Рассматривая безусловные плюсы применения технологий искусственного интеллекта в бизнесе, приходится уделять особое внимание специфике этого процесса – в плане учета необходимых ресурсов, особенностей сферы деятельности и возможных рисковых ситуаций.

Дело в том, что для реализации полного потенциала AI требуется широчайший спектр типов данных. Наряду с проблемами, связанными с объемом и разнообразием этих данных, скорость их передачи и обработки также является базовым звеном единой цепи: даже простые методы AI требуют пересмотра моделей для соответствия потенциальным постоянно изменяющимся условиям, поэтому исходные данные должны часто обновляться. По подсчетам экспертов McKinsey Global Institute, в одной трети случаев каждая применяемая модель нуждается в обновлении не реже одного раза в месяц. И почти каждый четвертый случай требует ежедневного обновления.

Техподдержка и сопровождение соответствующих систем AI, в свою очередь, является весьма дорогостоящим удовольствием. А потому величина, измеряемая в процентах от доходов конкретной отрасли, значительно разнится от каждого случая использования. Тяжелее всего финансово сопровождать системы искусственного интеллекта в работе промышленному сектору, так как стоимость их разработки, внедрения и поддержания работоспособности на нужном уровне фактически самая высокая.

Потребительские отрасли, такие как розничная торговля и рынок рекламных услуг, на общем фоне показывают наибольший спрос на технологии AI, поскольку регулярные цифровые взаимодействия между бизнесом и клиентами генерируют более эффективные подходы к решению вопросов в рыночных условиях. В данных сферах деятельности можно успешно применять как сложные, так и более простые типы систем AI, нацеленные на решение лишь первостепенных бизнес-задач.

Аналитики McKinsey Global Institute сегодня рассматривают три ключевых сектора, где технологии искусственного интеллекта пользуются особым спросом в контексте разнящегося уровня сложности:

  • Розничная торговля и маркетинг – области с наиболее значимой потенциальной стоимостью от AI, где основными факторами являются ценообразование, продвижение и обслуживание клиентов. Основные примеры использования показывают, что оперирование данными о клиентах для персонализации рекламных акций, включая ежедневные индивидуальные предложения, однозначно способствуют повышению продаж на всех уровнях.
  • Логистика – область, где на практике AI лучше всего справляется с функцией управления цепочками всевозможных поставок. Прогнозирование, основанное на базовых причинных драйверах спроса, а не на предыдущих результатах, может улучшить точность аналитических процессов на 10-20%, что приводит к потенциальному сокращению затрат на инвентарь до 10% и соответственно – к существенному увеличению доходов.
  • Банковская сфера, в частности, сфера розничного банковского обслуживания – область, где AI наиболее качественно справляется с оценкой и управлением рисками, а также предотвращением мошенничества и финансовых махинаций.

Какие могут быть ограничения?

Искусственный интеллект привлекает растущие объемы корпоративных инвестиций, и, по мере развития технологий, их потенциальная ценность, безусловно, будет только увеличиваться. Тем не менее, на сегодняшний день только около 20% компаний, использующих AI, применяют одну или несколько технологий в их полном объеме. Большинство применяет их лишь точечно – в конкретных бизнес-процессах.

Дело в том, что искусственный интеллект на самом деле имеет множество ограничений, которые необходимо преодолеть, прежде чем заставить его работать исключительно на пользу предприятия.

  • Во-первых, существует проблема маркировки данных обучения, которые необходимы для контролируемого обучения, и которые часто должны выполняться вручную. Сейчас уже появляются новые перспективные методы решения этой проблемы, такие как обучение подкреплению и контроль над потоками, в которых данные могут быть помечены в процессе естественного использования. Но пока что это дорогое удовольствие.
  • Во-вторых, существует сложность получения отдельных наборов данных, которые являются достаточно большими для использования в обучении.
  • В-третьих, существует сложность объяснения в человеческом плане результатов, получаемых из больших и сложных моделей данных: почему было принято то или иное решение? Регуляторы часто требуют четкого объяснения правил и критериев выбора, но на сегодняшний день это более чем трудоемкая, а то и вовсе неподъемная задача. До «понятной» интерпретируемости нынешним системам AI еще далеко.
  • В-четвертых, существует проблема «размытости» обучения: модели AI по-прежнему испытывают трудности с переносом своего опыта из одного набора обстоятельств в другой. Это означает, что компании должны выделять ресурсы на обучение новых моделей даже для случаев, аналогичных предыдущим.
  • Пятое ограничение касается риска смещения данных и алгоритмов. Тут требуется четкое понимание того, как процессы, используемые для сбора данных обучения, могут влиять на поведение моделей, которые им необходимы для этого обучения. Например, системы AI, работающие с распознаванием лиц людей, до сих пор нарушают границы этики в общении с ними и формируют определенные угрозы безопасности, составляя на свое усмотрение социальный портрет человека, не соответствующий реальному положению вещей. Это ведет к массовой дезинформации.
  • И, наконец, организационные проблемы, связанные с технологией, процессами и людьми, также напрямую замедляют и затрудняют комплексное принятие AI и его возможностей.

В целом, организации, планирующие внедрять системы AI, должны будут тщательно рассмотреть полный спектр существующих на сегодняшний день их вариантов, делая ставку на ключевые потребности. Основываясь на приоритетных вариантах использования, потребуется создать не только четкий бизнес-план, но и непосредственно план данных, на базе которого AI будет осуществлять прогнозы и давать желаемые результаты. Придется проанализировать все доступные интерфейсы, приложения, технологические инструменты, которые смогут работать по отдельности или в комплексе. Учитывая значительные вычислительные требования глубокого обучения, потребуется создать и системно поддерживать свои собственные центры обработки данных в целях соблюдения мер безопасности. Отдельную статью расходов составит оборудование и программное обеспечение. А для работы с ним потребуются специалисты высокой квалификации. В то время как по некоторым оценкам, на сегодняшний день в мире насчитывается всего чуть более 10 тысяч специалистов, обладающих навыками, необходимыми для решения серьезных проблем AI. И конкуренция на них ожесточена в связи с активностью на рынке компаний-технических гигантов.

Обязательства заинтересованных сторон

В целом, применение технологий AI в глобальных масштабах возлагает определенную ответственность как на разработчиков, так и на пользователей. А потому в случаях необъективной оценки своих возможностей или эксплуатации непроверенных подходов последствия этого почувствуют на себе обе стороны. Но даже в контексте правомерных и обдуманных решений инновационная среда располагает спецификой, без учета которой сложностей избежать не удастся. Тут нужно учитывать все аспекты.

  • Компании-поставщики технологий AI: многие компании, которые разрабатывают или предоставляют интеллектуальные системы для общего или индивидуального пользования, обладают значительной мощью в виде научных сотрудников и базы данных, но им не хватает глубокого понимания конечных рынков сбыта технологий. Классификация потенциала AI по секторам и функциям может помочь сформировать более эффективные и надежные бизнес-кейсы без рисков и лишних затрат. Да, разработчики не обязательно должны заниматься определением приоритетов в областях с наивысшей потенциальной ценностью инноваций. Но они могут объединять все имеющиеся данные с дополнительными анализами ландшафта конкурентов, их сильных и слабых сторон, отраслевых или функциональных знаний и отношений с клиентами, – чтобы сформировать свои собственные инвестиционные портфели.
  • Компании-пользователи технологий AI: прежде чем внедрить AI в свои бизнес-операции, запуская сразу несколько пилотных проектов для анализа их эффективности, полезно отступить, обдумать все «за» и «против», и применить комплексный подход к решению проблемы. Перейти к созданию приоритетного кейса инициатив на предприятии и следовать избранному плану действий. Важно иметь четкое понимание того, какие варианты использования могут принести наибольшую выгоду для компании. А также какие именно технологии AI и другие аналитические методы необходимо будет использовать, чтобы закрыть все «пробелы» в бизнесе. Нужно иметь понимание и того, по какому принципу системы AI не только работают, но и масштабируются в рамках конкретного предприятия.
  • Управляющие органы (контроль и регулирование безопасного применения технологий AI): тут необходимо будет найти баланс между поддержкой разработки AI и управлением рисками и обеспечением их безопасного использования. Поддержание массового интереса к развертыванию инноваций – преобладающая опция, так как это может привести к повышению производительности труда, экономическому росту и социальному процветанию. Поэтому от управляющих органов должны должны поступать государственные инвестиции в исследования и разработки, а также поддержку различных учебных программ, которые смогут помочь подготовить соответствующих квалифицированных кадров. Но на фоне всего этого позитива всегда будут иметь место проблема защиты данных и потребность тщательного регулирования системы правомерного применения той или иной разработки. Для этого правительства могут, например, инициировать процессы перехода на открытость в работе с данными и сформировать общие доступные стандарты их применения в рамках определенных процессов. Следовательно, вероятно, потребуются некоторые нововведения в области политики, чтобы системно решать эти вопросы. И, рано или поздно, данная участь постигнет все государства.

О чем говорит статистика?

Не взирая на вышеперечисленные нюансы и сложности, спрос на инновации растет с каждым годом. Согласно данным последнего исследования McKinsey Global Institute, недоверие компаний к искусственному интеллекту, со всеми его рисками и вероятными финансовыми потерями, все равно уходит в прошлое. Так, в конце 2018 года 94% из всех опрошенных руководителей компаний в разных странах мира заявили, польза AI для бизнеса однозначно преобладает над всеми его недостатками. При этом 37% из них считают такие технологии лучшей перспективой для своих предприятий. По мнению топ-менеджеров крупных игроков рынка, в ближайшие годы искусственный интеллект станет единственным и лучшим инструментом для продвижения и развития продуктов и услуг.

Все права защищены. Ни одна часть статьи не может быть использована в интернете для частного или публичного использования без обязательного активной гиперссылки на сайт everest.ua.

 

Читайте также:

Доверяй, но проверяй: Эффективность AI в бизнесе напрямую зависит от того, насколько хорошо вы с ним знакомы

Рост спроса на AI в бизнес-среде сформировал новые тенденции на мировом рынке интеллектуальных технологий

Искусственный интеллект может превратить бизнес в универсальный инструмент, заточенный на прибыль и развитие