31 октября 2018 г.
Гипотетические возможности технологии искусственного интеллекта пока превышают реальные области его применения. И те, кто успеет занять на этом рынке нишу, создать реальный (желательно «коробочный» продукт), окажутся не просто в выигрыше. Они получат очень прибыльный бизнес. Согласно оценкам J.P. Morgan и McKinsey, мировой рынок ИИ в 2018 г. предположительно составит 90 млрд. долл., к 2021 г. достигнет 300 млрд. долл., а в
В России этот рынок также демонстрирует рост. На прошлогоднем первом форуме по искусственному интеллекту RAIF-2017 (The Russian Artificial Intelligence Forum) были озвучены прогнозы, cогласно которым российский рынок машинного обучения вырастет с 700 млн. руб. в 2017 г. до 28 млрд. руб. в
В мероприятии RAIF-2018, ориентированном прежде всего на топ-менеджеров крупных компаний, приняли участие более 800 человек (против 500 в прошлом году). Напомним, RAIF был задумал в конце 2017 года как площадка в России и СНГ для обмена ценным опытом, стратегиями и результатами кейсов в области Artificial intelligence (AI), Machine Learning (ML) и Internet of Things (IoT)*.
Главной темой второго форума стали реальные проекты в области внедрения ML, о которых рассказали представители крупных промышленных предприятий, банков, ритейла и компаний-стартапов.
Основная идея, которую спикеры старались донести до слушателей, заключалась в том, что важна не сама по себе технология ИИ, а понимание, как ее правильно и максимально эффективно использовать. Как перевести ИИ из научной области в реальные помощники компании.
По словам директора по разработке и внедрению ПО компании «Инфосистемы Джет» Владимира Молодых, сегодня больше разговоров об ИИ, чем комплексных внедрений, которые бы действительно делали организации эффективнее: «Чтобы успешно реализовывать проекты с искусственным интеллектом, компаниям нужно многому научиться: пересмотреть подход к работе с данными, обеспечить тесное ежедневное взаимодействие математиков и экспертов от бизнеса (даже больше, чем при agile-методологиях), изначально точно ставить задачу и задавать метрики, действительно привязанные к экономическому эффекту».
Действительно, с точки зрения экспертов Gartner (чью «кривую» из «цикла зрелости технологий Gartner» (Gartner Hype Cycle for Emerging Technologies, 2018) демонстрировали на форуме многие спикеры), технологии ИИ находятся сегодня на пике «завышенных ожиданий». Впрочем, уже не в первый раз. И если в обозримом будущем ИИ из перспективного не перейдет в реальный бизнес, она опять может скатиться в «пропасть разочарования». Этой теме была посвящена одна из панельных дискуссий — «Окупаемость инвестиций в
Согласно опросам компании IBM «2016 Cognitive Survey» и «2018 AI Survey», топ-менеджеры предприятий самых разных отраслей стали более осторожно относиться к технологиям ИИ, важным элементом которых являются методы машинного обучения вообще и методы глубокого обучения (Deep Learning), в частности. С другой стороны, в 2018 году компании стали более реалистично оценивать ожидаемый эффект от внедрения ИИ-технологий. Если в 2016 г. в компаниях среднестатистическая доля ИИ в расходах на ИТ составляла 4%, в этом году она снизилась до 3%. А ожидаемый ROI от ИИ упал с 15% в
Реальные кейсы, представленные на форуме, показывали, что проекты с использованием технологий искусственного интеллекта в России стали уже вполне реальным бизнесом. Директор по анализу данных НЛМК Анджей Аршавский рассказал, что комбинат сегодня параллельно ведет около 20 проектов с применением искусственного интеллекта. Часть из них находится в промышленной эксплуатации, часть — в стадии испытаний, а часть — на этапе пилотирования и разработки.
По словам заместителя председателя правления банка УРАЛСИБ Максима Белоусова, многие компании все еще боятся кардинальных нововведений в виде внедрения ИИ в бизнес-процессы даже в том случае, если пилот проекта был удачен. УРАЛСИБ поступил именно таким образом, и это позволило банку увеличить прибыль уже на первых этапах проекта по трансформации.
Директор проектов управления инфраструктуры и больших данных Сбербанка (блок «Корпоративный бизнес») Олег Седелев рассказал об ИИ-решении, которое позволило сократить время одобрения кредитов для юридических лиц с 14 дней до 7 минут: «В корпоративном бизнесе Сбербанка модели ML активно применяются для решения традиционных банковских задач, например, для анализа благонадежности потенциального заемщика или прогнозирования просроченных платежей. Также сферой, где модели машинного обучения уже сейчас приносят значительную прибыль банку и ценность для клиентов, является таргетирование продаж — предоставление клиентам наиболее интересных им предложений».
Эксперты уверяют: оптимизация бизнес-процессов посредством ИИ позволяет организациям повышать прибыль и большую роль в этом играет качество алгоритмов и точность постановки задач для ИИ. При этом важно применять
технологию в той области, где она действительно необходима. По словам Владимира Молодых, таких областей много. Именно поэтому инвестиции компаний в решения по ИИ экономически целесообразны. Однако делать это надо только после того, как определена задача, поставлена цель, которую можно решить именно с применением технологий ИИ. Кроме того очень важно подбирать правильный инструментарий и доводить решение до промышленной эксплуатации. Именно неспособность перевести пилотный проект в реальное решение, довести внедрение до промышленной эксплуатации, является одним из самых главных «подводных камней».
Еще одной серьезной препоной на пути развития проектов в области ИИ является отсутствие правильного образования. Вице-президент, Government & Public Utility Sector, Huawei Technologies Эдвин Дейнер подчеркнул, что университеты начинают пересматривать учебные программы, сегодня студенты нуждаются в совершенно других методиках и подходах,
Большие перспективы эксперты связывают с решениями, построенными на синергии технологий ML/AI с IoT. Уже сегодня они используются в ритейле, банках, телекоме и других отраслях. Так, директор по стратегии и инновациям департамента информационных технологий X5 Retail Group Виталий Порубов рассказал об использовании IIoT в продуктовом ритейле. Транспорт, торговое и технологическое оборудование в магазинах, умные полки оснащаются умными устройствами. По его словам, модели прогнозирования спроса, планирование цепочек поставок, сегментация клиентов лучше работают в связке с использованием IoT-устройств, способных на лету собирать и передавать информацию. И главное, такие решения могут оказывать существенное влияние на финансовые показатели компании.
Источник: Наталья Басина, crn.ru
