Искусственный интеллект становится частью ежедневной работы крупного бизнеса. Компании всё чаще используют ИИ не как экспериментальную технологию, а как инструмент для ускорения аналитики, автоматизации процессов и повышения эффективности коммуникаций с клиентами, передает Toppress.
Для Казахстана тема цифровизации сегодня приобретает стратегическое значение. Решение Президента Казахстана Касым-Жомарта Токаева объявить 2026 год Годом цифровизации и искусственного интеллекта обозначило переход от отдельных инициатив к системной трансформации экономики и бизнес-процессов.
Сегодня ИИ внедряется в различные отрасли, включая телеком-сектор, где технологии начинают использовать для обработки больших объёмов данных, оптимизации процессов и развития клиентских сервисов. Так, в АО «Кселл» искусственный интеллект применяется в клиентских коммуникациях, работе с данными и части операционных задач. Внутри компании ИИ рассматривают как инструмент, который помогает сотрудникам быстрее обрабатывать информацию и ускорять принятие решений.
Как отмечает директор департамента Big Data и управления клиентской ценностью АО «Кселл».
Аскар Дуйшеналиев, сегодня ИИ активно используется при работе с кодом, подготовке документов и анализе данных:
«Искусственный интеллект стал своеобразным вторым аналитиком в команде. Он помогает быстрее проверять гипотезы и находить решения для бизнеса».
Наиболее заметный эффект ИИ показывает в автоматизации рутинных процессов. Если раньше подготовка шаблонного кода, презентаций и регулярной отчётности занимала часы, то сегодня многие задачи выполняются значительно быстрее и требуют только финальной проверки специалистом. Благодаря этому аналитики могут уделять больше внимания интерпретации данных и поиску бизнес-инсайтов.
Одним из ключевых направлений стала предиктивная аналитика. В компании внедрена модель прогнозирования оттока абонентов, которая анализирует поведение клиентов и помогает заранее выявлять пользователей с высокой вероятностью ухода. Это позволило повысить точность retention-кампаний без увеличения маркетинговых затрат. Дополнительно в компании используется автоматическая сегментация клиентской базы.
Вместо ручного деления аудитории модели анализируют поведенческие данные и формируют более устойчивые сегменты с разной логикой коммуникации. Это помогает делать предложения для клиентов более релевантными и повышать результативность коммуникаций.
Ещё одно направление связано с оптимизацией времени взаимодействия с абонентами. Вместо единого времени рассылок используются модели, определяющие наиболее подходящий момент контакта для каждого клиента индивидуально. В результате показатели open rate и CTR выросли без изменений в контенте и дополнительных вложений в продвижение.
Использование ИИ постепенно меняет и внутренние процессы работы команд. Аналитики всё меньше времени тратят на механические задачи и всё больше – на интерпретацию данных, поиск закономерностей и принятие решений. Взаимодействие между подразделениями становится более предметным: обсуждение строится уже не вокруг массивов данных, а вокруг готовых инсайтов и рекомендаций для бизнеса.
При этом специалисты подчёркивают, что эффективность ИИ напрямую зависит от качества данных и корректности постановки задач. При недостаточном объёме информации или низком качестве данных модели могут демонстрировать ошибочные результаты.
Отдельным вызовом остаётся и вопрос объяснимости алгоритмов, особенно в сферах, связанных с персональными данными и управленческими решениями.
Эксперты считают, что в ближайшие годы значительная часть рутинной аналитики будет автоматизирована.
При этом возрастёт ценность специалистов, умеющих работать с данными, формулировать запросы к ИИ-системам и связывать результаты аналитики с бизнес-задачами.
