Почему в России катастрофически мало применяется искусственный интеллект
В своем недавнем прогнозе Gartner предсказывает объем глобального рынка искусственного интеллекта (ИИ) на уровне 1,2 трлн долларов США к концу 2018 года, что на 70% больше показателя прошлого года. Бурный рост ждет отрасль и в среднесрочной перспективе — к 2022 году вложения в ИИ составят почти $4 трлн долларов США.
Российские аналитики более сдержанны в прогнозах. Например, согласно результатам исследования «Актуальные тенденции рынка искусственного интеллекта и машинного обучения» по итогам 2017 года сегмент ИИ в нашей стране ограничивался 700 млн рублей. Причем и эта небольшая сумма включает в себя в том числе стоимость приобретенных лицензий на комплексные решения, в состав которых среди прочего входит и функциональность ИИ, но при этом не обязательно используется.
В исследовании PwC Digital IQ отмечается, что к 2017 году только 35% российских компаний инвестировали в развитие ИИ, тогда как в мире — 54%. Но уже к 2020 году эти показатели прогнозируются на уровне 74% для отечественного сегмента и 63% — для зарубежного. Доля России на рынке ML в ближайшие годы будет расти, и признаки этого мы уже наблюдаем.
Точки роста
Пока западные компании (по мнению того же Gartner) называют управление клиентским опытом одной из основных бизнес-задач, решаемых с помощью ИИ, в России технологии находят более широкое применение в оптимизации производственных процессов. Например, промышленные корпорации используют машинное обучение для выявления брака на производстве. Для предприятий с высоким оборотом повышение эффективности производства даже на 5–20% представляет собой огромный потенциал. Кстати, тенденция повышения спроса со стороны промышленников четко отражена в исследовании компании «Цифра» и Российского союза промышленников и предпринимателей, согласно которому объем российского рынка ИИ в промышленности к 2021 году достигнет $380 млн (нельзя напрямую сравнивать с вышеприведенным исследованием по ИИ, так как возможно применение различных методик).
Расширение применения систем ИИ происходят благодаря появлению новых инструментов, которые повышают точность и снижают требования как к специалистам по Data Science, так и к вычислительным мощностям. Становятся все более доступными и сами вычислительные мощности, и средства сбора информации, в частности решения в области интернета вещей.
Растут и возможности по подготовке специалистов: например, в 2017 году 5 из 10 топ-курсов образовательной платформы Coursera были посвящены машинному обучению (Mary Meeker, Internet trends 2018). На рынке появляется все больше экспертов с соответствующим опытом, и они дешевеют (это немаловажно с учетом того, что сейчас их зарплаты порой в 10 раз выше, чем у других ИТ-специалистов).
Совокупность всех этих факторов ведет к тому, что отрасль за отраслью входит в зону окупаемости применения ИИ. К примеру, отечественный рынок разговорного ИИ (чат-боты и интеллектуальные ассистенты) будет увеличиваться почти в 3 раза ежегодно, вплоть до 2023 года, по прогнозам Just AI.
Барьеры для внедрения
Даже если применение ИИ может быть результативным, далеко не всегда компании оказываются готовы к внедрению новых технологий. Исходя из практики, я вижу несколько основных причин, замедляющих распространение новых технологий, несмотря на их рентабельность.
Во-первых, организациям действительно нужно измениться самим и быть готовыми потратиться на новые статьи расходов. Дорогостоящее ПО, высокооплачиваемые вакансии, новые механизмы принятия решений и бизнес-процессы по итогам — согласование всего этого может длиться довольно долго. Причем часто в западных компаниях как раз эти вопросы решаются проще: там уже назначен ответственный за направление (Chief Data Officer), есть бюджет и есть поддержка этих изменений на уровне центрального офиса.
Во-вторых, искусственный интеллект встречает серьезное сопротивление со стороны своих «человеческих конкурентов». Например, опытному инженеру, который 40 лет работает в цехе и прекрасно знает, «что и как должно быть», требуется пересмотреть отношение к своей работе, согласиться с коррективами в механизме принятия решений, научиться взаимодействовать со специалистами по Data Science. Последние не заменят реальных экспертов, которые досконально знают свою предметную область, могут правильно поставить задачу, интерпретировать полученные данные и главное — применять созданную модель для достижения конкретных бизнес-результатов. Специалисты по Data Science станут их помощниками и партнерами. Но для понимания этого требуется время, а также стимулирование со стороны руководителей и владельцев бизнеса.
В-третьих, многие стартапы, готовые создать прорывные решения, часто оказываются неспособны завершить проект и внедрить реально работающую систему. Побеждая в популярных хакатонах, молодые команды решают задачи бизнеса в том числе с помощью машинного обучения, однако в большинстве случаев самостоятельно провести интеграцию, подготовить методику испытаний, протестировать системы, оценить возможность сбора дополнительных данных и т.д не могут. Эту трудность можно разрешить, привлекая опытные компании, имеющие опыт по интеграции решений в сложные и неповоротливые бизнес-процессы корпораций.
Эти препятствия характерны не только для России. В недавнем исследовании Fujitsu и Pierre Audoin Consultants (PAC) по Европе отмечается: самыми серьезными факторами, тормозящими внедрение ИИ, считаются отсутствие его доступности в готовых решениях (61%), а также внутренняя культура и процессы предприятия, которые серьезно затрудняют внедрение технологии (52%).
Перед прыжком
Машинное обучение и искусственный интеллект применимы в массе областей деятельности любого крупного предприятия — от борьбы с промышленным браком, оптимизации производства, управления складскими запасами и информационной безопасностью до управления персоналом, маркетинга и электронной коммерции. И это разнообразие в областях применения успешно реализуется уже сейчас.
- Бинбанк использует искусственный интеллект в маркетинговых коммуникациях, что позволило компании в 3 раза снизить стоимость привлечения новых клиентов, по собственным данным фирмы.
- Росбанк с помощью ИИ выбирает оптимальное расположение розничных отделений.
- В банке ВТБ запущена кросс-канальная система противодействия мошенничеству на базе методов машинного обучения и углубленной аналитики.
- В сети «Рив Гош» по итогам нашего проекта, представленного на конференции Forbes, искусственный интеллект с точностью до 47% оценивает шансы прихода в магазин того или иного держателя карты лояльности и в 33% случаев угадывает, какие два товара из десятков тысяч он приобретет в ближайшие две недели.
- Сеть гипермаркетов «Лента» работает над усилением клиенториентированности, используя аналитику Revionics и машинное обучение.
- В «М.Видео» с помощью искусственного интеллекта мы с коллегами сегментируем брошенные в интернет-магазине корзины, выявляем, по каким причинам покупки не доведены до конца.
- Новолипецкий металлургический комбинат выделил десятки производственных процессов, в которых возможно применение ML-технологий и теперь предприятие последовательно отрабатывает каждый из них совместно с нашими специалистами.
- Компания «Химпром» заявила о внедрении рекомендательной ИИ-системы, которая будет определять оптимальные технологические режимы и позволит увеличить производительность на 5%.
Не только коммерческий сектор активно тестирует возможности искусственного интеллекта: в проектах поддержки государственных инициатив технологии также аппробируются. Например, в программе «Умный город» автоматизируется поиск преступников в московском метро и инновации в образовании.
Оптимизация конкретного бизнес-процесса с помощью ИИ может заработать или сэкономить всего 3–5%, но раз таких бизнес-процессов десятки, при грамотном подходе регулярная работа по внедрению технологии может дать гигантский общий эффект. И чем раньше компания начнет на практике внедрять искусственный интеллект, учиться на ошибках, меняться и наращивать свои компетенции в использовании этой новой технологии, тем сложнее потом будет ее догнать конкурентам.
Фото Pixabay
При использовании материала гиперссылка на соответствующую страницу портала HR-tv.ru обязательна
