ИИ в торговом центре: с чего начать внедрение
ИИ в торговом центре начинается не с покупки сервиса. Разбираемся, как выбрать первую задачу, получить бюджет, измерить результат и не потерять контроль.
На днях я прочитал материал ICSC о внедрении искусственного интеллекта в торговых центрах. Из всей дорожной карты мне запомнился не перечень технологий, а более простая мысль: главным препятствием часто становится не отсутствие подходящего сервиса, а непонимание, какую проблему решать первой.
Для российских ТЦ это особенно актуально. Разговор легко уходит в нейросети, цифровые экосистемы и далекое будущее.
А в понедельник утром юрист снова сравнивает четыре версии договора, брокер вручную собирает сведения о потенциальном арендаторе, аналитик переносит цифры из PDF и Word в Excel, а маркетолог готовит отчет с охватами и фотографиями, который так и не отвечает на главный вопрос собственника: что изменилось в трафике и продажах?
Между этими повседневными задачами и намерением «внедрить ИИ» пока остается пропасть.
С чего начать внедрение ИИ в торговом центре? Не с выбора нейросети, а с одной повторяющейся задачи, результат которой можно измерить до и после теста. Для этого нужны исходные данные, ограниченный бюджет, ответственный сотрудник и обязательная проверка результата человеком.
Внедрить ИИ — не задача
Часто проблема не в том, что для ТЦ нет подходящей технологии. Внутри компании просто не договорились, какую конкретную проблему хотят решить. «Повысить эффективность», «автоматизировать процессы» и «использовать искусственный интеллект» — это направления, а не задачи. Пока непонятно, что именно должно стать быстрее, дешевле или точнее, невозможно посчитать бюджет, назначить ответственного и оценить результат.
Нормальная постановка задачи звучит гораздо приземленнее:
- – сократить время юриста на сравнение версий договора и быстро находить уже отклоненные формулировки, которые снова появились в тексте
- – готовить первичную справку о потенциальном арендаторе без многочасового ручного поиска по сайтам и новостям
- – собирать в одну таблицу данные об оборотах из чатов, файлов Word и PDF
- – сопоставлять календарь маркетинговых мероприятий, расходы, трафик и доступные данные по продажам, чтобы понимать, что изменилось после каждого мероприятия
- – анализировать отзывы о ТЦ на Яндекс Картах и в 2ГИС, чтобы видеть не отдельные жалобы, а повторяющиеся проблемы.
В каждом случае есть конкретная задача, понятный результат и возможность сравнить, как она выполнялась до и после. Вот с этого и стоит начинать разговор об ИИ.
Начинать нужно с работы, которая всех бесит
Для первого тестового запуска я бы рекомендовал выбирать не самую масштабную и не самую сложную задачу, а повторяющуюся работу, которая отнимает много времени и раздражает сотрудников.
Такая задача обычно имеет пять признаков:
- – она регулярно повторяется
- – требует слишком много ручного поиска, сравнения или обработки информации
- – имеет понятный результат
- – позволяет сотруднику проверить результат до того, как он уйдет арендатору, посетителю или собственнику
- – дает возможность посчитать, сколько времени и денег уходит на нее сейчас.
Для первого запуска не подойдет задача, если исходным данным нельзя доверять, результат трудно проверить или ошибка сразу влияет на деньги и юридические обязательства. Здесь слишком велик риск получить дорогой эксперимент вместо полезного решения.
Торговому центру не надо сразу внедрять ИИ во все отделы. Разумнее выбрать один процесс, ограничить объем работы и проверить, действительно ли новый инструмент сокращает время или повышает качество результата.
Что можно проверить первым при внедрении ИИ
Возьмем одну из самых обычных задач отдела аренды. Собственник просит найти федерального арендатора на освободившуюся площадь. Брокер поднимает старую базу контактов и проверяет, кто расширяется, кто закрывает магазины, какие форматы развивает и работает ли в городах такого размера.
Но сначала стоит определить, какую функцию арендатор должен выполнять в трафике и экономике ТЦ. Федеральный статус сам по себе на этот вопрос не отвечает.
ИИ может собрать и структурировать информацию из открытых источников, подготовить черновик справки и список вопросов. Но арендатора он не приведет и переговоры не проведет потому что не знает истории отношений, не считывает реакцию собеседника на встрече и не отвечает за обещания, данные в ходе переговоров.
Ведение сделки от первого контакта до подписания договора по-прежнему остается работой человека. Так что брокерам пока можно выдохнуть.
Зато если брокер тратит меньше времени на поиск и обработку информации, у него остается больше времени на звонки, встречи, подготовку аргументов и сами переговоры. Вот и первый практический результат: ИИ не заменяет брокера, а сокращает объем рутины вокруг его основной работы.
Для такого запуска можно использовать только открытые данные и обойтись без подключения к внутренним системам ТЦ. Все подготовленные материалы должен проверять сотрудник. Никакие справки, выводы или письма не должны автоматически уходить арендаторам и собственнику.
Та же логика работает и в других отделах.
Юристу сравнение версий договора не заменит правовую оценку, но поможет быстрее увидеть, где снова появилась уже отклоненная формулировка.
Собранная с помощью ИИ таблица не объяснит аналитику, почему упали продажи, но избавит от ручного переноса цифр и оставит больше времени на поиск причин.
Маркетологу сопоставление календаря мероприятий, расходов, трафика и продаж не докажет, что изменения произошли именно благодаря конкретному мероприятию, но даст больше информации для следующего решения.
ИИ нужен не для красивых ответов. Он нужен, чтобы меньше времени уходило на поиск и сведение данных, а больше — на решение самой проблемы.
Сколько стоит ничего не менять
Любое предложение использовать ИИ быстро упирается в простой вопрос собственника: сколько это будет стоить? Новый сервис, его настройка и обучение сотрудников требуют отдельного бюджета. А привычный процесс кажется бесплатным, ведь сотрудники уже получают зарплату.
Но бесплатным он только кажется.
Компания уже оплачивает часы ручного поиска, сверки и обработки информации. Платит за повторное согласование договора из-за пропущенной правки, за поздно замеченное снижение продаж и за маркетинговое мероприятие, которое повторили, так и не разобравшись, принесло ли оно результат. Просто эти потери никто отдельно не считает.
Поэтому собственнику стоит предлагать не ИИ как модную технологию, а понятный экономический результат. В запросе на бюджет надо показать, за что именно он платит: за меньшее количество ошибок, более раннее обнаружение проблем и высвобожденное время сотрудников для переговоров, продаж и работы с арендаторами.
В этот момент у собственника обычно возникают два вполне разумных возражения.
Первое: «Я и так плачу сотрудникам зарплату. Почему я должен дополнительно оплачивать сервис, который будет делать часть их работы?»
Потому что зарплата не делает время сотрудника бесплатным. Если брокер тратит часы на сбор информации, в это время он не звонит арендаторам и не ведет переговоры. Компания в любом случае платит. Вопрос только в том, на что уходят уже оплаченные часы: на рутину или на работу, которая может повлиять на сделку и доход.
Второе возражение: «А где гарантия, что все это принесет деньги?»
На этапе первого теста такой гарантии нет, и обещать ее было бы нечестно. Но собственнику и не предлагают сразу оплачивать большое внедрение. Предлагается проверить один процесс в рамках ограниченного бюджета, по одному заранее согласованному показателю и с понятным условием остановки. Если время не сократилось, качество не улучшилось или расходы оказались выше ожидаемых, тест прекращается.
Для первого тестового запуска не нужна большая презентация. Достаточно одной страницы с ответами на основные вопросы:
- – какую бизнес-проблему решаем
- – как процесс устроен сейчас и сколько времени и денег он отнимает
- – что именно хотим проверить и на каком объеме
- – какие данные понадобятся и можно ли им доверять
- – какие сведения нельзя передавать внешнему сервису
- – какой бюджет нужен на сервис, настройку, обучение и проверку
- – кто отвечает за запуск и результат
- – по какому показателю сравниваем результат с исходной точкой
- – при каких ошибках, расходах или отсутствии эффекта останавливаем тест.
Это уже не презентация про возможности ИИ, а обычное управленческое предложение: проблема, текущие расходы, бюджет, риски, ответственный и показатель результата.
Сам ИИ занимает здесь одну строчку. Все остальное — управление.
Кто ответит, когда ИИ накосячит?
Ошибаться он будет. Проверено многократно на личном опыте. ИИ может перепутать похожие компании, использовать устаревшую информацию, неверно понять таблицу или уверенно написать то, чего вообще нет в источнике. С последним, по моему опыту, он справляется особенно хорошо. Поэтому правила проверки надо установить до начала работы, а не после первой серьезной ошибки. Необходимо заранее определить:
- – кто проверяет результат перед его использованием
- – какие факты, цифры и источники надо перепроверять отдельно
- – какие решения нельзя принимать только на основании ответа ИИ
- – как исправляется обнаруженная ошибка и кто решает, можно ли продолжать работу
- – какая информация ни при каких условиях не должна попадать во внешний сервис.
Если ИИ готовит справку об арендаторе, сотрудник должен сверить факты с исходными источниками. Если сравнивает договоры, юрист оценивает не только найденные изменения, но и их смысл. Если собирает данные для аналитики, специалист проверяет периоды, единицы измерения и источник каждой цифры.
Здесь возникает логичное возражение: если человек все равно все проверяет, где тогда экономия?
Проверить подготовленную справку должно быть быстрее, чем собирать ее с нуля. Оценить уже найденные изменения в договоре — быстрее, чем заново сравнивать все версии. Если на проверку результата уходит столько же времени, сколько раньше занимала вся работа, значит, тест провален и для этой задачи инструмент не подходит.
Собственная ИИ-команда для первого шага необязательна. Внешний специалист может выбрать инструмент, настроить процесс и обучить сотрудников. Но ответственность нельзя передать программе или полностью переложить на подрядчика. Внутри ТЦ все равно нужен сотрудник, который понимает цель, контролирует качество и имеет право остановить работу.
ИИ может подготовить ответ. Отвечать за него все равно придется человеку.
Как измерить результат внедрения ИИ
Не стоит сразу обещать собственнику рост посещаемости, оборота или арендного дохода. Если ИИ ускорил подготовку справки об арендаторе или сравнение договоров, связать это напрямую с итоговой бизнес-цифрой все равно не получится. Между ними слишком много других факторов.
На первом этапе достаточно измерять три вещи: время, качество и полную стоимость работы.
Причем считать надо весь процесс, а не скорость, с которой ИИ выдал первый ответ. Время на проверку и исправления тоже нужно учитывать. В полную стоимость входят оплата сервиса, настройка, обучение и часы сотрудников.
Для отдела аренды показателями могут быть время на подготовку уже проверенной справки и количество фактических ошибок, найденных сотрудником. Для юриста — время на сравнение документов и число изменений, которые ИИ пропустил или истолковал неверно. Для аналитика — время на подготовку проверенной сводной таблицы и количество исправлений после проверки.
До начала теста нужно зафиксировать исходную точку: взять несколько однотипных задач и посчитать, сколько времени они занимают сегодня, какие ошибки возникают и сколько еще приходится тратить на их исправление. Затем выполнить сопоставимый объем работы с новым инструментом.
Сравнивать надо не впечатления сотрудников и не эффектную демонстрацию на совещании, а одинаковые по объему и сложности задачи до и после.
Если работа стала быстрее, но качество упало или вся экономия времени ушла на проверку и исправления, пользы нет. Масштабировать решение можно только после подтвержденного результата. Иначе вместе с ним будут масштабироваться ошибки и расходы.
У нас не Москва. Нам вообще нужен ИИ?
Самое ожидаемое возражение собственника регионального ТЦ звучит примерно так: «У нас нет ИТ-отдела, единой базы данных и бюджета на эксперименты. Нам бы сначала пустующие площади заполнить и с трафиком разобраться. Какой еще ИИ?»
И это нормальный вопрос о приоритетах и деньгах, а не признак технологической отсталости.
Скажем прямо: ИИ нужен не каждому торговому центру и не для каждой задачи. Размер города сам по себе ничего не решает. Важнее, как часто повторяется конкретная работа, сколько времени она отнимает и во что обходятся ошибки.
Если справку о потенциальном арендаторе готовят один раз в квартал, отдельная автоматизация может не окупиться. Но если брокер каждую неделю тратит часы на поиск информации, юрист постоянно сравнивает версии договоров, а аналитик вручную собирает данные об оборотах арендаторов из таблиц и сообщений, эта проблема существует и в Москве, и в городе с населением 200 тысяч человек.
Для первой проверки не нужны собственный ИТ-отдел и подключение ко всем внутренним системам. Можно выбрать один ограниченный процесс, использовать открытые данные или уже существующие документы, назначить ответственного сотрудника и заранее ограничить бюджет. У регионального ТЦ путь от идеи до решения иногда даже короче: меньше уровней согласования и проще остановить тест, если он не дает результата.
Но небольшой масштаб требует особенно внимательно считать экономику. Редкая задача может не окупить настройку сервиса. Плохие данные сначала придется привести в порядок. А стоимость проверки и исправления результата может оказаться выше сэкономленного времени. В таком случае от идеи лучше отказаться или выбрать другую задачу.
Поэтому статус регионального ТЦ — не бедствие и не повод срочно внедрять ИИ. Это просто еще одна причина начинать с небольшой, понятной и измеримой задачи.
Купить год опыта невозможно
Откладывать работу с ИИ на первый взгляд вполне рационально. Можно дождаться более совершенных сервисов, отраслевых примеров и понятных расчетов окупаемости. Возможно, через год инструменты действительно станут лучше и дешевле.
Но у этой логики есть слабое место: пока сервисы совершенствуются, команда не накапливает собственного опыта. В это же время другие компании на небольших задачах учатся формулировать запрос, готовить данные, проверять результат и понимать, где автоматизация действительно окупается, а где только добавляет работы. Они ошибаются, отказываются от неудачных идей и постепенно выстраивают собственные правила работы с ИИ.
Оформить подписку на нейросеть, которой пользуется конкурент, можно за один день. Купить год опыта ее применения невозможно.
Именно в этом заключается риск отставания. Не в отсутствии модного ИИ-чата на сайте, а в опыте команды. Спустя год она уже будет знать, какие задачи дают результат, каким данным можно доверять, что обязательно проверять человеку и где технологию вообще лучше не использовать.
Не всем нужно становиться первыми. Между попыткой бежать впереди рынка и бесконечным ожиданием есть разумный путь: небольшие задачи, ограниченный бюджет, понятные показатели и право вовремя остановиться.
Где заканчивается ИИ и начинается управление
Весь подход можно свести к довольно приземленной последовательности: выбрать бизнес-проблему, зафиксировать исходную точку, проверить данные, подобрать подходящий инструмент, посчитать бюджет, назначить ответственного, определить показатель результата и провести небольшой тест. Затем сравнить цифры до и после и только после этого решать, стоит ли расширять работу.
Выбор конкретной нейросети в этой последовательности — далеко не первый пункт.
ИИ вообще занимает здесь только одно звено. Он может найти расхождения в договоре, собрать сведения об арендаторе, свести таблицы и подготовить отчет. Но он не решит, какая проблема сейчас важнее, каким данным можно доверять, какой риск допустим и что считать достаточным результатом.
Плохо поставленную задачу ИИ тоже выполнит быстрее. Только пользы от этого не прибавится.
Именно здесь заканчивается технология и начинается управление. Цель, критерий качества, бюджет и ответственность по-прежнему определяют люди.
Если торговый центр сам не понимает, зачем покупатель должен приехать именно к нему, ИИ легко придумает красивый ответ.
Создать реальную причину приехать все равно придется людям.
Источник, ставший поводом для статьи: ICSC, «How to Implement AI in Your Shopping Center: A Step-by-Step Roadmap».