Внедрение в производственную и бизнес-практику моделей искусственного интеллекта (ИИ) в «голом» виде и лишь для галочки не решает магическим образом задачу повышения эффективности. Потому что внедренную ИИ-функцию в подавляющем большинстве случаев необходимо дорабатывать под конкретные задачи. Российский бизнес это начал осознавать. Однако разрабатывать и дорабатывать технологии ИИ собственными силами могут не все – в основном только крупные компании, обладающие более широкими, чем у малого и среднего бизнеса, финансовыми возможностями, показало новое исследование Высшей школы экономики (ВШЭ).
Российский бизнес оказался на цифровом распутье. С одной стороны, во многих крупных и средних компаниях начали функционировать специальные центры компетенций по искусственному интеллекту, которые пообещали руководству предприятий, что с помощью новой технологии они смогут решить любую задачу – достаточно прикрутить к бизнес-процессам ту или иную генеративную модель, и можно пожинать плоды.
На практике же такие цифровые новации, бездумно внедренные в погоне за модой или для галочки, нередко приводят к оттягиванию материальных и человеческих ресурсов, а перспективы реального повышения эффективности становятся даже более туманными, чем раньше.
С другой стороны, многие российские компании теперь начали понимать, что генеративный искусственный интеллект – это, если использовать ироничную терминологию IT-специалистов, вовсе не серебряная пуля: не универсальное волшебное решение любых проблем. Внедряемые ИИ-модели требуют подгонки под конкретные бизнес-задачи и комбинации с другими технологиями.
Такую развилку обсудили представители IT-отрасли на прошедшей в Москве конференции российского объединения компаний, разрабатывающих программное обеспечение, «Руссофт».
В частности, как рассказал советник гендиректора компании Content AI Олег Сажин, сама по себе «голая» ИИ-модель не способна управлять процессами: «Ей нужна обвязка из модулей, выполняющих различные операции». Это значит, что теперь все больше будут востребованы платформы, продуктивно комбинирующие генеративные модели и классические алгоритмы. Внедрение таких комплексных решений IT-эксперты считают сейчас наиболее экономически целесообразным и полезным для бизнеса, особенно в условиях ограниченности многих ресурсов – от кадров до финансирования.
Сажин пояснил: ИИ – это инновационный, потенциально эффективный «движок», но, образно говоря, у него нет ни колес, ни руля, ни сидений, это не конечный продукт, не автомобиль.
Допустим, если брать задачи, связанные с обработкой документов, то с помощью генеративных ИИ-моделей можно распознавать сам документ, вычленять из него необходимую информацию и классифицировать ее, однако, чтобы весь этот процесс заработал действительно эффективно, одного такого распознавания недостаточно. В частности, можно было бы добавить функцию автономного управления сканером или открытия почтовых архивов.
Однако, как показало новое исследование, проведенное Институтом статистических исследований и экономики знаний ВШЭ (изучались данные по крупным и средним компаниям, малый бизнес остался за рамками анализа), такая доработка внедренных ИИ-решений – это не просто стратегия, до которой нужно концептуально дорасти, а еще и в буквальном смысле роскошь не для всех.
Как сообщил в среду, 18 марта, Институт статистических исследований и экономики знаний ВШЭ, сейчас в своей деятельности ИИ-решения применяют около 5% российских организаций.
Но этот показатель сильно варьируется в зависимости от масштаба бизнеса. Чем больше компания, тем выше вероятность, что она уже использует искусственный интеллект, показал анализ статистики.
Использование конкретных видов технологий искусственного интеллекта
организациями в группировке по численности работников. В % от числа организаций
соответствующего масштаба, уже применяющих на практике решения на базе ИИ.
Источник: ВШЭ
More Read
Так, в сегменте крупных предприятий с численностью штата от 500 человек доля компаний, использующих ИИ, почти достигла 15%. А среди компаний, на которых трудоустроено не более 100 работников, применяют ИИ лишь 4%, то есть примерно в четыре раза меньше.
В целом по выборке наиболее востребована бизнесом такая функция, как ИИ-обработка визуальных данных, включая компьютерное зрение. Но в зависимости от масштаба предприятия предпочтения тоже могут корректироваться.
Так, если сравнить компании с разной численностью штата, то выяснится, что крупные организации (более 500 работников) лидируют среди остальных по внедрению прежде всего ИИ-обработки звука, включая распознавание и синтез речи (47% компаний), а также по применению ИИ-обработки текста с долей пользователей 53%.
Тогда как компании, на которых трудоустроено не более 100 человек, оказались среди остальных безоговорочными лидерами по применению на практике именно ИИ-обработки визуальных данных – в этом случае доля пользователей достигла 71%.
Если говорить про включенность технологий в конкретные бизнес-процессы, то в среднем по выборке искусственный интеллект стал наиболее востребованным в маркетинге и продажах, а наименее – в выстраивании логистики и транспортировки.
Но снова масштаб корректирует предпочтения. Компании с относительно небольшой численностью штата (до 100 человек) чаще остальных делают ставку на применение ИИ в управлении персоналом – доля пользователей таких решений составила 58%.
На крупных же предприятиях заметна более высокая, чем среди остальных компаний, заинтересованность в применении технологий ИИ для обеспечения безопасности (у 37% таких компаний) и для решения задач, связанных с логистикой транспортом, – у 23% компаний.
В среднем по выборке самые распространенные способы получения предприятиями необходимых им ИИ-решений – это либо заказ на разработку у стороннего поставщика, либо приобретение уже готового к использованию коммерческого программного обеспечения (ПО). И чем меньше компания, тем чаще она прибегает именно к этим вариантам.
Крупные же организации лидируют среди остальных по доле компаний, которые разрабатывают необходимые им ИИ-решения собственными силами (34%), а также по доле компаний, которые дорабатывают собственными силами ПО с открытым исходным кодом (32% ) либо которые сами дорабатывают ПО, приобретенное ими на коммерческой основе, – 23%.
Причина на поверхности. Как пояснили эксперты ВШЭ, финансовые возможности крупных организаций позволяют им значительно активнее, чем небольшим организациям, разрабатывать и дорабатывать технологии ИИ собственными силами, обеспечивая при продуманном подходе к цифровой трансформации максимальную адаптацию таких решений к потребностям бизнеса.
