Про що говорить статистика?

Згідно з прогнозами одного з провідних світових консалтингових агентств Gartner, який опитав більш ніж 3000 керівників бізнесу, а також менеджерів та аналітиків із 112 країн світу у 21 галузі, – 72% респондентів з усіх опитаних заявили про своє бажання і готовність запровадити технології AI в бізнес. При цьому, лише 4% з них обґрунтували своє рішення можливістю отримати або підтримати за допомогою AI конкурентну перевагу компанії на ринку. Майже 60% вважають, що AI сам по собі повинен бути стратегічним пріоритетом для будь-якого сучасного бізнесу. А решта впевнені в тому, що AI, незважаючи на можливі ризики його застосування, дозволить їм створити та розширити напрямки діяльності і, таким чином, збільшити прибуток.

Проте, інші дослідження побажань high-менеджменту в різних куточках світу показують, що на сьогоднішній день, не дивлячись на великі надії, покладені на інтелектуальні технології, лише 23% респондентів за фактом включили його в процеси і пропозиції за продуктами та послугами. Ще близько 30% тримають один або кілька пілотних проектів на розгляді, а більше 50% поки що навіть не мають планів впровадження, хоча у своєму розпорядженні мають необхідні для цього фінансові ресурси.

Як перетворити AI на універсальний бізнес-інструмент?

Які б цілі не ставив перед собою бізнес, – спроба йти в ногу з часом, користуючись сучасними технологіями, пляму на його репутації не поставить. Чим раніше компанія почне аналізувати, як саме використовувати AI для просування, тим краще буде підготовлена ​​до нових викликів ринку.
Успішність впровадження штучного інтелекту бізнесом у країнах з економікою, що розвивається, і складнощами з прийняттям та інтеграцією інноваційних рішень, – в першу чергу, буде залежати від практичної готовності. Остання має на увазі наявність базового набору стратегічних кейсів, що прискорюють вливання AI в робочі процеси:

  1. Знайомство, аналіз технології та ризиків її застосування;
  2. Попередня оцінка витрат;
  3. Консолідація даних і робочої сили;
  4. Адаптація IT-служби до нових умов роботи;
  5. Підготовка експериментального сегмента для пілотного запуску.

Важливо розуміти, що сам акт впровадження AI за фактом ще не є гарантією успіху. На сьогоднішній день не існує єдиного стандарту або кращої практики використання інноваційних технологій у бізнес-процесах. Даний ринок ще остаточно не сформувався, просто зараз він знаходиться на піку своєї актуальності та розвитку. Отже, ніхто – ані новачки, ані акули бізнесу – не застраховані від ризиків і невдач.

Очікуваний результат майже на 100% буде залежати від кількості витрачених зусиль на вивчення ринку технологій і правильно сформованої стратегії переходу до їх впровадження у відповідності до реальних потреб компанії.

Коли західні вчені й аналітики акцентують увагу на складнощах взаємодії людини і машини, вони роблять це не тільки з комерційних мотивів, формуючи певні уявлення про системи і їх специфіку. Насправді, вкрай непросто підійти до впровадження AI з точки зору багатьох організаційних тонкощів, психологічних, етичних і правових бар’єрів.

Чи варто ризикувати і з чого почати?

Втім, продовжуючи жити за принципом «люди не готові», або «поживемо – побачимо», як це часто буває в українських реаліях, – ми ризикуємо залишитися без шматка пирога, якого сьогодні вистачає на всіх. Питання – з якого боку відкусити.

При неготовності запустити корабель у космос, можна для початку спробувати політати в нижніх шарах атмосфери, й розглянути AI як вузько направлений предмет, який потрібно правильно застосувати. У цьому ключі потребуватимуть вирішення наступні завдання:

  1. Вибір конкретної мети, з якою повинен працювати AI;
  2. Вивчення варіантів систем, здатних цієї мети досягти;
  3. Забезпечення необхідного експертного супроводу AI, який спочатку повинен отримати правильний досвід і навички для вирішення поставлених завдань;
  4. Наявність можливості підстрахувати систему вузькопрофільними кваліфікованими фахівцями;
  5. Тільки після вдалого запуску однієї системи – розглянути можливість впровадження наступних, керуючись виключно конкретними стратегічними потребами.

На практиці приклади можуть бути такими:

  1. Оптимізація виробництва за рахунок машинного навчання і IoT;
  2. Впровадження простої рекомендаційної системи з метою скорочення витрат і підвищення продуктивності;
  3. Збільшення швидкості роботи з даними і великими обсягами профільної специфічної інформації в рамках компанії;
  4. Перерозподіл обов’язків між співробітниками та автоматизованими системами з метою звільнити перших від рутинної трудомісткої роботи й прискорити її виконання за рахунок других;
  5. Спрощення процесів підрахунку й аналізу фінансових ресурсів компанії, ринку збуту послуг, прогнозування споживчого фідбеку.

У вище описаних випадках йдеться про прості алгоритми. І, тим не менш, перше, що доведеться врахувати при бажанні скористатися навіть примітивною формою штучного інтелекту, – це те, що за його роботу доведеться платити.

Будь-який AI слід спочатку розглядати як співробітника. Перш ніж взяти його на роботу, треба дізнатися його кваліфікацію та підготовку. При необхідності – навчити. Потім його роботу потрібно контролювати. При нездатності ефективно справлятися з поставленими завданнями – замінити або перенаправити у потрібне русло.

Таким чином, крім інвестицій безпосередньо в саме програмне забезпечення AI, необхідно враховувати витрати на його розробку, навчання, запуск у поточний процес, супровід і перенавчання (як показує світовий досвід, розумні машини теж помиляються внаслідок алгоритмічних збоїв, притому, збитки можуть стати фатальними для будь-якого бізнесу, який цей ризик не врахував).

Інша справа, що прецедент «людського фактору», в принципі, добре вивчений. Тут все просто: людина або допустила помилку, або ні. Але вона здатна аргументувати рішення або дію, що призвела до поразки. У той час як AI допитати неможливо – навіть спираючись на «правильні» дані у своїй роботі, будь-яка розумна система схильна до формування висновків і концепцій, які можуть йти врозріз із заданим їй напрямком діяльності.

Це, у свою чергу, закладає ризики і створює певні проблеми. Аби вони не перетворилися на якір, що тягне компанію на дно, необхідно пройти всі етапи підготовки «до війни»:

  1. Зона відповідальності: за можливості мислити, приймаючи рішення, ніякий AI не буде за них відповідати – це задача контролюючого органу. Завершальною ланкою ефективності системи має бути людина.
  2. Доцільність: вести бізнес за допомогою AI можна тільки при використанні тієї системи, рішення і рекомендації яких можна відстежити й легко інтерпретувати.
  3. Якість даних: жоден AI не принесе бізнесу користь, якщо не забезпечити його належною кількістю перевірених даних, що ляжуть в основу очікуваних прогнозів.
  4. Інтеграція: введення AI в цикл взаємодії з людиною – кропіткий і складний процес, що вимагає прийняття, підготовки, інструктажу, дотримання норм і правил безпеки. Необхідно розрахувати витрати і зусилля, перш ніж вступити у гру.
  5. Безпека: набивання шишок і збір грабель на кожному з етапів впровадження AI – від постановки завдання до неврахованих функцій, – найбільш безневинні витівки алгоритмів. Справжні ризики закладені у нерозумінні системи та її нецільовому використанні.

Власне, як відомо, коли справа доходить до нових технологій, бізнес, як правило, намагається відкусити більше, ніж здатний пережувати. Але навіть сильний потік ентузіазму й фінансових вливань не врятує від підводних каменів у роботі з розумними машинами, суть яких необхідно для початку як слід вивчити.

Всі права захищено.  Жодна частина статті не може бути використана в інтернеті для приватного або публічного використання без обов’язкового активного гіперпосилання на сайт everest.ua