Изменит ли искусственный интеллект способ покупки и продажи подержанных автомобилей?

Содержание

1 Искусственный интеллект и сбои в работе
2 Агентный ИИ может фиксировать ценность
3 Проблемы с трансформацией искусственного интеллекта
4 Искусственный интеллект помогает руководителям дилерских центров
5 Быстрые сроки разработки
6 Путешествие торгового агента
7 Мгновенный эффект?
8 Виртуальные помощники для розничных продавцов
9 Организаторские способности AI

В этом году произошел всплеск достижений в области искусственного интеллекта (ИИ). Но какое влияние эта технология оказала на розничную торговлю подержанными автомобилями и что еще предстоит сделать? Журналист Autovista24 Том Хукер глубоко погружается в эту тему.

Благодаря таким разработкам, как ChatGPT, Google Gemini и Microsoft Copilot, искусственный интеллект изменил наши методы работы. По данным Forbes, к 2030 году рыночный доход от этой технологии достигнет 1,33 миллиарда долларов (1,18 миллиарда евро). Между тем, 64% компаний считают, что искусственный интеллект поможет повысить их общую производительность.

В автомобильном секторе искусственный интеллект уже внедрен в производство и контроль качества, например, в систему BMW Factory Genius Assistant. Он также используется для улучшения работы подключенных автомобилей. Volvo Cars использует искусственный интеллект для усовершенствования передовых систем помощи водителю (ADAS).

Как эта технология будет работать в мире розничной торговли подержанными автомобилями? Она может сделать работу клиентов более персональной и эффективной. Но как это отразится на реальных продажах и росте доходов дилерских центров?

Искусственный интеллект и сбои в работе

Ответ на этот вопрос означает, что нужно сделать шаг назад, чтобы взглянуть на индустрию искусственного интеллекта и на ожидаемые изменения, которые уже не за горами.

«Теперь мы видим, что искусственный интеллект, по нашему мнению, также несет в себе серьезные изменения», — заявил партнер McKinsey & Company Питер Холевински на саммите по розничной торговле подержанными автомобилями.

Слева направо: Питер Холевински, партнер McKinsey & Company. Доктор Лиза Шревентиггес, руководитель проекта McKinsey & Company

Тема не нова. Искусственный интеллект существует уже много лет. Однако с внедрением ChatGPT это вошло в нашу повседневную жизнь и в жизнь компаний. Скорость прогресса просто поражает», — добавил он.

ChatGPT является примером генеративной модели изучения большого языка (LLM). Это означает, что он может создавать контент, такой как текст и изображения, в ответ на запрос пользователя.

Для этого он использует машинные платформы, известные как модели глубокого обучения. Эти алгоритмы имитируют процессы обучения человеческого мозга и принятия решений.

Холевински отметил растущее число выпусков LLM. В 2024 году на рынок поступило 122 новые модели. Это больше, чем 109 LLM, выпущенных в 2023 году, и значительно больше, чем 29 выпусков в 2022 году.

‘В 2025 году у вас будет много моделей, и эти модели станут умнее. Сейчас мы говорим не о больших языковых моделях, а о моделях мышления. Также появляются дополнительные инструменты, такие как глубокие исследования. Машина может самостоятельно выходить в Интернет и самостоятельно извлекать много информации», — объяснил Холевински.

Агентный ИИ может фиксировать ценность

В то время как генеративные ИИ-модели LLM зависят от подсказок и запросов пользователей, агентные ИИ-модели LLM разработаны для автономного принятия решений и действий, что позволяет достигать сложных целей при ограниченном контроле, пишет IBM. Это сочетает гибкость LLM с точностью традиционного программирования.

‘В этом году все говорят об агентном ИИ. Если взять модели, обладающие способностью рассуждать, они могут планировать и обдумывать, что им нужно сделать для достижения цели. Вы также можете поручить нескольким из них работать вместе, обмениваться базовой информацией, анализировать друг друга и пытаться решить проблему самостоятельно.

‘Таким образом, речь идет не только об одном чат-боте, с которым вы общаетесь, но и о сквозных процессах и о том, как несколько агентов могут достичь чего-то полезного и ценного.

«Машины-агенты могут подключаться к различным этапам рабочего процесса и координировать действия этих работников. Это означает, что у нас есть больше возможностей для автоматизации рабочих процессов. Именно здесь будет получена большая часть преимуществ, особенно по мере того, как они будут уменьшаться», — прокомментировал Холевински.

Как пишет Forbes, первая полностью автономная агентская модель LLM, Manus, была выпущена в марте 2025 года.

Проблемы с трансформацией искусственного интеллекта

‘Все пробуют это, но только очень немногие могут сказать, что мы что-то инвестировали, и мы действительно что-то получили. Это потому, что это очень сложно», — сказал Холевински.

‘Вам нужно владеть технологией, но вы также должны обладать необходимыми талантами, чтобы понимать, как использовать эту технологию, и операционной моделью, которая позволит масштабировать управление изменениями и внедрять эту технологию», — добавил он.

Слева направо: Питер Чолевински, партнер McKinsey & Company. Доктор Лиза Шревентиггес, руководитель проекта McKinsey & Company.

Чолевински показал, что 88% компаний пытаются внедрить цифровые технологии и искусственный интеллект. Однако только 25% компаний добились значительного прогресса в своей цифровой трансформации и преобразовании с помощью искусственного интеллекта. Кроме того, только 10% предприятий используют искусственный интеллект в полном объеме, и менее 5% развернутых сценариев масштабного использования активны в рамках всех рабочих процессов.

«В тех случаях, когда мы видим, что они извлекают выгоду, они обдумывают несколько вариантов использования совместно и в агентской манере», — подчеркнул он.

Искусственный интеллект помогает руководителям дилерских центров

Итак, какие реальные примеры использования уже применяются в секторе розничной торговли автомобилями и какое влияние это оказывает?

Одним из примеров является инструмент на основе искусственного интеллекта, который может адаптировать и персонализировать сообщения для клиентов и потенциальных клиентов в Интернете. Неназванный продукт был создан для одной из крупнейших дилерских групп Германии. Это означает, что он охватывает 200 различных дилерских центров и базу данных из более чем 500 000 существующих клиентов, занимающихся продажей автомобилей.

‘С чем у них были проблемы, так это с управлением лидами и поиском очень структурированного подхода к быстрому установлению контактов с существующими клиентами, который к тому же был очень индивидуальным», — пояснила руководитель проекта McKinsey & Company д-р Лиза Шревентиггес.

В своей презентации она показала, что ранее дилерская группа тратила от пяти до десяти минут на каждую работу с клиентами. Они также столкнулись с трудностями при ответе на запросы, поступающие на веб-сайт, и с тем, как персонализировать это взаимодействие.

Быстрые сроки разработки

‘Что мы сделали вместе с ними, так это в течение шести недель разработали инструмент искусственного интеллекта, который позволил им выявлять наиболее перспективные запросы. Во-вторых, адаптировать сообщения к этим запросам и быстро реагировать на них», — рассказала она.

‘С помощью генеративного ИИ и агентного ИИ вы можете внедрять подобные решения очень быстро, потому что вам больше не нужно обучать ИИ. Эти модели настолько мощны, что вы можете использовать их в готовом виде», — отметил Холевински.

‘В этом также кроется потенциал. Вы можете подумать о своих сквозных процессах, где много ручной работы, которую вы могли бы улучшить. Затем подумайте о нескольких вариантах использования, которые имеют смысл использовать для повышения производительности или продаж с помощью этой технологии», — добавил он.

Путешествие торгового агента

Шревентиггс прошел путь типичного торгового агента. Все начинается с выбора клиента и обдумывания того, какую рекламную акцию отправить. Затем — взаимодействие с клиентом и, в конце концов, подведение его к принятию решения.

‘Здесь мы помогли объединить информацию о клиентах, которая у них уже есть в системе, и сопоставить ее с данными третьих лиц и данными других веб-сайтов», — сказала она.

‘Таким образом, у вас есть полный, расширенный профиль клиента, позволяющий выявить наиболее перспективных клиентов и персонализировать общение с конкретным клиентом, что помогает торговому агенту превратить их в продажу», — сказал Шревентиггес.

Панель мониторинга позволяет торговому агенту получить полную информацию о клиентах. Она может определять приоритеты клиентов на основе оценки потенциальных клиентов и предлагать конкретные кампании по электронной почте. Панель мониторинга также отображает различные группы клиентов, такие как существующие клиенты, клиенты, заинтересованные на веб-сайте, и последующие действия.

Затем она продемонстрировала типичный результат такого персонализированного обмена сообщениями. ИИ generative может использовать различные данные для создания индивидуального электронного письма клиенту.

«Они смогли не только отправлять электронные письма, но и совершать очень персонализированные телефонные звонки на основе собранной нами информации. Это, в конечном счете, привело к значительному сокращению времени получения ответов от потенциальных клиентов веб-сайтов, потому что у нас был очень стандартизированный подход к ответам на обычные электронные письма, но также это привело к гораздо более персонализированному общению», — сказал Шревентиггес.

Мгновенный эффект?

‘Мы значительно улучшили скорость получения ответов и персонализированную коммуникацию, но, в конечном счете, это также значительно ускорило продажу автомобилей», — заявила она.

Группа дилеров зафиксировала увеличение коэффициента конверсии более чем на 20%. В среднем каждый торговый представитель регистрировал дополнительно от 15 до 25 продаж автомобилей в год.

Это стало возможным благодаря повышению эффективности на 70-80%, что означало увеличение времени на продажу автомобилей. Кроме того, в 10-15 раз больше клиентов получили предложения о проведении соответствующих рекламных кампаний. Однако по-прежнему существовали серьезные проблемы, которые необходимо было преодолеть с помощью этого инструмента.

‘Всегда нужно соблюдать баланс между тем, чтобы не использовать слишком много информации, потому что, когда вы углубляетесь в детали, которые могут быть известны ИИ, становится очень страшно», — прокомментировал Холевински.

Кроме того, по мере того, как ИИ становится все более мощным, может ли это в будущем поставить под угрозу рабочие места в дилерских центрах?

‘Несмотря на то, что решения generative AI помогут с электронной почтой, при обращении в дилерский центр, телефонном звонке и осмотре автомобиля всегда будет присутствовать персонализированный компонент», — сказал Шревентиггес.

‘Я думаю, что в определенной степени это, вероятно, повлияет на то, как будут продаваться автомобили, но нам всегда нужен этот компонент. Люди приходят в дилерский центр и хотят увидеть и пощупать автомобиль», — пояснила она.

Виртуальные помощники для розничных продавцов

В других странах Novaco AI предоставляет виртуальных ассистентов, которых можно использовать на веб-сайтах автомобильных ритейлеров. Подключаясь к их данным, ассистенты повышают эффективность работы дилерских центров, автоматизируют переговоры и оптимизируют взаимодействие с клиентами.

‘Это связано с инвентаризацией, виртуальным планированием, цифровыми заказами на выполнение работ, а также с вашей системой управления лидами», — отметил генеральный директор Novaco AI Мартен Беккерс.

Ассистент начал работать с Google AI в 2019 году. После выпуска LLMS инструмент начал их использовать. Сейчас компания начинает использовать модели искусственного интеллекта agentic и внедряет своего помощника в WhatsApp.

Компания также предоставляет сотрудникам дилерского центра виртуального помощника, чтобы повысить эффективность их работы и быстро находить информацию. Искусственный интеллект-компаньон также подключен к информации о ценах.

‘Итак, если кто-нибудь позвонит и спросит: “Сколько будет стоить замена сцепления в моей машине с таким номерным знаком?”, вы просто зададите вопрос собеседнику, и он выдаст ответ в течение нескольких секунд. ‘На вас работает настоящий виртуальный сотрудник», — сказал Беккерс.

Слева направо: Йохан Вербуа, соучредитель консалтинговой группы по подержанным автомобилям MA5. Ян-Виллем Сидер, генеральный директор JP.cars. Мартен Беккерс, генеральный директор Novaco AI. Николас Дайве, руководитель отдела персонала Lizy. Павел Самчик, исполнительный директор Exacto Holding Automotive.

Ассистенты также могут помогать дилерам с общими запросами, освобождая время сотрудников.

‘Жалоба номер один в дилерских центрах заключается в том, что телефон продолжает звонить с одними и теми же вопросами каждый день. Большинство людей, которые заказывают услугу, звонят дилеру. На самом деле бронирование услуги — это самый дорогой ресурс дилера, это безумие», — прокомментировал он.

‘Итак, вам следует изменить ситуацию. Если люди действительно хотят позвонить, они все равно могут позвонить. Но в ближайшем будущем на телефоне появится виртуальный ассистент, который будет вести тот же разговор, что и обычный человек, и делать заказ», — добавил Беккерс.

Организаторские способности AI

«Искусственный интеллект сыграл важную роль в нашем успехе», — сказал глава администрации Lizy Николас Дайв, начиная свою презентацию. Компания представляет собой онлайн-платформу для B2B-лизинга автомобилей, предлагающую подержанные автомобили компаниям.

‘Подержанные автомобили более сложны в эксплуатации и требуют больших затрат, чем новые. Несмотря на это, благодаря более низкой стоимости активов, более низким ценам на аренду и более длительному сроку хранения вы можете быть чрезвычайно эффективны. С помощью искусственного интеллекта мы смогли превратить этот сложный продукт в очень простую операцию», — подчеркнул Дайв.

‘Чтобы обеспечить наилучшее предложение, мы закупаем транспортные средства по всей Европе у более чем 100 поставщиков. Это означает, что у нас есть более 100 форматов данных, типов данных, процессов и способов работы.

‘Раньше для работы с таким количеством поставщиков требовалось четыре или пять штатных сотрудников из-за сложности, с которой это связано. С помощью искусственного интеллекта мы смогли добиться этого, задействовав половину штатных сотрудников», — прокомментировал он.

Daive объяснил процесс покупки автомобилей у поставщика с помощью PDF-файла, содержащего данные. Затем сотрудник отправляет PDF-файл своему агенту по искусственному интеллекту с несколькими инструкциями. Это включает в себя планирование времени получения автомобилей и предварительную оценку их стоимости.

‘Все это делается одним нажатием кнопки. В прошлом у нас, вероятно, был бы штатный сотрудник, который много копировал и вставлял бы данные, вводил нужные данные в нужные поля и общался со многими отделами», — отметил он.

‘В автоматизации нет ничего нового. Заказ — это то, чем мы занимаемся уже почти четыре десятилетия. Новым является то, что ИИ позволяет нам автоматизировать хаос. Он может брать неструктурированные данные, структурировать их, а затем отправлять в нужные места», — заключил Дэйв.