Искусственный интеллект рвется из песочницы в бой

На примере компании Tesla можно проследить, каких масштабных инвестиций требует внедрение дата-центров для обработки огромных массивов данных. Фото Andrej Karpathy/Tesla

В России пытаются оценить, как глубоко искусственный интеллект (ИИ) уже проник в экономику. По данным «Авито», четверть компаний в том или ином виде используют ИИ. Но мало начать внедрять модные технологии. Надо, чтобы ИИ способствовал получению бизнес-эффекта, а это может потребовать трансформации операционной модели. И на такое осмелятся не все. По данным Высшей школы экономики, две трети российских организаций, применяющих ИИ, пока делают это в тестовом режиме. Аналитики «Рексофт Консалтинг» уже предостерегли бизнес от «синдрома бесконечного прототипирования».

Около 24% проанализированных российских компаний уже используют в своей практике технологии ИИ, следует из опроса, проведенного экспертами «Авито работы» и банка «Точка» среди 10 тыс. представителей предприятий. 

Опрос охватил 19 сфер, включая транспорт, страхование, искусство, туризм, телекоммуникации, охранный бизнес и др.

Среди компаний, которые применяют ИИ, около половины используют его на ежедневной основе. Больше всего таких организаций оказалось в сфере транспорта и логистики (67%), гостинично-ресторанном бизнесе (59%), банкинге (58%), торговле (56%) и медицине – 55%. Чаще всего технологии ИИ применяются для работы с клиентами, сбора аналитики, планирования процессов, вычислений, обработки запросов, написания текстов.

Дополнительные детали о том, как российский бизнес взаимодействует с ИИ, можно вычленить из данных, полученных в ходе специального мониторинга экспертами Института статистических исследований и экономики знаний (ИСИЭЗ) Высшей школы экономики.

Ими был проведен опрос среди 2,3 тыс. российских организаций – пользователей решений на базе ИИ. Главный массив респондентов представлен прежде всего крупными (67,5%) и средними организациями – около 25%. В выборку вошли организации, относящиеся к 20 видам деятельности, включая сельское хозяйство, добывающую и обрабатывающую промышленность, строительство, транспорт, логистику, сектор услуг, социальную сферу и т.д.

Опрос ИСИЭЗ показал, что две трети – 65% – обследованных организаций пока применяют искусственный интеллект в тестовом, экспериментальном режиме.

Наиболее востребованными оказались продукты на основе технологий компьютерного зрения, распознавания и синтеза речи. Также активно применяются рекомендательные системы на основе больших данных, помогающие спрогнозировать ситуацию, например, при обслуживании оборудования и транспортных средств.

Впрочем, если оценивать именно эффективность использования ИИ, то, судя по исследованию, чаще всего ИИ-решения оптимизируют управленческие задачи, касающиеся продаж и маркетинга, финансового и бухгалтерского учета. И в меньшей степени можно говорить об оптимизации производственных процессов.

Кроме того, среди организаций, работающих с ИИ, наиболее популярны «коробочные» продукты благодаря их более низкой стоимости и удобству использования. Внутренней разработкой ИИ-решений компании занимаются значительно реже, ведь это требует дополнительных усилий. Между тем примечательно, что организации отдают предпочтение преимущественно российским продуктам.

«Активнее всего используются отечественные решения на основе технологий распознавания и синтеза речи, а также биометрии, компьютерного зрения и кибербезопасности. Зарубежные решения не занимают сопоставимых позиций ни по одной из групп технологий. Вместе с тем в ряде случаев они могут использоваться в организациях вместе с отечественными», – уточнили в ИСИЭЗ.

Аналитики компании «Рексофт Консалтинг», в свою очередь, описали в новом исследовании под названием «Искусственный интеллект: от боли до эффектов» ряд противоречий и проблем, с которыми сейчас сталкивается российский бизнес, внедряя ИИ. 

С одной стороны, как отмечается, «цифровые решения на базе ИИ в понимании трехлетней давности, например, рекомендательные системы, советчики-оптимизаторы, становятся широко распространенными, знакомство рынка с такими системами достаточно глубокое». Компании-лидеры уже сейчас хотят видеть реальные примеры и эффекты от использования подобных решений и постоянно находятся в поиске точек приложения новых разработок.

Но, с другой стороны, ИИ – по крайней мере на текущем этапе – не становится универсальным средством от всех проблем. «Например, недавний успех ChatGPT привел к попыткам многих компаний использовать большие языковые модели для решения широкого круга задач, иногда в отрыве от реальной потребности бизнеса. Однако бездумное следование трендам, напротив, может привести к отторжению и замедлению внедрения цифровых решений на базе ИИ», – предупредили авторы исследования.

В основе таких выводов лежат результаты проведенных глубинных интервью с экспертами в сфере разработки и внедрения цифровых решений на базе ИИ в российских компаниях: техническими директорами, директорами по работе с данными, руководителями направлений и команд Data Science и т.п. Опрос охватил представителей таких сфер, как тяжелая промышленность, медицина, ретейл, финансовый и IT-сектор.

Трудности во взаимодействии с бизнесом упоминаются всеми респондентами, специалистами по цифровизации, и в большинстве случаев, судя по исследованию, они все же не столь критичны. 

Однако наиболее остро они проявляются в случае, если бизнес инвестирует в ИИ, но не видит результата и испытывает затруднения с приживаемостью ИИ-решений. «Для их успешного внедрения бизнес-заказчикам необходимо быть готовыми трансформировать свою операционную модель», – считают авторы исследования.

Под трансформацией операционной модели в данном контексте понимается переосмысление бизнес-процессов, пересмотр набора ключевых управленческих решений, ролевой и организационной структуры, пояснил «НГ» аналитик практики «Стратегия трансформации» компании «Рексофт консалтинг» Дмитрий Груднев. 

«Компаниям важно не просто интегрировать единичное решение в конкретный бизнес-процесс, а получать системный эффект от использования технологии», – уточнил он.

Что для этого надо сделать? Во-первых, как следует из комментария Груднева, необходимо стимулировать внутри самой компании спрос на принятие решений на основе ИИ – например, путем трансформации текущих процессов для повышения эффективности бизнеса. А во-вторых, надо создать организационную основу для реализации ИИ-инициатив, выделив центры компетенций по ИИ, новые роли, запустив полный цикл работы с инновациями – от определения потребностей бизнеса до реализации и масштабирования цифровых решений. То есть требуется наладить «цифровой конвейер».

Эксперты выделили несколько барьеров, мешающих бизнесу внедрять и полноценно развивать ИИ. Например, как сообщили специалисты ИСИЭЗ, одним из основных барьеров для распространения ИИ становятся «значительные объемы требуемых инвестиций, а также нехватка кадров». 

«Более 60% организаций тратят на ИИ менее 1% от затрат на внедрение и использование цифровых технологий. Осторожное поведение объясняется тем, что ИИ-проекты, как правило, имеют длительный цикл реализации и отложенные во времени эффекты», – пояснили в Высшей школе экономики.

Можно вспомнить, что, как ранее сообщал и гуру ИИ, профессор Стэнфорда Эндрю Ын, сейчас в мире системы ИИ пока сконцентрированы в основном в крупных технологических компаниях, потому что такие проекты дорогостоящи, требуют усилий большого пула высококвалифицированных специалистов и в полной мере окупаются при наличии 100 млн или даже 1 млрд пользователей.

Хотя ИИ при этом мог бы стать полезен и для небольших компаний из других отраслей, допустим, для предприятий в области пищевой промышленности, общественного питания, легкой промышленности, агропрома и т.п. Он мог бы повысить эффективность таких компаний при обработке даже небольших данных и принести общественную пользу на местном уровне. 

Но в случае малого и среднего бизнеса встает вопрос окупаемости таких технологий, ведь для их полноценного внедрения нужно нанять высокооплачиваемых специалистов, возникают издержки, связанные с расходами на разработки, программное обеспечение, оборудование, цифровую инфраструктуру и т.п.

Между тем, как сказал «НГ» менеджер по цифровизации практики «Стратегия трансформации» компании «Рексофт Консалтинг» Илья Муха, все же ключевая проблема, c которой приходится часто сталкиваться, – даже не окупаемость, а «недоверие компаний к эффектам, которые может дать та или иная технология». 

Потенциальный экономический эффект требует экспертного обоснования, и прежде чем приступить к крупным инвестициям в полномасштабное внедрение ИИ-решений, сначала новая технология, как это принято называть, проходит этап пилотирования.

При этом аналитики компании «Рексофт Консалтинг» перечислили в своем исследовании и три болезненных синдрома, которых бизнесу необходимо избежать, внедряя ИИ. 

Первый – «синдром лоскутной цифровизации»: надо фокусироваться на сквозном процессе и максимизировать общий экономический эффект для компании, а не для отдельных функций за счет других. 

Второй – «синдром ярких упаковок»: нужно не следовать за «модными технологиями», а фокусироваться на потенциальных точках роста и выбирать соответствующие потребностям бизнеса решения. 

И наконец, третий – «синдром бесконечного прототипирования»: целью внедрения цифровых решений должно быть получение бизнес-эффекта, а не вечное пилотирование технологий.