Топ-2 внедрений ИИ-агентов в консалтинг и IT: McKinsey и SAP показывают, как агенты работают внутри компании

Консалтинг и IT, это отрасли, где время сотрудника стоит дорого. Аналитик, тратящий час на поиск информации вместо анализа, или инженер, пишущий документацию вместо кода, это прямые потери. Два кейса ниже о том, как компании из этих отраслей вернули время сотрудникам с помощью ИИ-агентов.

Если ваши специалисты тратят время на задачи, которые можно автоматизировать, это измеримые потери. Напишите нашему менеджеру, он проведёт бесплатный анализ вашего бизнеса и ниши и расскажет, как именно в вашем случае получить реальный бизнес-результат от ИИ-агента, а не красивую картинку. Написать менеджеру

Кейс 1. McKinsey: 1,5 млн сэкономленных часов в год с 25 000 ИИ-агентов

Исходная проблема. В консалтинге время аналитика и партнёра, это основной актив. При этом значительная часть рабочего времени уходила не на работу с клиентами, а на поиск информации, подготовку черновиков, стандартные операционные задачи. При 25 000 сотрудников даже небольшая экономия времени на каждого в сумме даёт огромный эффект.

Что внедрили. McKinsey развернула ИИ-агентов для ежедневной работы сотрудников. Агент помогает с исследованием, синтезом информации, подготовкой черновиков документов, анализом данных. Каждый сотрудник получил персонального ассистента, обученного на внутренних базах знаний, методологиях и материалах компании. Не универсальный инструмент, а система, заточенная под специфику McKinsey.

Результат. Годовая экономия составила 1,5 миллиона рабочих часов, эквивалент работы 750 штатных сотрудников полный год. Продуктивность бэк-офиса выросла на 10%, несмотря на сокращение штата в этих подразделениях на 25%. Компания переходит от модели оплаты за время к модели, ориентированной на результат.

Что планируют дальше. McKinsey продолжает углублять интеграцию: агенты получают доступ к большему числу внутренних систем и начинают самостоятельно выполнять задачи, которые раньше требовали нескольких шагов от сотрудника.

Кейс 2. SAP: 20% тикетов закрываются без человека, продуктивность поддержки +12%

Исходная проблема. Внутренняя IT-поддержка в корпорации с десятками тысяч сотрудников, это постоянный поток однотипных запросов. Сброс пароля. Настройка доступа. Объяснение, где найти нужный инструмент. Каждый такой запрос занимал время специалиста, хотя ответ на него всегда одинаковый. Команда поддержки тратила значительную часть дня на задачи, которые не требовали экспертизы.

Что внедрили. ИИ-агент получил доступ к базе знаний IT-поддержки SAP и встал на первичную обработку тикетов. При поступлении запроса агент анализирует его, ищет решение в базе и отвечает пользователю напрямую. Нестандартные случаи передаются специалисту с предварительным анализом и контекстом.

Результат. Каждый пятый тикет, 20%, закрывается автономно без участия человека. Продуктивность команды поддержки выросла на 12%, объём обрабатываемых обращений увеличился без роста штата.

Что планируют дальше. SAP расширяет покрытие агента на большее число сценариев и тестирует его применение в клиентской поддержке, перенося успешный внутренний опыт во внешний сервис.

Что из этого применимо в вашей компании

McKinsey решал задачу для тысяч специалистов одновременно. SAP, задачу для одного потока входящих запросов. Оба результата, измеримые, быстрые и масштабируемые. Внутренний ИИ-агент, это один из самых быстрых способов вернуть команде часы, которые уходят на рутину.

• Внутренний ИИ-агент для команды. Отвечает на вопросы по процессам, политикам, продуктам. Новые сотрудники адаптируются быстрее, опытные тратят меньше времени на объяснения.
• Агент на первичную обработку тикетов и запросов. Закрывает типовые случаи без специалиста. Команда занимается сложными задачами.
• Агент для подготовки черновиков и документов. Первая версия документа, письма или отчёта за минуты. Специалист дорабатывает, а не начинает с нуля.

Хотите разобраться, как запустить это в вашей компании? Напишите менеджеру. Разберём бесплатно.