Традиционный бенчмаркинг строился на данных вчерашнего дня, но сегодня «вчера» уже слишком поздно. Алгоритмы работают в режиме реального времени, и компании, которые умеют использовать это преимущество, выигрывают не за счет ресурсов, а за счет скорости адаптации.
Наступила эпоха бенчмаркинга на скорости ИИ. Здесь лучший не тот, кто знает больше, а тот, кто реагирует быстрее. Как провести честное сравнение, если ИИ-системы обучаются, адаптируются и обновляются быстрее, чем вы успеваете сформулировать метрику, системный аналитик, менеджер IT-проектов и основатель AI-студии «Cherry RaiT» Роман Талютин поделился с изданием «О финансах и не только».
— ИИ-бенчмаркинг — это просто ускоренный сбор данных или фундаментально новый способ видеть конкурентное поле?
— ИИ-бенчмаркинг — это уже не «быстрее посчитать табличку», а переход от статичных слайдов к почти живой модели рынка. Классический бенчмарк —фотка раз в квартал, на которой конкуренты, цены, фичи, доли. ИИ превращает это в видео: он непрерывно подтягивает данные с сайтов, маркетплейсов, соцсетей, вакансий, отзывов и собирает из этого цельную картину. Сейчас уже есть платформы, где агенты сами мониторят конкурентов, сводят информацию, рисуют выводы и даже присылают алерты на почту или в мессенджер, без ручного поиска на неделе.
Поэтому для меня это фундаментально новый способ видеть поле: не «Мы раз в год сравнили себя с тремя игроками», а постоянный поток сигналов, из которого бизнес каждый день принимает мелкие, но важные решения.
— Что ИИ видит такого, что навсегда остается невидимым для человеческого аналитика, изучающего отчеты конкурентов?
— ИИ не обладает «магическим зрением», но у него другое ограничение по объему и терпению. Он спокойно переварит тысячи страниц отчетов, постов, отзывов и найдет закономерности, которые человеку просто физически лень или невозможно отследить. Например: какие фичи конкуренты выкатывают, кого они начали нанимать и как меняют цены.
Человек обычно смотрит на топ-игроков и пару очевидных метрик. ИИ, если правильно настроить, изучает шире и глубже, соединяя куски из совершенно разных источников в одну модель рынка.
— Как компании оставаться в правовом поле, когда алгоритм может собрать и проанализировать практически любую публичную информацию?
— «Алгоритм может собрать все» не отменяет, что отвечать будет компания и конкретный директор по данным, маркетингу или стратегии. Чтобы оставаться в правовом поле, нужно несколько простых правил.
Во-первых, это работать с публичными источниками на законных основаниях, не обходить технические ограничения, не ломать капчи и не нарушать пользовательские соглашения.
Во-вторых, отделять конкурентные данные от персональных. Все, что тянет на персональные данные по GDPR и 152-ФЗ — либо не трогаем, либо жестко обезличиваем и обрабатываем с понятным правовым основанием.
В-третьих, фиксировать, откуда что взяли: логи источников, версии моделей, кто запускал сценарий. Это важно и для юристов, и для аудита.
Также согласовать политику: внутренняя инструкция «Что можно скрапить, как долго хранить, кому показывать», и живой контакт с юристом, а не: «Потом разберемся». ИИ здесь просто ускоряет сбор и анализ. Юридические рамки все те же: прозрачность, минимизация, уважение к правам субъектов данных.
— Расскажите, как внедрить ИИ в данную систему? Сложно ли это?
— Сначала формулируем вопросы, а не модели: «Что именно мы хотим знать про конкурентов каждую неделю или месяц». Затем описываем источники: сайты конкурентов, прайс-страницы, маркетплейсы, соцсети, обзоры, госреестры, вакансии. После этого строим конвейер данных, где-то API, где-то аккуратный скрапинг или ручная загрузка файлов. Сверху устанавливаем ИИ-слой: LLM-агенты, которые умеют извлекать факты из текста, нормализовать данные и собирать дашборды и отчеты «под роль». После вшиваем все это в рутину: регулярные обзоры, алерты при изменениях, понятные экраны для людей.
Сложность тут не в «ИИ слишком умный», а в дисциплине данных и процессах. Если в компании нет привычки работать с данными вообще, то ИИ-бенчмаркинг первым делом обнажит этот хаос. Но технологически порог входа уже низкий: многие вещи закрываются готовыми сервисами или облачными решениями, а не собственной R&D-командой.
— Раньше отчет по конкурентам готовили чуть ли не квартал, а теперь ИИ выдает его за день. Что это меняет в стратегии?
— Когда отчет по конкурентам делали квартал, он был по факту ретроспективой. В момент появления отчета рынок уже мог трижды поменяться. ИИ, который делает такую работу за день или даже за часы, изменяет сам характер стратегии. Она становится более итеративной: можно не ждать конца квартала, а проверять гипотезы раз в неделю и быстро корректировать продукт, цены, коммуникацию.
Роман Талютин, системный аналитик, менеджер IT-проектов и основатель AI-студии «Cherry RaiT» ycs.bar
Беседовала Дарья Лаврентьева