стало больше: бесконечная проектная гонка, потоки фрилансеров, задачи на аутсорсе и обновление технологий. В итоге под массивом данных задыхается даже самый организованный бизнес.
Аналитики IDC подсчитали, «корпоративная амнезия» обходится компании в ежегодные $1,3 млн на каждые 100 сотрудников. В McKinsey подтверждают, что с увольнением ключевого специалиста теряется до 60% критически важных знаний, которые невозможно восстановить, 40% рабочего времени топы вместо стратегий тратят на поиски утраченного контекста: «А где это было? И что мы тогда решили?».
«Каждый день в компаниях проходят сотни встреч. Участники генерируют гигабайты информации, но она не превращается в знания, потому что, согласно кривой Эббингауза, на 70% забывается уже к утру», — объясняет основатель Tessent.
Есть и более глубокая проблема, отмечает он. Даже когда данные сохранены, бизнес не может воспользоваться ими в полной мере. Потенциал ИИ-инструментов используется компаниями лишь на 20–30%, остальные возможности просто теряются.
Магия начинается там, где ИИ понимает смысл
Эта боль рынка стала почти личным вызовом для Антона. Вот уже более 15 лет он изучает механизмы мышления: как люди принимают решения, как формируются выводы, почему одни мыслят быстрее других.
«Без этого не создать архитектуру умных систем, — убежден он. — Чтобы построить ИИ, который думает, нужно понимать, как думают люди. А это процесс с массой нюансов. Передать мысль точно так, как воспринимаешь ее ты сам, — сложнейшая задача, которая до сих пор не решена».
В ответ на этот вызов возник проект Tessent, который буквально встал «на плечи» предыдущей разработки.
«Мы год делали платформу MeetFlow, которая не только записывает и транскрибирует онлайн-встречи, но и систематизирует контент для облегчения принятия решений. Но, создав этот продукт, поняли, что просто переводить голос в текст недостаточно. Нужно, чтобы искусственный интеллект понимал не слова, а смысл».
Наработки за год с MeetFlow позволили собрать Tessent всего за несколько месяцев. Сегодня это прототип, который являет собой не просто надежное хранилище корпоративных знаний, а систему, эффективно управляющую ими с помощью ИИ.
ИИ-чаты знают все, но ничего конкретно про вас
Но нужен ли перегретому рынку, где уже существуют десятки умных решений — от ChatGPT и Copilot до транскрибаторов вроде Otter или Sonix — еще один инструмент?
«Большие языковые модели — плохие бизнес-консультанты. Они отвечают, не понимая вашей ситуации. Это как взять на работу блестящего выпускника Гарварда в качестве стажера и спросить: «Кто отвечает за проект Х?» или «Почему мы отказались от поставщика Y в прошлом году?». Он просто разведет руками за неимением контекста».
Транскрибаторы тоже не решают задачу. Будет ли кто-нибудь перечитывать десятки страниц текста после часового зума? Сомнительно, что подтверждено статистикой Otter: 82% расшифровок никогда не открывают повторно, то есть система бесполезна.
Результат, который удивил самих разработчиков
Представьте, что компании предстоит кадровая оптимизация, и вы как руководитель обращаетесь к системе с вопросом: «Кого нужно уволить?». Обычный поисковик просто найдет документы со словом «увольнение». Tessent ответит на конкретные вопросы: кто срывает сроки? чьи проекты буксуют? на кого жалуются коллеги? Затем выдаст обоснованный ответ, подкрепленный фактами из истории встреч и отчетов.
Кстати, на этапе тестирования произошел показательный случай, который доказывает, что Tessent отлично справляется с предиктивной аналитикой. В рамках эксперимента разработчики загрузили в систему записи 7 деловых встреч небольшой компании. И та выдала оценки трем сотрудникам: одного рекомендовала заменить в рамках конкретного проекта, работу другого оценила на «троечку», третьего отметила как кандидата на повышение.
«Мы не отдавали результаты клиенту, — рассказывает Калабухов. — Но пришли к нему через некоторое время с вопросом: «А что произошло с этими людьми?» И все три прогноза подтвердились! Система увидела паттерн, который не заметили люди. И не потому, что они плохие управленцы (на их месте могут быть ведущие топ-менеджеры) — просто наш мозг не может одномоментно обработать тысячи микросигналов в коммуникации — ИИ может».
Три уровня интеллекта: как устроен и работает Tessent
Технически Tessent представляет собой несколько связанных систем, каждая из которых решает свою задачу:
- brain — ядро, которое строит граф знаний и отвечает на вопросы с учетом всего контекста компании;
- мультиагентная система — набор специализированных ИИ-агентов (маркетолог, аналитик, копирайтер), которые выполняют сложные задачи, комбинируя свои компетенции;
- генератор регламентов — здесь собран весь пул инструментов для работы с контекстом, в том числе и внешние. Например, доски, где можно создать последовательность действий, которые должна выполнить система.
При помощи автоматизации есть возможность одним запросом выполнить цепочку действий: найти нужную встречу, извлечь информацию, создать документ, отправить коллегам.
«Каждая встреча анализируется и разбивается на смысловые блоки. Все данные из отчетов и даже из переписки, обрабатываются на одной платформе, а специальные алгоритмы позволяют связать людей, проекты, задачи и выводы в единую смысловую сеть, что позволяет принимать решения в разы быстрее».
Свой среди своих: язык и безопасность
Своевременность появления Tessent на рынке подсвечивают два нюанса. Первый — это фокус разработки на безопасность. Сегодня, когда крупные российские игроки — банки, промышленность, госсектор — не могут позволить себе облачные решения за океаном из-за высокого риска утечки данных, прототип предлагает решения, при которых данные не покидают контур компании — архитектура уже готова к внедрению локальных моделей.
Второе — культурный код. «Западные нейросети отлично понимают английский, но на русском их точность падает до 85–90%, — делится статистикой разработчик. — Для бытового чата неплохо, для бизнеса — катастрофа. Теряются фамилии, цифры, термины. Языки стран СНГ вообще переводятся очень плохо. Но мы адаптировали систему, добившись высокой языковой точности, она точно не запутается в интерпретации разных славянских языков (русский, белорусский) или тюркских (узбекский, казахский)».
Давид против Голиафа в эпоху ИИ
Ставка на то, что маленькая команда с правильной идеей и глубокой экспертизой способна тягаться с корпорациями, вполне может сработать в эпоху ИИ-демократизации, когда большие решения становятся доступными.
«Современные ИИ-инструменты радикально снизили порог входа. То, на что раньше требовались департаменты разработки, сегодня можно построить вдвоем. Главное условие — глубокое понимание предметной области», — уверяет разработчик.
Вызов был даже не в дефиците специалистов, а в высокой стоимости API. Но это ограничение оказалось только на пользу разработчикам — пришлось глубже продумывать архитектуру, чтобы система отвечала лучше за меньшие деньги. В перспективе, когда модели станут сильнее и дешевле, Tessent будет работать еще эффективнее, потому что логика уже оптимизирована.
Инфраструктура для ИИ-агентов или «шина данных» между компаниями
Агентный ИИ в тренде уже несколько лет. Через два-три года эти инструменты будут у большинства компаний. Но смогут ли они эффективно взаимодействовать между собой? Да, если им поможет инфраструктура, уверен основатель Tessent.
«Даже если у компании появятся идеальные ИИ-агенты — им понадобится контекст, данные о вашем бизнесе, которые надежно хранятся в системе. Когда нужно подключить подрядчика или партнера, достаточно открыть им доступ к определенному слою данных. Консультанты, получив доступ, способны проанализировать компанию за день вместо месяца, а маркетологи, сразу увидев все нюансы продукта и аудитории, — создать лендинг без долгих брифингов, согласований и переделок».
Никакой футурологии — просто экскурс в будущее
У разработчиков есть четкая картинка будущего: управление компанией как разговор с голосовым ассистентом.
«Не нужно открывать дашборды и CRM. Ты говоришь системе: «Что происходит в этом проекте?» — и она строит графики под тебя. Даешь поручение — она подключается к почте, каналам, создает документы. Не надо каждый раз все заново объяснять, в том числе и новичкам — они сразу начинают работать продуктивно. Об этом тоже заботится система: объясняет субординацию, механизм решения задач», — сообщает эксперт.
«Пока сотрудники на кофе-брейке, она уже раздала задачи, подготовила первичные материалы. А в ходе следующей встречи, зная историю проекта, может подсказывать в реальном времени. Система становится не инструментом, а куратором. Это меняет принцип работы».
Вместо заключения
Сейчас команда Tessent тестирует разработку на себе и ищет первых партнеров для пилотных проектов.
«У нас нет инвесторов и армии маркетологов. Мы понимаем, что идем против рынка, где правят гиганты с огромными отделами продаж, — признается Антон Калабухов. — Но у нас есть технология, в которой мы уверены, и амбиция доказать, что маленькая команда может создать продукт уровня Enterprise».
Успех предприятия, как всегда, определит время, но сама постановка задачи — ИИ, который понимает контекст, а не просто отвечает на вопросы — отражает направление, в котором движется вся индустрия.