Как в X5 Group оценивают работу магазинов с помощью генеративного ИИ

Маркетинг
Компания
X5 Group занимает лидирующие позиции в российском офлайн- и онлайн-ритейле, и вот почему: около 25 тысячи магазинов в 70+ регионах России, ежедневная офлайн-аудитория – 20 млн человек, а команда группы – более 378 тысяч сотрудников. Цифры для X5 Group действительно важны – компания стремится активно развивать data-driven культуру.
Продажи
Июль 2024
Задача
Ежедневно в X5 Group собираются массивы информации, которые помогают принимать решения на основе данных. Зачастую для их поиска в базе и дальнейшей обработки и аналитики сотрудникам требуется знание SQL-кода. Чтобы устранить этот барьер и дать буст data-driven подходу, компания начала эксперименты с генеративным AI.
Инструменты
Jay Copilot
YandexGPT
GigaChat
ChatGPT
Многие сотрудники X5 так или иначе пользовались различными GPT-инструментами локально – в основном генерили тексты, иногда код. Команда внедрения не могла игнорировать возможности нейросетей и интерес сотрудников к новым инструментам.
А когда на рынок вышла мощная модель ChatGPT 3.5 Turbo, стало понятно, что GenAI можно задействовать и для более сложных задач, например, для аналитики данных.

GenAI для задач аналитики

В X5 Group регулярно оценивается работа магазинов. К примеру, есть недельные отчеты с продажами и потерями — на их анализ обычно не так много времени. Генеративный AI помогает справляться очень быстро: с помощью приложения Дата-аналитик в инструменте Jay Copilot, который в X5 выбрали для работы с нейросетями, вместо построения запроса в базе данных можно просто задать вопрос в диалоге и получить ответ.

Аналитик в деле

Далее в привычном сценарии человеку бы пришлось писать SQL-код, чтобы выгрузить нужную информацию из таблицы. Но, как вы помните, SQL владеет далеко не каждый. С внедрением GenAI этот процесс стал значительно проще — любой сотрудник просто делает текстовый запрос LLM в диалоговом окне, чтобы та написала код под указанные параметры. В данном кейсе — информацию о продажах за последнюю неделю.
Сотрудник может быстро найти необходимые данные, описав их без помощи кода
Jay Copilot помогает написать код для выгрузки данных из базы
Сотрудник копирует код, сгенерированный Jay, и идет в корпоративную базу данных, чтобы выгрузить интересующую его информацию.

Опросы показывают, что AI успешно справляется с подобными задачами. Также приложение Аналитик активно используется при оценке тональности отзывов — бот подсчитает результат, подчеркнет важное и сделает это в разы быстрее человека. Jay Copilot помогает написать код для выгрузки данных из базы

Выбор инструмента

Инструмент искали с интуитивно понятным интерфейсом и возможностью решать как самые типовые задачи типа генерации текста, так и комплексные — анализировать массивы информации и делать выводы на основе полученных данных.
При этом важно было, чтобы в доступе у пользователей были сразу несколько AI-моделей, помимо ChatGPT.
Ведь YaGPT или GigaChat, обученные на большом количестве русскоязычных текстов, в некоторых случаях выдают более качественные ответы, чем зарубежные модели. Основным сервисом стал Jay Copilot от Just AI.
Внедрение GenAI началось с команды по управлению данными, но быстро масштабировалось на всю компанию. Развертывание Jay Copilot заняло несколько месяцев. Процесс внедрения подразумевает выбор архитектурного подхода, интеграцию с существующими системами, а также обеспечение безопасности и конфиденциальности данных.

Внедрить, научить, масштабировать

Для освоения возможностей GenAI было проведено 11 демообучений – более 5000 сотрудников погрузились в работу с новыми инструментами.

В итоге более 1300 человек протестировали различные приложения Jay в рабочих задачах. В компании образовалось коммьюнити в формате чата — там коллеги регулярно делятся идеями по использованию технологий. Также в X5 запустились процессы по сбору идей, которые в дальнейшем описываются, просчитываются и получают приоритет к внедрению.

Обучение включало в себя погружение в базовые принципы работы генеративного AI, гайды по промптингу, практику по работе с приложениями Jay Copilot, а также разбор уязвимостей машин, например, таких как галлюцинации.




Для компании важно, чтобы идея позволяла либо сэкономить, либо получить дополнительную прибыль. Чем выше потенциальный результат, тем быстрее разработка выйдет в свет.

Среди данных – особенно в кейсе с аналитикой – может быть персональная информация о клиентах или коммерческая тайна. Важно, чтобы все данные, которые загружаются в диалоговое окно нейросети, не выходили за пределы организации. Забота о соблюдении конфиденциальности, считают в X5, позволяет в дальнейшем расширять кейсы применения AI.

Одно из решений – внедрение дополнительного инструмента по маскированию данных. В этом случае чувствительные данные автоматически заменяются на вымышленные при отправке, но при этом сохраняется их семантическая целостность.

Сейчас в X5 лишь часть задач решается с помощью AI, а KPI по работе с ним пока не ставятся. Так как это не чистая автоматизация, результаты оценить сложнее и, судя по кейсам на рынке, пока никто не сумел этого сделать. Но в компании уверены, что это временно.

Первым делом безопасность

В ближайшее время в X5 Group планируется внедрять AI в базы знаний компании, чтобы сотрудникам не приходилось тратить время на поиск нужного документа, а достаточно было попросить AI-ассистента найти нужную информацию.

Эти планы также включают в себя комплексную работу по прокачиванию навыков в промпт-инжиниринге, описание новых методологий применения инструментов, систематизацию полученных результатов в формате рекомендаций для всех сотрудников компании.


Дальнейшие GenAI-планы

Эффект

Суммарный эффект от внедрения технологий AI в X5 Group по итогам 2023 года. Прямой эффект на EBITDA компании, который, по расчетам, составляет около 1,5%. В 2024 году использование ИИ также может принести несколько миллиардов рублей.

5 млрд рублей

Другие кейсы