Способен ли искусственный интеллект по-настоящему решать любые задачи? И главное, способен ли он решить именно вашу конкретную задачу? Сейчас десятки миллионов людей и миллионы компаний вкладывают деньги в AI, вкладывают свое время и большие ресурсы. Но по факту кто-то получает очень сильный результат. Таких людей, кстати, очень мало. Кто-то не получает ничего, а кто-то теряет серьезные деньги, теряет время, теряет возможности. Почему так происходит? И как заранее понять, искусственный интеллект действительно решит вашу задачу или вы просто потратите время и деньги?
Об этом сегодня поговорим. Очень интересный кейс про McDonald’s. И начну вам с такого примера. Мне кажется, он очень поучительный, показательный и достаточно понятный вообще для понимания, для обсуждения сегодня. Чтобы сказать себе: а вообще вот эту задачу, которую я сейчас решаю, которую я делаю, ее действительно надо автоматизировать, например, или действительно ли надо создавать какое-то решение? Или действительно мне надо сейчас тратить время и углубляться в это, или это будет какое-то небольшое развлечение, и оно сейчас бессмысленное, например, бессмысленное из-за того, что через полгода эта задача может быть полностью решена. И прежде чем мы с вами сейчас перейдем в эту тематику, к этому примеру, он, мне кажется, очень сильно релевантный.
Приведу параллельную историю, которая вот у меня возникла эти дни. Я позавчера сидел и в одном из своих бизнесов американских, очень простых бизнесов, небольшой структуре которая управляет определенными моими активами, решил подключить искусственный интеллект к финансовому учету. То есть американская система QuickBooks — это как система для управления финансами внутри компании. На самом деле, у них там много разных сервисов, но один из сервисов, который я использовал, — система для управления финансами.
И потом и в этой системе подключен, в том числе мой бухгалтер, которая, раз в определенный период, не так часто, подает декларации и сдает эти декларации. И система вроде как не такая сложная. Я таких систем видел очень много. И вообще, в целом автоматизация финансов — это задача, с одной стороны, вроде как решенная, простая, с другой стороны, крайне сложная. То есть в большом количестве бизнесов, в том числе где я связан, где я собственник или где я занимаюсь каким-то управлением, в этих бизнесах, на самом деле финансы нормально не автоматизированы. То есть они автоматизированы на уровне хорошего работающего Excel как факт.
Бухгалтерия, понятно, там немножко другая история с точки зрения сдачи налоговой отчетности и всего остального, но это другой подход. Мы сегодня не будем уходить сильно в эту тематику, но я вам все же хочу в этом примере показать. Это будет очень хорошей подводкой к тому, что сегодня происходит у нас. И я, зашел, интегрировался с этой системой, прошел compliance. Это когда вы отвечаете на огромное количество различных вопросов для того, чтобы вам вообще дали возможность интегрироваться с этой системой и подключить API. Я подключил API и делал это локально. Мне не за что там было сильно переживать, потому что даже если бы какие-то бы данные где-то плюс-минус стерлись, там не то чтобы это имеет какое-то сверхзначение. То есть это не компания, в которой ежедневно тысячу проводок операции делаются.
Компания, в которой в месяц проводится сто тире тысячу проводок — это не так много. И я был готов это сделать. Мало того, там нет никаких выделенных финансистов этой системы нигде. Там раз в период захожу я, в том числе заходят определенные люди и делают определенную работу внутри. Я подключил туда систему, и система сделала невероятные вещи, я вам честно скажу. То есть она абсолютно все считала, во всем разобралась. Потом я ей дал налоговые декларации по этой компании, потом я ей дал ей выгрузку со счетов, различные там кредитные карты, банковские счета платежных систем различных.
Дал ей эти данные внутри, она полностью все собрала и собрала достаточно крутой мне отчет в HTML, то есть в простом виде. Это был простой Codex. Кстати, привет, OpenAI, пришел их мерч, да? И простой был Codex. Очень все было локально, абсолютно простая история была сделана. Там были некоторые дополнительные вещи с точки зрения прохождения security, контроля безопасности, но это было сделано. И я для себя тогда еще отметил, подумал: "О, классно! Я получил такую дополнительную проверку, которая мне была необходима.
Исходя из этого бизнеса, меньше какого-то волнения с точки зрения несовпадения каких-то чисел, да? Потому что все же люди, которые у меня дальше очень серьезно там все проверяют, они заинтересованы скорее качеством сдачи деклараций, нежели чем проверкой внутри многих существенных вещей. Утром я проснулся и, разговаривая со своим партнером, я очень четко осознал, что мне QuickBooks больше не нужен. Потому что, с одной стороны, я вчера вечером находился в ситуации, в которой мне не просто QuickBooks не нужен, мне не нужна ни одна финансовая система.
А если мне нужна финансовая система, то мне нужна финансовая система серьезная. То есть те требования, которые у меня есть, я до сих пор, как я сказал, в огромном количестве бизнесов у меня до сих пор Excel. Почему Excel? Потому что нормальные финансовые системы не справляются с этим, просто не справляются. А с теми, где они справляются, тебе необходимо садить еще поддержку программистов, аналитиков. Мало того, ты все равно в ограничениях определенных находишься. И я, конечно, уже ушел из оперативного такого серьезного контроля, каких-то сверх требований именно из-за того, что я не выполняю функции такого супероперационного человека каждый день в разных бизнесах. Но я понимаю, что мне лично надо совершенно другое качество.
Мне лично совершенно другое качество информации надо. И даже Excel меня сейчас не устраивает. Я все равно потом эти все Excel прогоняю через, модели разные, через искусственный интеллект для того, чтобы получить информацию. Но то, что сделала эта система, это было невероятно круто. То есть она мне сегодня сделала суперкрутые вещи. Но смотрите, есть разница. Есть разница между тем, что я получил какую-то, такую поддержку дополнительную, условно, по приколу. Хотя это был большой плюс для меня: экономия времени, там, деталей, всего. С другой стороны, готов ли я этой системе отдать ответственность?
До конца. Вот я отказываюсь здесь от финансовой прокладки, отдаю до конца. Сегодня, разговаривая со своим партнером, я понял, что моя-то QuickBooks стал прокладкой, потому что, по сути, я по API к нему пообращаюсь. Потом я те же банковские выписки гружу, он мне сам полностью все разносит по счетам, мгновенно распределяет мне полностью все. Обратите внимание, мы уходим здесь от понятия нормализованных счетов. Вот это, я думаю, что большинство аудитории это непонятно, что это значит — нормализованные счета.
Но я хочу вам сказать, что это самая большая проблема вообще в мире практически любой разработки. Тебе необходимо определять справочники. С помощью искусственного интеллекта ты имеешь возможность создавать так называемые динамические справочники или изменять их постоянно. То есть ты имеешь все время изменять структуру хранения разных данных. Наш подкаст не технический, но то, что я сейчас говорю, имеет очень фундаментальное значение. Если вы хотите сильно продвинуться в использовании, вообще в применении искусственного интеллекта в своей жизни и в использовании его везде, конечно, есть смысл понимать, о чем я говорю.
И есть выпуски, где я попроще рассказываю, где мы какие-то философские самые вещи обсуждаем, где-то более простым языком мы что-то говорим. но такие кейсы я с вами все же хочу поделиться. И вот наступил момент, я понимаю, что QuickBooks не нужен. То есть если мне эта система, она суммарно поработала часа три-четыре, сегодня она там стоит, делает еще определенные расчеты. Она потратила очень мало токенов, сразу хочу сказать, потому что это не какие-то сумасшедшие космические объемы данных.
И я представляю вообще, сколько в мире сейчас умрет стартапов. Мало того, в целом люди получают возможность наконец-то нормальной автоматизации, которой не существовало. То есть вот в финансовых системах, сейчас начнут появляться люди, которых я знаю, которые владеют компаниями по управлению финансами, будут рассказывать, что у них крутая система управления финансами, они классные. Я так не считаю, да? Сугубо мое мнение. И, наверное, это относится можно смотреть какие-то мои другие лекции, которые относятся не к каналу ToTheMoon, где я рассказываю про финансовый учет или про стратегии, финансовые стратегии в компаниях и как там работать, как там двигаться и так далее.
Есть другая грань, есть грань: а готов ли я налоговую декларацию сдать с помощью системы по этой компании? Вот это возникает вопрос. С одной стороны, мне бухгалтер в рамках этого бизнеса, он мне вроде как нужен, потому что у меня там есть очень много мелких особенностей, где надо знать законы локальные. С другой стороны, я понимаю, что этот человек не может знать то, что на сегодняшний день знает хорошая модель и хороший AI, если она сделала проверку. Мы не говорим о том, чтобы налоговую декларацию сдавать автоматически. Вот это очень важно, да? Посмотрите, мы здесь приходим к невероятно важному пункту, который я все время всем говорю при внедрении искусственного интеллекта. Все время хотят сверхавтоматически все сделать. Вот сверхавтоматически?
А потом хотят на самом деле автоматизировать свои собственные процессы. Вот я в автоматизации бизнеса почти двадцать пять лет нахожусь. Одно и то же всегда, одно и то же. Все хотят космический корабль в начале, а потом хотят свои простые процессы сделать. Мы сегодня с вами не про автоматизацию, мы сегодня с вами про главный вопрос: что можно доверить AI, в какой момент и какому конкретно?
То есть когда я даже говорю, что сдать налоговую декларацию, я понимаю, что я не буду это автоматизировать. То есть я могу подготовить объем определенных данных. Этот объем на сегодняшний день будет очень большим, широким, с кучей всяких деталей, особенностей. И отдать это на расчет в системе. Я могу это отдать человеку. Я понимаю, что человек будет смотреть некоторые вещи очень локально, очень относительно. Может ли он узнать какие-то уникальные фишки? В теории может. И, возможно, при подаче налоговой декларации за 2026 год, итоговой, суммарной, возможно, я отдам и налоговику, и сам запущу через модели, да? Возможно, в начале двадцать шестого года я не буду ничего отдавать налоговику.
Почему? Вот смотрите, это мое уже понимание здесь. Я достаточно неплохо понимаю, что к началу двадцать шестого года мы можем иметь совершенно другие инструменты, и у меня тогда вообще не будет стоять вопрос, например, отдавать налоговику я буду точно знать, что система это сделает. Как год назад были некоторые вещи, которые я ChatGPT не отдавал, а сейчас есть вещи, которые я ChatGPT точно отдаю. У вас они явно есть. Напишите про них. Очень классно про это почитать: что вы не отдавали, а сейчас отдаете?
Вот, например, я не отдавал полноценное нормальное написание статей из транскрибированных видео. Вот у меня сейчас идет видео, мне необходимо перевести в девяносто девять процентов текста. Условно, сохранились там полностью мои все стили, детали, все. Очень было тяжело с точки зрения сохранения стилей и деталей. Сейчас это работает. Зачем мне это надо? Есть люди, которые хотят текстовый материал какой-то просмотреть или в целом с текстовым материалом удобно потом легко работать. Или этот текстовый материал попадает в поисковое продвижение и так далее?
Структурированная информация, нормально выбранная, исключенные всякие слова-паразиты, повторы, правильно поставленная речь, при этом сохранены девяносто пять процентов, например, моей стилистики. Но у меня там есть целые требования. Год назад не отдавал, сейчас отдаю. То есть вещи, которые нельзя было отдать, которые можно отдать. Вот с точки зрения сдачи налоговой декларации такое может оказаться. И поэтому я понимаю, что, скорее всего, QuickBooks через месяц, если у меня система сейчас нормальная, гарантированно мне сойдутся все остатки, все детали, она проработает неделю, каждый день будет мне сдавать отчетность или присылать какие-то мне данные.
Я увижу, что она функционирует, зажила, да? А до этого у меня ее не было. Какие отчетности? Мне в этой компании не нужны отчетности? Это компания, которой не нужна вообще финансовая отчетность для операционной деятельности. Там ты просто на остатки смотришь, видишь какие-то данные где-то и управляешь какими-то активами. То есть это, другой тип вообще бизнес. Я увижу, что это все работает структурировано. Конечно, я откажусь от QuickBooks, если QuickBooks в месяц мне там стоит, не знаю, пятьдесят или шестьдесят, или сколько долларов, то по году там минус шестьсот долларов сократится.
Но суть не в этих шестьсот долларах. Или суть не то, что я налоговику заплачу потом или аккаунту за сдачу налоговой декларации, там, тысячу, или две тысячи, или пятьсот долларов, какую-то сумму ему заплачу. Суть же не в этом. Суть в эффективности и в качестве работы, в качестве, в уверенности данных и в понимании следующем. Для меня, например, критически важно не тысячу или две тысячи долларов здесь, для меня важно, что в этой компании все ведется очень качественно и законно.
Очень качественно. То есть качественно все оформляется, качественно все разносится, а я не могу это вообще обеспечить сейчас. Это очень тяжело сделать. Надо не то что там человека садить, надо еще очень много времени на это тратить, на то, чтобы вести очень качественно, сверхдетально. И для того, чтобы через пять лет или через семь лет иметь возможность легко абсолютно по этой компании проходить, например, любую проверку. Легко! У тебя не будет вызывать это никаких вопросов. Ты берешь задним числом полностью все поднял, полностью все прошел.
Хорошо мне сейчас проходить проверку двадцать четвертого или двадцать пятого года в этой компании. Эта компания свежая, ей там два с половиной года. Хорошо проходить мне проверку сейчас, потому что есть все почты, все электронно, и ты быстро все подкачиваешь. Но есть система, где у тебя, например, не велась, не сохранялись данные. Тебе эти данные очень тяжело подкачать. Или они находятся в почте, к которой, например, нету доступа, или они были определенного человека, который вел в своем Excel, и этот Excel исчез.
Сейчас есть классное время, мы с вами имеем возможность с разных систем очень быстро все подключить через API, через MCP, как угодно скачать Excel, залезть на какой-то сайт. Очень много всего, кучу всего подключить и автоматизировать. Но все равно стоит вопрос: я результат в конце получу или нет? Или я могу получить проблему при сдаче декларации? Или сейчас, если я не буду использовать эту систему, то в какой-то момент времени через полгода у меня окажется какая-то дыра, и я не смогу ее восполнить. Куда-то исчезнут данные, что-то сделается некачественно, нечетко. Или у меня возьмет искусственный интеллект все удалит, например.
Мы же должны прекрасно понимать, что до этого сотрудники могли удалить, системные администраторы могли удалить кто угодно? Хоть копируй, дублируй все что угодно, все равно всегда есть момент потери данных. Сейчас искусственный интеллект может вроде как взять и удалить. То есть ты, с одной стороны, ему даешь доступ ограничивающего правила, с другой стороны, ты никогда не понимаешь, что он будет делать. Потому что я вижу, у меня ежедневно работает и Claude, и Codex просто чуть ли не двадцать четыре часа.
Просто огромное количество сессий, всего. Я вижу, насколько самые новые системы, сейчас вот вышел Opus-5, в Claude. Я вижу, насколько они ошибаются, насколько они многие вещи делают некачественно. В то же время они очень серьезно развиваются и делаются качественно. Вот я недавно снимал выпуск про память у моделей, насколько стала круто память работать в чате GPT. Я хочу сказать, конечно, она работает нереально. Ты запускаешь сессию, пишешь в ней вопрос, запускаешь тут же другую сессию.
У меня такое сейчас было. Я запустил сессию, задал вопрос, задал его в версии Pro, а мне надо было срочно получить на него ответ. И я запустил отдельную сессию, задал его в Extra High. Ну и там мне Extra High выдал через тридцать секунд ответ, а Pro там через десять минут. Так вот, Extra High уже увидел, что есть другая сессия, и прочитал, и дополнил мне данные. Потому что я задал на самом деле вопрос с ограничениями, я задал его не весь. Это было очень интересно. То есть качество, конечно, проверок, памяти, деталей, взаимной работы между системами, оно очень интересно.
И здесь мы приходим к настоящему, к реальному кейсу, который прошел этот кейс действительно очень сильно интересен.
Он прошел в компании McDonald's. Чем актуален этот был кейс, что компания McDonald's еще в две тысячи, по-моему, девятнадцатом году, у них сейчас там IBM, а до IBM с точки зрения там подрядчиков, они купили калифорнийскую компанию Apprent для сложных заказов с разными акцентами, языками, там, множественными позициями. И, McDonald's, понятно, что McDonald's до покупки этой, до девяносто девятого года испытывал разные системы. То есть их была задача, как сделать так, чтобы человек мог голосом делать заказ, и человек, и оператор в этом не участвовал?
И у них такая была попытка. С двадцать первого года систему начали публично тестировать в десяти ресторанах в Чикаго. И руководитель McDonald's тогда сообщал, что, еще раз, смотрите, двадцать первый год - это еще до текущего, до эры текущего искусственного интеллекта? Что тогда правильное оформление заказов достигло восемьдесят пять процентов. И примерно получается в одном из пяти заказов сотрудников все равно приходилось вмешиваться и продолжать разговор. Я считаю, что это очень интересная тема: что можно сделать, а что нельзя. Смотрите, двадцать первый год.
В октябре двадцать первого года IBM договорилась купить McDonald's Tech Labs, и это технологическое подразделение технологическое подразделение, созданное на основе вот этого Априенто - это компания из Калифорнии. И IBM должна была развивать автоматизированный прием заказов и научить систему лучше работать как раз таки с разными языками, с акцентами, с диалектами и разными вариантами меню. Опять же, у нас недавно мы снимали выпуск про то, как работает качественно или качественно-некачественно, голос, новый голос в ChatGPT.
Кстати, кто им реально продолжил пользоваться? Я хочу сказать, я им попользовался - очень прикольно - и перестал. Кто продолжил? Давайте посмотрим. Или, может быть, кто-то другими голосами использует, кто-то другие голоса делал. В двадцать втором году, смотрите, очень важно, интересная тема с учетом появления искусственного интеллекта. То есть эта тема, она давно была, да? Машинное обучение и языки, анализ. Понятно, что он был до этого, да? По оценке аналитиков, в двадцать втором году в двадцать четырех ресторанах Иллинойса, это штат Чикаго, штат города Чикаго, точность оставалась в районе не, уже не восьмидесяти пяти процентов, восьмидесяти процентов.
Тогда как McDonald’s хотел получить. Смотрите, здесь очень важная история. То есть у McDonald’s было требование: они хотели получить девяносто пять процентов для того, чтобы широко внедрять. Смотрите, зачем они хотели это сделать? Мы можем подумать, что они хотят сохранить операторов. На самом деле, это вопрос эффективности и качества. И мы знаем, что такое внутри McDonald’s. Вот если посмотрим или Starbucks, как они на маленькой площади, бывает, там, пять, семь, девять человек стоит и делают невероятно качественную работу, с точки зрения сервиса. И мы в то же время я вижу периодически очередь в сорок человек в какой-то кофейне, там стоит один человек и не может всех полностью обслужить.
Спрашиваешь: "А что происходит?" Значит, то есть спустя год технология все еще была далека от вот этого необходимого уровня, который был. В двадцать четвертом году испытание выросло до более чем ста американских ресторанов. И в июне двадцать четвертого года, смотрите, уже ChatGPT есть, вот важно, уже Anthropic есть. То есть уже есть Claude, уже есть Gemini, уже есть разные системы. Тогда вот в июне двадцать четвертого года, два года назад McDonald’s сообщил владельцам ресторанов, что систему отключат во всех тестовых точках не позднее вот этого, ну там, не позднее нескольких недель, условно, двадцать четвертого года.
А отдельное сотрудничество с IBM по голосовому приему заказов завершается. Очень важно - завершается. Это мы сейчас говорим про голосовые заказы. Почему система не подошла? Вот здесь мы приходим к самому важному вопросу. Этот, кстати, вопрос фундаментален. Я за последние три года дал примерно девяносто пять рекомендаций из ста, когда люди начинали внедрять искусственный интеллект, я говорил: "Не внедряйте, не автоматизируйте сейчас эту задачу, не надо сейчас это делать. Используйте в работе ручную операцию с помощью ChatGPT. Ручную!
вы сейчас не автоматизируете что-то сверх. Хотите проанализировать отдел продаж - анализируйте раз в неделю в ChatGPT эти все данные. Выгружаете, загружаете в ChatGPT, делаете анализ, разбираете. Надо вам каждый день - посадите человека, сотрудника, который будет каждый день делать это. Но он пусть делает это в ChatGPT. Не автоматизируйте это, не пытайтесь это создать, не тратьте на это деньги, не тратьте на это время программистов, не тратьте деньги на закупку серверов, кучу всего остального. Смотрите, сколько сделано ошибок. Невероятно! Посмотрите, в Америке просто невероятное количество компаний пострадало от этого и страдает до сих пор.
Люди до сих пор не понимают это, потому что все вокруг кричат, что все знают, что делать, все во всем разбираются, все очень просто и так далее. В реальной работе важно, когда мы говорим про восемьдесят пять процентов точности.
Что такое восемьдесят пять процентов точности? Во-первых, все мы, все еще раз с вами поймем. Мы сейчас работаем с искусственным интеллектом, эра наша текущая, который может ошибаться. Это очень важно. Есть системы искусственного интеллекта, которые не ошибаются, но это запрограммированная очень сильная коробка, это все же не искусственный интеллект. То есть текущий искусственный интеллект, когда вы используете, вы должны спокойно отнестись к тому, что он ошибается. Я, например, часто своим директорам где-то там или коллегам, или партнерам говорю: "Относитесь вы спокойно к тому, что есть ошибка. Ничего страшного к тому, что, например, вот здесь вот система написала неправильный отчет.
Ничего страшного, что она здесь что-то неправильно оценила". Где ничего страшного? Например, если система анализирует работу менеджеров по продажам и анализирует сто тысяч сроков деятельности, она ошиблись по пяти тысячам сроков. Ничего страшного. Но если система готовит налоговый отчет раз в год, и вы ее не можете использовать. Если это ваши деньги на расчетном счету, вы это использовать не можете. Обычные деньги на вашем расчетном счете. Если вы торгуете деньгами и вы понимаете, что для вас погрешность в пять процентов нормально - окей.
Но вы должны понимать, что пять процентов - это может быть злейшая ошибка с точки зрения денег. Ну или тогда вы какой-то риск там ставите, какие-то ограничители ставите? Это так же, как если вы запускаете рекламные кампании, это так же, как если вы разговариваете с клиентами, вы должны очень четко понимать, что для вас значат вот эти пятнадцать процентов, которые были в McDonald’s. У всех они будут разные. Я хочу сразу сказать, где-то система может ошибаться на девяносто процентов, где-то система может ошибаться на три процента.
Все зависит от того, что вы внедряете. Кстати, в McDonald’s, когда внедряли голос, важно понимать, что это условный искусственный интеллект. Все должны мы с вами понять: это условный искусственный интеллект. Там огромное количество супер запрограммированного кода. И мы с вами видим проблему в голосовых колонках Alexa у Amazon или у Алисы в Яндексе. Какая проблема? Раньше колонка отвечала быстро и четко на стандартные вопросы. Сейчас колонка, бывает, тупит и начинает отвечать тебе, какая погода там, чуть ли не в минуту рассуждения уходит и может еще ошибиться и неправильно сказать. Неправильно что-то сделать. Почему? Потому что здесь работает искусственный интеллект, у него большая широта знаний, большие возможности, но он может ошибиться.
Когда мы говорим про пятнадцать процентов в районе McDonald’s, то есть в реальной работе пятнадцать проблемных заказов это же есть, на каждые сто. Плюс необходимость держать сотрудника, готового вмешаться примерно, наверное, здесь в двадцать или в двадцать пять процентов разговоров. Потому что тебе ж приходится вмешиваться. То есть даже если система не ошиблась, тебе все равно надо вмешаться, перепроверить в каких-то сложных кейсах. Мало того, есть заказы, где сотрудник не поймет, что надо вмешаться, например. То есть экономия на персонале и ускорение обслуживания при таких показателях, она, с одной стороны, вроде как растет, вы действительно экономите, а на самом деле она сокращается. Потому что если вы часто приезжаете, там работает один человек, который стоит в окне, но это же также один человек и остался.
Конечно, бывают разные вещи. И вот здесь вот они выделяют интересные вещи, которые мы с вами говорим при анализе.
Вот представьте, если мы с вами анализируем голос, то они здесь с точки зрения голоса выделяют ряд вещей, выделяют, которые, сложными моментами оказались. Это шум автомобилей и улицы, разные акценты и манера речи, которые у людей есть. То, что несколько людей, говорящих из машины одновременно, может быть. Там же возникают заказы с соседней машины, например, случайно попали в микрофон. Постоянное изменение. Большинство из вас было в какой-то в каком-то, куда-то заезжало и делало заказ.
И там начинается, значит: мне с луком, мне без лука, добавьте соус и так далее, да? Неважно, где вы находитесь. Или там отмените предыдущую позицию, опять добавьте. То есть очень сложная конструкция. А есть еще история, где одно дело ты подъехал, заказал. Здравствуйте, доброе утро! Я приезжаю в город, здесь в Лос-Альтос, в долине, и говорю утром: "Мне, здравствуйте, пожалуйста, американо", и все. Я не ем. Не сладкое никакое никогда. Мне не нужны никакие никогда добавки. Я не делаю то, что обычно там в Starbucks люди делают, там, мне шоколадные рафы, с оранжевым привкусом, с сиреневой добавкой и чем-то еще?
С микрольдом, со специальным видом молока, одну треть его и так далее. То есть же очень много всяких деталей. А есть еще длинные семейные заказы. Или, например, есть понятие похожих названий товаров, где система может по-настоящему ошибиться. И вот на эту тему в McDonald’s в социальных сетях появлялось очень много роликов, где система многократно добавляла, например, не знаю, там, наггетсы людям или какие-то бургеры. Или записывала чужой заказ, или чуть ли не к мороженому кетчуп добавляла и масло. То есть делала абсурд некоторый.
Я тут с дочками сейчас был Гавайи, в на Гавайи, и в одном из ресторанов подошел человек у нас, и мы ему заказываем. Я ему чуть ли не все меню поменял на завтраке. Там вот это исключите, вот это добавьте, вот это уберите, вот это переделайте. Просто было очень серьезные изменения. И он так, что-то там ручкой чуть писал и ушел. Я своим дочкам говорю: "Слушайте, он запомнил, что у нас было, потому что мы, по-моему, поменяли все, что только можно". То есть заказали чуть ли не пятнадцать блюд и все изменили.
То есть очень много было уникальности. Он сто процентов выполнил полностью весь заказ. То есть такие, ну и вообще, в целом, качественные официанты. часто же люди не записывают. Где бы вы ни сходили в хороший ресторан, там люди, они могут вообще не ну, и они обычно и не записывают. Только если уже не сверх что-то сложное. Важная история, что проект закрыли не то, что жалобы были у людей, а то, что для того, чтобы исполнить такую задачу, требуется качество
на девяносто пять процентов. Могут быть какие-то ошибки, могут быть ошибки, так же, как люди ошибаются. Так же ровно, как человек мог не ту кнопку кликнуть на экране при автоматическом заказе или в приложении не то выбрать и так далее. Вопрос дальше - как система сложные заказы решает. Я есть такая сеть в Америке, называется Blue Bottle. И она, кстати, не только в Америке находится. И, я приезжаю в Сан-Хосе. Здесь есть, это получается, чуть южнее, в юг South Bay, Сан-Франциско.
Это юг Кремниевой долины. И приезжаю туда и делаю онлайн заказ. Прихожу туда. Нету. Я подхожу, говорю: "Где мой заказ?" Они мне говорят: "А покажите приложение". Открываю и вижу, что я заказал в Пало-Альто. Я такой: "Я, извините, заказал в Пало-Альто". Открываю, заказываю заново. И они мне, например, не говорят: "Ничего страшного, что вы заказали, мы вам сделаем бесплатно". Потому что при нормальной системе система делает бесплатно. Потому что ровно, там, не знаю, месяц до этого я ехал по трассе, мы остановились, там, семьей или с женой в Starbucks.
Я сделал заказ. Прихожу. Я говорю: "Слушайте, а где мой почему вы не готовите?" Они говорят: "А вы заказали, там, в соседний Starbucks, он находится триста метров отсюда". Говорит: "Ничего страшного, мы вам сейчас все сделаем. Какие там позиции?" Все сделали, нам все отдали бесплатно. Вопрос уже дальше разрешения этих кейсов, там сложных или легких и так далее. И вот вы здесь, когда решаете какую-то задачу для себя или планируете ее решить, вы должны посмотреть, вы действительно, во-первых, уверены, что технология не разовьется и не надо будет все
полностью удалять и заменять. Вот, кстати, то, что McDonald’s, мне кажется, проблема, которая произошла, то что они начали использовать систему, когда мир был еще не готов, и даже сейчас мир системы не готовы к тому, чтобы сделать супер качественно заказ. Я даже не уверен, что сейчас надо тратить деньги, таким компаниям, понятно, как McDonald’s или как Starbucks. у них очень много денег, они могут дополнительно делать исследования. Но в целом, если это была бы небольшая какая-то сеть Я бы не тратил сейчас на обучение для того чтобы голосовой робот работал. Я знаю, что пройдет время и голос будет настолько качественным, что необходимо будет тратить большие деньги для того, чтобы внедрить такую систему.
Эта система будет условно бесплатная. Мало того, пройдет время и заказ в McDonald's или в Starbucks, скорее всего, будет происходить вообще без этих аппаратов, а просто с помощью вашего телефона, через какую-то среду, которая будет называться ChatGPT или которая будет называться Claude, или будет называться как-то по-другому. Хрюгл. Как-то по-другому она будет называться. Среду, не которая агрегирует рестораны или заказы, а среду, которая является для вас вашим искусственным интеллектом.
Потому что, по идее, если я еду в машине, по идее, я хочу заехать, проехать кофе, я должен сказать: "Завези меня тут, какой есть по дороге Starbucks, к которому ближе всего ехать такой-то. Сколько мне там съезжать с дороги? Столько-то. Туалет в нем есть или нету?" Ну, в Starbucks ладно, всегда есть туалет. А вает с заправками, на некоторых нету туалета. Например, если я хочу туалет. "Сделай там мне заказ, пожалуйста, закажи мне такие, такой-то товар. И я должен буду подъехать и забрать". Вряд ли будет. И это будет не среда Starbucks, это делать.
Потому что если будет среда Starbucks это делать, то будет, это будет бред. Именно для этого сейчас создаются коннекторы. Например, коннекторы, которые понимают, это временная история? Это как есть там SCP-коннекторы, это некоторая временная история, когда искусственный интеллект в одном месте понимает искусственный интеллект в другом месте или понимает систему в другом месте. Очевидно, это очень простые вещи, которые будут решены, очень легко решены. И здесь вопрос: а надо ли вообще тогда этим компаниям в это вкладываться?
Или лучше вложиться во что-то другое и заработать гораздо больше денег? Очень интересные на эту тему ваши идеи. Делитесь этим видео со своими друзьями, подписывайтесь, ставьте лайки, пишите комментарии обязательно, приходите к нам на новые выпуски.