Что происходит с ИИ в бизнесе?

27 августа 2024 г.

О ситуации с внедрением решений на основе искусственного интеллекта в бизнесе и о перспективах применения ИИ аналитики выдают разнонаправленную информацию. Разработчики моделей, инструментов и решений на основе ИИ рапортуют об успехах. Некоторые аналитики — наоборот, говорят о нарастающем спаде интереса к этой технологии, бегстве инвесторов и чуть ли не о «пузыре» (о росте количества инвесторов и аналитиков, которые усматривают признаки «пузыря», например, пишет Washington Post), который скоро обязательно лопнет.

Что же происходит на самом деле? Ответ короткий: идет своеобразный масштабный онбординг, бизнес всех масштабов и работающий на разных вертикальных рынках адаптирует новую технологию для применения в решении своих прикладных задач. Соответствующие процессы сложные и трудоемкие, но они идут.

Основания для оптимизма или причины для пессимизма?

Минимум 30% проектов по генеративному ИИ будут закрыты на горизонте полутора лет — до конца 2025 года — по прогнозам Gartner. На первый взгляд, это достаточно мрачный прогноз. Но если учесть высокий уровень интереса к технологии ИИ, который увеличивает негативные факторы — от хайпа до скама — а также растущую стоимость денег, то становится очевидно, что это совсем неплохой результат.

Причины сворачивания проектов вызваны не технологическими проблемами, а финансовыми и организационными, признают в Gartner. Проекты, попавшие под сокращение, будут закрыты из-за низкого качества данных для обучения моделей, недостаточного, по мнению инвесторов контроля рисков, неконтролируемо растущих издержек. Отметим, что эти проблемы — за исключением качества данных — никак не являются уникальными именно для ИИ.

Также основанием для закрытия проекта, как отмечают в Gartner, будет отсутствие понимания, какую выгоду он может нести для бизнеса. Вполне логично, что проекты, которые не прошли стадию проверки обоснованности их внедрения, будут прекращены.

На российском рынке развитие ИИ является одним из приоритетных направлений в масштабе государства. В 2019 году была принята «Национальная стратегия развития искусственного интеллекта на период до 2030 года», которая действует до сих пор без особых изменений. Меры по развитию ИИ прописаны и в других госпроектах. «Программа „Цифровая экономика Российской Федерации“ также включает в себя разделы по ИИ, в том числе создание инфраструктуры и развитие кадрового потенциала для развития технологии, которые суммируются в рамках федерального проекта „Искусственный интеллект“». — напоминает Александр Стрельников, эксперт в области ИИ компании Axenix.

Что такое ИИ

Напомним, что под «искусственным интеллектом» сегодня понимают совокупность технологий, построенных на технологиях нейросетей. По сути, ИИ — все тот же софт, но построенный по другим принципам. Вместо традиционного кодинга тут обучение, но остальные принципы все те же: от постановки задач до отладки и тестирования. Традиционные подходы, отработанные на DevOps, SecOps, TestOps и прочих «...Ops» тут тоже применимы, хотя требуют оптимизации — иногда достаточно существенной — определенной спецификой инструмента. В стадии формирования находится специфический комплекс AIops, ориентированный на работу по созданию нейросистем.

ИИ дополняют спектр вычислительных инструментов. Нейросети хороши для решения ряда классов задач, но не являются универсальным инструментом. Однако для многих классов ИИ не подходит, для них остается актуальными традиционные вычисления, а для некоторых нужны квантовые.

Выбор инструмента зависит от особенностей задачи и от степени развития технологий. Например, распознавание образов успешно выполняли на основе традиционных алгоритмов — вспомним FineReader, Cuneiform и другие OCR. Решения OCR были адаптированы для видеоаналитики — например, алгоритмы, лежащие в основе FineReader, были применены для автоматического распознавания госномеров автомобилей на основе данных камер видеонаблюдения. Однако современные задачи видеоаналитики в силу большого разнообразия могут быть эффективно решены только с помощью ИИ-инструментов.

Пример с видеоаналитикой позволяет понять: ИИ не может быть применен «в чистом виде» для решения бизнес-задач — как, впрочем, и любая другая технология — но при правильном подходе инструменты на его основе могут быть интегрированы в прикладную систему, которая решает проблемы заказчика. Задачи, которые ставят перед упомянутыми системами видеонаблюдения (с ИИ!) могут быть самими разными: контроль наличия средств индивидуальной защиты у персонала на площадке (контроль соблюдения правил техники безопасности), определение наличия указанного предмета в кадре (системы «антивор» в музеях или в магазинах) или появления «лишнего» элемента (для определения забытых вещей или, например, для антитеррористических мероприятий), контроль задымления (задачи МЧС) и т. д.

Бизнес: уже боится, но еще не действует

Основная проблема, связанная с внедрением ИИ, состоит в отсутствии у корпоративных заказчиков понимания возможностей новых технологий применительно к их бизнес-процессам. При этом они понимают все опасности такой ситуации! В своих годовых отчетах ИИ назвали «фактором риска» большинство — 56% — компаний списка Fortune 500, в то время как 2 года назад таковых было только 9%, сообщает Financial Times со ссылкой на данные исследовательской платформу Arize AI.

Однако конструктивные выводы из этого многие компании пока не делают: больше опасаются появления таких инструментов у конкурентов, чем настроены создавать решения на основе ИИ и внедрять их у себя. Видят бизнес-возможности в технологии ИИ только 33 из 108 компаний, которые упоминали о ней в ходе опроса, планируя применить ее для сокращения издержек, оптимизации операционной деятельности, снижения «time to market» и т. д.

Проблемой для внедрения ИИ ряд аналитиков называют отсутствие у значительного количества компаний стратегий по внедрению «искусственного интеллекта» в бизнес-процессы. Однако, как показывает практика, большие вопросы даже с тактикой внедрения и оперативными вопросами, связанными с применением ИИ для бизнес-задач! Почти половина (47%) сотрудников, уже использующих ИИ, признались, что понятия не имеют, как достичь повышения продуктивности, которого от них ждут работодатели, по данным опроса Upwork.

Между тем, ИИ раз за разом демонстрирует высокую эффективность в ряде ситуаций (см. врезку). Свежий пример из российской реальности: МТС Exolve создал робота, автоматизирующего передачу показаний для системы «Диспетчер 24», сервиса автоматизации сферы ЖКХ, который способен обрабатывать 80% обращений клиентов. «Отрасль ЖКХ все активнее цифровизуется и использует современные инструменты, — говорит Костас Дубосас, директор по продажам и обслуживанию МТС Exolve. — У нас накопился большой пул успешных кейсов в жилищно-коммунальной сфере по внедрению роботов, которые значительно сокращают количество пропущенных звонков и время ожидания на линии, а колл-центрам позволяют повысить эффективность и оптимизировать расходы». Есть примеры успешных внедрений как в ЖКХ, так и на других вертикальных рынках.

Из многих success stories, связанных с внедрением ИИ, выделим свежую историю Amazon, о которой недавно рассказал Энди Джесси, генеральный директор компании. ИИ-помощник Q, который интегрировали во внутренние системы, сократил среднее время обновления приложения на Java с 50 дней разработки до нескольких часов. Разработчики Amazon перенесли 30 тысяч приложений с ранних версий Java на новую, в результате сэкономив, по словам Джесси, «4500 лет разработки». При том что 79% кода, обработанного ИИ, не потребовали дополнительных изменений. Данный пример применения ИИ, конечно, нишевый и локальный, но весьма выразительный.

Вместо заключения

Как видно, в распространении ИИ глобальный процесс онбординга — привыкания бизнеса к новым технологиям — пока идет очень плохо. Но по мере развития ситуации процесс будет налажен.

""Искусственный интеллект"— это действительно трансформационная технология для любого бизнеса, от банков и телекоммуникационных компаний до промышленности и сельского хозяйства, — говорит Александр Ведяхин, первый заместитель Председателя Правления Сбербанка и Председатель наблюдательного Совета Альянса в сфере ИИ. — Крайне важно не только рассказать об этом руководителям бизнеса, но и дать им понимание того, как правильно внедрять ИИ в свою деятельность и как строить стратегию такого внедрения«.

Компании находятся в начале пути, пытаясь «приладить» новые инструменты к собственным бизнес-процессам хотя бы на уровне тактики. Практического экспириенса еще очень мало, в таких условиях стратегии выработать проблематично, а «лоскутная» активность без стратегий всегда отличается низкой эффективностью и создает много побочных проблем. Но процесс будет идти. Прецеденты успешного применения ИИ настолько выразительны, что мотивируют к работам в этих направлениях — от фундаментальных исследований до практических экспериментов по выстраиваниям ИИ-инструментов в бизнес-процессы.

Источник: Александр Маляревский, внештатный обозреватель IT Channel News