5 февраля 2019 г.
Для многих искусственный интеллект (ИИ) — очередное модное словечко. Однако технологии ИИ и поддерживающие их модели вычислений, в частности машинное обучение (в том числе глубокое), не новы и существуют уже несколько десятков лет. Почему же компании уделяют им столько внимания именно сейчас?
Во-первых, сфера ИИ переживает стремительный взлет, особенно в области глубокого обучения. Так, настоящим прорывом стал проект AlphaGo компании Google. Во-вторых, высокопроизводительные вычисления завоевывают мир, а значит, доступ к передовым вычислительным ресурсам открывается для более широкого спектра компаний. В-третьих, растущие объемы информации стимулируют развитие ИИ. В среднем ежедневно производится более 2,5 квинтиллиона байт данных, и это число продолжит расти по мере развития Интернета вещей (IoT). Все это означает, что технологии ИИ выходят на новый уровень, открывая огромный потенциал для бизнеса. Воспользовавшись ими правильно, компании смогут оптимизировать процессы и повысить производительность.
Все больше предприятий стремятся осуществить цифровую трансформацию, и ИИ становится одним из ее важнейших аспектов. Дэвид Шубмель (David Schubmehl), директор по научно-исследовательской работе в отделе Когнитивных и ИИ-систем в IDC, недавно сообщил, что, по оценкам компании, к 2019 году при проведении 40 % инициатив, связанных с цифровой трансформацией, будут использоваться сервисы ИИ, а к 2021 году 75 % корпоративных приложений будут основаны на этой технологии.
Однако если мы посмотрим на текущее положение дел, то заметим, что предприятия только начинают привыкать к ИИ. По данным опроса, проведенного аналитической компанией Gartner (2018 CIO Agenda Survey), лишь 4 % ИТ-директоров внедрили ИИ в своей организации. Более того, согласно отчету McKinsey & Company, опубликованному в июне 2018 года, немало руководителей по всему миру плохо осведомлены о выгоде ИИ для бизнеса. Они опасаются, что интеграция и обслуживание приложений на базе ИИ станет дополнительным источником затрат, и не уверены, как правильно оценить рентабельность инвестиций в новейшие технологии. Также исследователи отмечают, что на данный момент большая часть вложений в ИИ приходится на крупные компании, располагающие значительными объемами свободной наличности и изначально ориентированные на цифровые технологии, такие как Google и Amazon, которые активно инвестируют в НИОКР.
Немало затруднений вызывает сам термин «ИИ» и сложившееся представление о нем. Пока сфера ИИ находится на стадии развития, она ассоциируется в основном с машинным обучением и методом сопоставления с образцом. Последний используется для широкого диапазона задач и сценариев применения (например, для распознавания лиц). При этом технология все еще слишком далека от того, чтобы «думать самостоятельно». Машинному обучению предстоит пройти долгий путь развития, прежде чем можно будет говорить о настоящем искусственном интеллекте. Тем не менее наука стремительно развивается, поэтому компаниям следует начать подготовку к приходу ИИ уже сейчас, чтобы остаться в игре, когда это случится. Хотя к настоящему моменту немногие решились на внедрение ИИ, как сообщает Gartner, 46 % ИТ-директоров планируют сделать это в ближайшем будущем, что свидетельствует об огромном интересе к этой технологии.
Новая технология — новые проблемы
Хотя многие компании твердо решили внедрить ИИ, переход на новейшие технологии проходит медленно, поскольку предприятия сталкиваются с целым рядом проблем. Первая из них — сложность процесса в целом. Прежде чем внедрять новое решение, нужно подумать об аппаратном и программном обеспечении. Чтобы выбрать подходящих поставщиков, компании придется провести детальное исследование: как правило, производители оборудования и разработчики ПО помнят только о своем элементе головоломки, мало заботясь об интеграции между программным и аппаратным обеспечением. Поэтому при внедрении решения на базе ИИ компания должна иметь полное представление обо всех его компонентах — от серверов до графических процессоров, сетей и СХД. Не стоит забывать и об операционной системе, которая должна быть совместима с библиотеками машинного обучения и платформами, которые используются специалистами по анализу данных. С учетом сложности процесса разработка архитектуры нового решения может занять от 12 до 18 месяцев. И это только начало — в дальнейшем компания может столкнуться с другими проблемами, такими как ошибки интеграции, несовместимость версий программного обеспечения и несбалансированность конфигураций, которые еще больше затормозят переход на ИИ.
Не менее важная проблема — быстрый рост объемов данных, которые невозможно обрабатывать вручную. Компании уже осознали, что именно данные лежат в основе важнейших стратегических выводов и прогнозов, которые могут сыграть ключевую роль для успеха компании, и автоматизация — единственный способ формировать их быстро и качественно. Однако лишь немногим удалось найти подход, который позволил бы максимально эффективно использовать и масштабировать существующие ресурсы и одновременно наращивать применение ИИ. Кроме того, с появлением GDPR, регламента ЕС по защите персональных данных, были введены новые требования к использованию и хранению информации, соблюдение которых — еще одна непростая задача для предприятий.
Наконец, из-за быстрого развития ИИ и связанных с ним вычислительных парадигм многим организациям просто не хватает времени на выработку навыков, необходимых для проектирования, развертывания и администрирования современных решений на базе ИИ, машинного и глубокого обучения.
Партнеры по сбыту сыграют ключевую роль в переходе на ИИ
Именно партнерам по сбыту предстоит стать опорой для компаний-клиентов и помочь им преодолеть сложности на пути к внедрению ИИ.
Как отмечалось ранее, машинное и глубокое обучение — развивающиеся технологии, а инфраструктуры на базе ИИ очень сложны и требуют интеграции множества аппаратных и программных компонентов различных поставщиков. Неправильный выбор таких компонентов и ошибки при их внедрении могут нанести непоправимый ущерб бизнесу. Однако, к сожалению, это не редкое явление из-за нехватки опыта в реализации подобных проектов и отсутствия поддержки со стороны экспертов. Вот где партнеры по сбыту должны сыграть ключевую роль.
Наладив контакт с поставщиками, они смогут восполнить нехватку знаний и стать связующим звеном между ИТ-специалистами, экспертами по анализу данных и компаниями. Инвестируя в обучение, партнеры будут накапливать знания и навыки в сфере ИИ и выступать в роли доверенных советников для заказчиков, помогая им всегда быть на шаг впереди. Именно партнеры будут направлять своих экспертов, в которых так нуждаются компании, для помощи в выборе подходящих решений на базе ИИ и стратегии их внедрения. Этим специалистам предстоит помочь организациям, которые осуществляют цифровую трансформацию, но не имеют необходимых ресурсов, знаний и навыков, сделать первый шаг на пути к внедрению ИИ в полном соответствии с потребностями бизнеса.
Источник: Константин Исаакян, директор департамента по работе с партнерами Dell EMC в России, Казахстане и Центральной Азии
