ИИ в РФ: некоторые сложности бизнес-внедрений и сопутствующие проблемы

18 ноября 2024 г.

Сложности с внедрением искусственного интеллекта у российских корпоративных заказчиков и неоднородность соответствующих процессов на разных вертикальных рынках хорошо видна по результатам исследования, которое провел Институт статистических исследований и экономики знаний НИУ ВШЭ. Однако проблемы с внедрением ИИ в исследовании обозначены странно. Основная — в трактовке определения «применение ИИ».

ИИ повсюду

Сегодня можно с уверенностью сказать, что 100% российских корпоративных заказчиков уже используют ИИ. Очевидно, что заявление респондентов о том, что данная организация «не использует ИИ», характеризует не ситуацию с ИТ, а уровень компетенции отвечающего.

Например, вряд ли можно найти спам-фильтр, систему защиты от DDoS-атак и другие средства корпоративной инфобезопасности, которые бы не использовали в работе элементы ИИ. Другой пример — аналитика, ведь с анализом современных потоков данных практически невозможно справиться без инструментов на основе нейросетей. Третий пример — корпоративные системы коммуникаций, которые давно и активно используют «улучшайзеры», «шумодавы» и прочие функциональные модули, которые обычно применяют технические решения, построенные на нейросетях. ИИ успешно работает внутри сервисов, получаемых из «облака». Уже в 2025 году более 70% «облачных» приложений будут использовать технологии AI и ML, говорит Владимир Лебедев, директор по развитию бизнеса M1Cloud, со ссылкой на данные IDC.

ИИ пронизывает инфраструктуры как самих компаний, так и их партнеров, контрагентов и поставщиков сервисов, также оставаясь «невидимыми» для корпоративных заказчиков. Это особенно выражено, например, у cloud-провайдеров, которые активно используют ИИ, в частности, для балансировки нагрузок и других технических задач.

ИИ — в разрозненных модулях

ИИ — не решение, не продукт и даже не отдельный инструмент внутри продукта, это технология. Элементы, построенные на основе ИИ, активно встраивают внутрь инструментов /продуктов /решений, но корпоративные пользователи во многих случаях даже не подозревают, какой инструмент задействован в решении их задачи: построенный на традиционных алгоритмах или на нейросетях. Хотя сейчас все чаще встречается гибридный подход — совместно работают модули, использующие технологии на обоих вариантах.

Подчеркнем, что нельзя рассматривать как единую систему набор разрозненных и разноплановых инструментов с ИИ, реализованных в разных элементах ИТ-инфраструктуры. Причем отдельные компоненты которой могут не принадлежать данному корпоративному заказчику, а находиться у контрагентов, поставщиков услуг и пр. В большинстве случаев эти ИИ-компоненты друг с другом никак не связаны ни логически, ни технологически, ни схемами внедрений, ни жизненными циклами. Например, ИИ-модули, оптимизирующие качество корпоративных ВКС, не имеют никакого отношения к ИИ-инструментам, которые создали аналитики для работы с данными под текущие или стратегические задачи компании.

ИИ для бизнес-оптимизации вплоть до DX

В бизнес-процессах, для развития и оптимизации которых нужны десятки и сотни функциональных модулей на основе ИИ, картина аналогичная рассмотренной выше для сегмента технических решений. У каждого корпоративного заказчика в прикладных решениях работают сотни модулей на основе ИИ, но и они не являются единой системой. Эти модули внутри прикладных программ вполне способны увеличить эффективность бизнес-процессов, улучшить финансовые показатели компании и даже привести к «цифровой трансформации» (DX).

При наличии у компании отлаженных бизнес-процессов и понимания возможности их развития, целостной политики по отношению к данным, умение применять data-driven-решения применительно как к локальным задачам, так и к выработке стратегий, а также прочих элементов, составляющих «цифровую зрелость», такие ИИ-инструменты — встроенные в компоненты соответствующего уровня ИТ-инфраструктуры — будут важны и нужны. Однако обратное неверно в принципе: попытки форсированными темпами внедрить ИИ в бизнес-практики никак не приведут к повышению «цифровой зрелости», тут нужен комплекс действий, как технических, так и организационных.

Пример: масштабное внедрение голосовых роботов. «Роботы — одна из быстрорастущих технологий на рынке, — говорит Рамиль Биккужин, директор МТС Exolve. — Мы видим, что голосовые помощники приносят бизнесу отличные результаты». Эти инструменты экономят ресурсы, но и повышают эффективность бизнеса, увеличивают продажи, лояльность клиентов, отметил он. При этом робот может оптимизировать бизнес-процессы и форматы взаимодействия с клиентами, но не создавать их.

Проблемы реальные и искусственные

Российские корпоративные заказчики отмечают высокую стоимость внедрения ИИ-инструментов в бизнес-практики. В качестве «барьера» этот фактор назвали 63,6% респондентов, опрошенных в ходе исследования НИУ ВШЭ. Конечно, ИИ-вычисления требуют специализированного высокопроизводительного оборудования, которое, к тому же, в силу высокого энергопотребления нуждается в радикальном обновлении инфраструктуры — от дополнительных мощностей для ЦОДов до радикально более производительных систем кондиционирования.

Однако большинство корпоративных заказчиков вряд ли будут разворачивать аналогичные решения у себя, предпочтя «облачный» формат потребления нужных вычислений. «Облака» снижают для заказчиков затраты на приобретение, обслуживание и администрирование физических серверов, так как данная модель не требует капитальных затрат за счет сокращения расходов на физическое оборудование, хотя определенные проблемы все же могут быть.

Размещение высоконагруженных сервисов в «облаке» представляет собой сложную инженерную задачу. Высоконагруженным системам нужны проприетарно выделенные ресурсы, напоминает Константин Симонов, ИТ-директор DataSpace. В инфраструктуре классического публичного «облака» клиенты могут не получить требуемых показателей производительности у многих операторов, отмечает он, поэтому есть два варианта дальнейших действий: либо закупать «железо» и разворачивать решение на on-prem, либо искать cloud-провайдера, который сможет построить «облако» на индивидуально подобранном оборудовании, оптимально подходящем под конкретные задачи клиента.

Затраты на фонд оплаты труда для специалистов в ИИ могут быть действительно велики. Таких специалистов немного, они востребованы, стоят дорого, да еще и найти непросто: 49,9% компаний, опрошенных НИУ ВШЭ, отметили трудности с наймом квалифицированных отрудников. Заметим, для внедрения ИИ в бизнес нужны как технические специалисты, так и управленцы — напомним про необходимость в ходе этого пересматривать и, возможно, перестраивать часть бизнес-процессов. Потребуется задействовать управленческие ресурсы компании, а также специалистов — как внутренних, так и, возможно, внешних консалтеров. Однако выручит тот же подход — арендный.

Специалистов по бизнес-процессам на рынке достаточно много, есть и занимающиеся «цифровой трансформацией». Более того, российским компаниям доступна «DX как услуга». В настоящее время ее предлагает только «Сбер», как отметил Сергей Меламед, директор Департамента развития корпоративного бизнеса в Сбербанке, но зато она доступна в любом регионе РФ. Эксперты Сбера работают с клиентом на всех этапах: изучают особенности компании, помогают в разработке стратегии трансформации, оптимизации процессов и адаптации существующих на рынке сервисов под потребности проекта.

Что дальше?

Возможно, ситуация изменится, и для внедрения решений потребуются существенно более масштабные изменения в ИТ-рельефе корпоративных заказчиков, когда требования ИИ будут охватывать процессы и масштабы иного уровня. Лидеры ИИ говорят о грядущей «GenAI-трансформации», причем некоторые к ней активно готовятся уже сейчас.

«Сейчас мы готовим ИТ-ландшафт Сбера к GenAI-трансформации, то есть к встраиванию в него генеративного „искусственного интеллекта“, — говорит Кирилл Меньшов, старший вице-президент, руководитель блока „Технологии“ в Сбербанке. — Мы понимаем, что эта трансформация по сути будет примерно такой же, какой когда-то была цифровизация». Однако и тут задачи не только технические, состоящие в подготовке ИТ-ландшафта к новому трансформации, сколько в запуске большого количества инициатив, направленных на проверку гипотез. которые трансформируются из количественного в качественное состояние.

Внедрение ИИ-инструментов в бизнес-практики будет продолжено. Это потребует затрат, но их следует рассматривать как инвестиции. Исторически наибольшую «цифровую зрелость» демонстрировали компании из финансового сектора — и по результатам исследования видно, что именно они в лидерах по внедрению ИИ-решений. Причем это справедливо и для текущего состояния дел, и для планов на среднесрочную перспективу, что видно из упомянутого исследования. Причина проста: финансисты умеют считать деньги и выбирать направления инвестиций в оптимальные направления развития бизнеса.

Источник: Александр Маляревский, внештатный обозреватель IT Channel News