Розглядаючи безумовні плюси застосування технологій штучного інтелекту в бізнесі, доводиться приділяти особливу увагу специфіці цього процесу – в плані обліку необхідних ресурсів, особливостей сфери діяльності і можливих ризикових ситуацій.

Справа в тому, що для реалізації повного потенціалу AI потрібний надширокий спектр типів даних. Поряд із проблемами, пов’язаними з обсягом і різноманітністю цих даних, швидкість їх передачі та обробки також є базовою ланкою єдиного ланцюга: навіть прості методи AI вимагають перегляду моделей для відповідності потенційним постійно змінюваним умовам, тому вихідні дані повинні часто оновлюватися. За підрахунками експертів McKinsey Global Institute, в одній третині випадків кожна застосовувана модель потребує оновлення не рідше одного разу на місяць. І майже кожен четвертий випадок вимагає щоденного оновлення.

Технічна підтримка та супровід відповідних систем AI, в свою чергу, є досить дорогим задоволенням. А тому величина, яка вимірюється у відсотках від доходів конкретної галузі, значно різниться від кожного випадку використання. Найважче фінансово супроводжувати системи штучного інтелекту в роботі промислового сектору, так як вартість їх розробки, впровадження та підтримки працездатності на потрібному рівні фактично найвища.

Споживчі галузі, такі як роздрібна торгівля і ринок рекламних послуг, на загальному тлі показують найбільший попит на технології AI, оскільки регулярні цифрові взаємодії між бізнесом і клієнтами генерують більш ефективні підходи до вирішення питань у ринкових умовах. У даних сферах діяльності можна успішно застосовувати як складні, так і більш прості типи систем AI, націлені на вирішення лише першочергових бізнес-завдань.

Аналітики McKinsey Global Institute сьогодні розглядають три ключових сектори, де технології штучного інтелекту користуються особливим попитом у контексті різноманітності рівня складності:

  • Роздрібна торгівля та маркетинг – області з найбільш значущою потенційною вартістю від AI, де основними факторами є ціноутворення, просування та обслуговування клієнтів. Основні приклади використання показують, що оперування даними про клієнтів для персоналізації рекламних акцій, включаючи щоденні індивідуальні пропозиції, однозначно сприяють підвищенню продажів на всіх рівнях.
  • Логістика – область, де на практиці AI найкраще справляється з функцією управління ланцюжками всіляких поставок. Прогнозування, засноване на базових причинних драйверах попиту, а не на попередніх результатах, може поліпшити точність аналітичних процесів на 10-20%, що призводить до потенційного скорочення витрат на інвентар до 10% і відповідно – до істотного збільшення доходів.
  • Банківська сфера, зокрема, сфера роздрібного банківського обслуговування – область, де AI найбільш якісно справляється з оцінкою та управлінням ризиками, а також із запобіганням випадків шахрайства та фінансових махінацій.

Які можуть бути обмеження?

Штучний інтелект привертає зростаючі обсяги корпоративних інвестицій, і, по мірі розвитку технологій, їх потенційна цінність, безумовно, буде тільки збільшуватися. Проте, на сьогоднішній день лише близько 20% компаній, що використовують AI, застосовують одну або кілька технологій у їх повному обсязі. Більшість застосовує їх точково – у конкретних бізнес-процесах.

Річ у тім, що штучний інтелект насправді має безліч обмежень, які необхідно подолати, перш ніж змусити його працювати виключно на користь підприємства.

  • По-перше, існує проблема маркування системи адаптації, які необхідні для контрольованого навчання, і які часто мають виконуватися вручну. Зараз уже з’являються нові перспективні методи вирішення цієї проблеми, такі як навчання підкріпленню і контроль над потоками, де дані можуть бути помічені в процесі природного використання. Але поки що це дороге задоволення.
  • По-друге, існує складність отримання окремих наборів даних, які є досить великими для використання у навчанні.
  • По-третє, існує складність пояснення в людському плані результатів, одержуваних із великих і складних моделей даних: чому було прийнято те чи інше рішення? Регулятори часто вимагають чіткого пояснення правил і критеріїв вибору, але на сьогоднішній день це більше ніж трудомістке завдання. До «зрозумілої» інтерпретованості нинішнім системам AI ще далеко.
  • По-четверте, існує проблема «розмитості» навчання: моделі AI як і раніше відчувають труднощі з перенесенням свого досвіду з одного набору обставин до іншого. Це означає, що компанії повинні виділяти ресурси на навчання нових моделей навіть для випадків, аналогічних попереднім.
  • П’яте обмеження стосується ризику зсуву даних і алгоритмів. Тут потрібне чітке розуміння того, як процеси, що використовуються для збору даних навчання, можуть впливати на поведінку моделей, які їм необхідні для цього навчання. Наприклад, системи AI, що працюють із розпізнаванням обличь людей, до сих пір порушують межі етики у спілкуванні з ними і формують певні загрози безпеці, складаючи на свій розсуд соціальний портрет людини, що не відповідає реальному стану речей. Це веде до масової дезінформації.
  • І, нарешті, організаційні проблеми, пов’язані з технологією, процесами і людьми, також безпосередньо уповільнюють і ускладнюють комплексне прийняття AI і його можливостей.

В цілому, організації, які планують впроваджувати системи AI, повинні будуть ретельно розглянути повний спектр існуючих на сьогоднішній день їх варіантів, роблячи ставку на ключові потреби. Ґрунтуючись на пріоритетних варіантах використання, потрібно створити не лише чіткий бізнес-план, а й безпосередньо план даних, на базі якого AI буде здійснювати прогнози та давати бажані результати. Доведеться проаналізувати всі доступні інтерфейси, додатки, технологічні інструменти, які зможуть працювати окремо або в комплексі. З огляду на значні обчислювальні вимоги глибокого навчання, потрібно створити і системно підтримувати свої власні центри обробки даних з метою дотримання заходів безпеки. Окрему статтю витрат складе обладнання і програмне забезпечення. А для роботи з ним потрібні фахівці високої кваліфікації. У той час як за деякими оцінками, на сьогоднішній день у світі налічується всього трохи більше 10 тисяч спеціалістів, які володіють навичками, необхідними для вирішення серйозних проблем AI. І конкуренція на них украй посилена у зв’язку з активністю на ринку компаній-технічних гігантів.

Зобов’язання зацікавлених сторін

В цілому, застосування технологій AI у глобальних масштабах покладає певну відповідальність як на розробників, так і на користувачів. А тому у випадках необ’єктивної оцінки своїх можливостей або експлуатації неперевірених підходів наслідки цього відчують на собі обидві сторони. Але навіть у контексті правомірних і обміркованих рішень інноваційне середовище має специфіку, без урахування якої складнощів не уникнути. Тут потрібно враховувати всі аспекти.

  • Компанії-постачальники технологій AI: багато компаній, які розробляють або надають інтелектуальні системи для загального або індивідуального користування, мають значну міць у вигляді наукових співробітників та бази даних, але їм не вистачає глибокого розуміння кінцевих ринків збуту технологій. Класифікація потенціалу AI по секторах і функціях може допомогти сформувати більш ефективні і надійні бізнес-кейси без ризиків і зайвих витрат. Так, розробники не обов’язково повинні займатися визначенням пріоритетів в областях із найвищою потенційною цінністю інновацій. Але вони можуть об’єднувати всі наявні дані з додатковими аналізами ландшафту конкурентів, їх сильних і слабких сторін, галузевих або функціональних знань і відносин з клієнтами, – з метою сформувати свої власні інвестиційні портфелі.
  • Компанії-користувачі технологій AI: перш ніж впровадити AI у свої бізнес-операції, запускаючи відразу кілька пілотних проектів для аналізу їх ефективності, корисно відступити, обміркувати всі «за» і «проти», і застосувати комплексний підхід до вирішення проблеми. Перейти до створення пріоритетного кейсу ініціатив на підприємстві і слідувати обраному плану дій. Важливо мати чітке розуміння того, які варіанти використання можуть принести найбільшу вигоду для компанії. А також які саме технології AI та інші аналітичні методи необхідно буде використовувати, аби закрити всі «прогалини» в бізнесі. Потрібно мати розуміння й того, за яким принципом системи AI не лише працюють, а й масштабуються в рамках конкретного підприємства.
  • Керуючі органи (контроль і регулювання безпечного застосування технологій AI): тут необхідно буде знайти баланс між підтримкою розробки AI і управлінням ризиками та забезпеченням їх безпечного використання. Підтримка масового інтересу до розгортання інновацій – домінуюча опція, так як це може привести до підвищення продуктивності праці, економічного зростання і соціального процвітання. Тому від керуючих органів мають надходити державні інвестиції у дослідження і розробки, а також на підтримку різних навчальних програм, які зможуть допомогти підготувати відповідних кваліфікованих кадрів. Але на тлі всього цього позитиву завжди будуть мати місце проблеми захисту даних і потреба ретельного регулювання системи правомірного застосування тієї чи іншої розробки. Для цього уряди можуть, наприклад, ініціювати процеси переходу на відкритість у роботі з даними і сформувати загальні доступні стандарти їх застосування в рамках певних процесів. Отже, ймовірно, будуть потрібні деякі нововведення в області політики, щоб системно вирішувати ці питання.

Про що говорить статистика?

Незважаючи на зазначені вище нюанси та складності, попит на інновації зростає з кожним роком. Згідно з даними останнього дослідження McKinsey Global Institute, недовіра компаній до штучного інтелекту, з усіма його ризиками та ймовірними фінансовими втратами, все одно йде в минуле. Так, наприкінці 2018 року 94% з усіх опитаних керівників компаній у різних країнах світу заявили, що користь AI для бізнесу однозначно переважає над будь-якими його недоліками. При цьому 37% з них вважають такі технології кращою перспективою для своїх підприємств. На думку топ-менеджерів великих гравців ринку, у найближчі роки штучний інтелект стане єдиним і найкращим інструментом для просування та розвитку продуктів і послуг.

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