Искусственный интеллект в бизнесе: помощник, начальник или конкурент?

Искусственный интеллект в бизнесе: помощник, начальник или конкурент?
Публикации
2 февраля 2024
В чем конкретно ИИ помогает бизнесу? Какие задачи по плечу ИИ? Готов ли бизнес позволить ему принимать решения в компании, и надо ли это делать? Как продавать и внедрять ИИ-решения у клиентов? Александр Борисов, руководитель направления Data Science компании «Иннодата», в обзоре IT World.
Одним из наиболее перспективных направлений в области информационных технологий сегодня можно назвать искусственный интеллект. На протяжении многих столетий человек мечтал об умном помощнике, который бы делал за него рутинную работу. В сфере ручного и физического труда такие помощники давно изобретены. Это автомобили, станки и прочие продукты промышленной революции. Сейчас мы вступаем в эпоху «интеллектуальной революции». Машины научились помогать человеку не только в физическом, но и в умственном труде, в процессе принятия решений. Конечно, думать как человек, ИИ не умеет. Он лишь способен анализировать колоссальные объемы данных и на основании этого анализа выдавать результат, который может быть полезен всем — от школьника до ученого. Но больше всего возможностей искусственный интеллект открывает бизнесу, компаниям различного уровня и специализации. Применение ИИ в бизнесе выходит за рамки простой автоматизации процессов и стремится к повышению эффективности, инновационности и конкурентоспособности.

В чем конкретно ИИ помогает бизнесу? Одно из главных преимуществ ИИ заключается в способности обрабатывать огромное количество данных быстрее и точнее, чем это могли бы делать люди. Алгоритмы машинного обучения способны анализировать сложные наборы данных, выявлять закономерности и тенденции, что помогает компаниям принимать обоснованные решения, основанные на данных. Это касается различных аспектов деятельности — от управления запасами и логистики до маркетинговых стратегий и оптимизации цен. Среди других сфер применения ИИ: персонализация клиентского опыта и предложения, операционная эффективность, маркетинговая стратегия, новые идеи по развитию продуктов и услуг и многое другое. Но широкий выход в свет ИИ и нейросетей многие эксперты сравнивают с такими эпохальными событиями, как изобретение Интернета и появление мобильной связи.

Какие задачи по плечу ИИ?

Вместе с тем эксперты предостерегают от завышенных ожиданий к ИИ. «На волне всеобщего оптимизма по отношению к ИИ часто используется подход «если у вас есть молоток — кругом одни гвозди». На практике это приводит к росту доли неуспешных ИИ-проектов и в конечном итоге — к разочарованию в технологии, — отвечает Александр Борисов, руководитель направления Data Science компании «Иннодата». — Это не новая история — так уже было в 1973 и 1987 годах, когда случились две первые зимы искусственного интеллекта. В настоящее время используются методологии, которые позволяют избежать завышенных ожиданий от применения ИИ как на старте проекта, так и в ходе его реализации. Начинать следует с использования ИИ для поддержки решений, основанных на большом объеме данных, которые часто меняются, легко масштабируются и не допускают ошибок. Такой подход не заменяет человека в бизнес-процессах, а снимает с него рутину, раскрывает творческий потенциал и повышает производительность».

Так решил ИИ

Одно дело — воспринимать ИИ в качестве помощника и советчика. Совсем другое — позволить ему принимать решения в компании, не только операционные, но с стратегические. Готов ли бизнес доверить ему такую миссию и надо ли это делать? 

Александр Борисов: Для старта общая рекомендация — использовать ИИ для поддержки принятия решений, которые опираются на накопленные данные, часто повторяются с большой вариативностью, легко масштабируются и имеют устойчивость к ошибкам.

Возврат инвестиций

Александр Борисов: Любой ИТ-проект должен сопровождаться возвратом инвестиций (ROI), иначе он теряет всякий смысл. «Кроме проектной методологии и правильного выбора точки приложения усилий, существуют и другие способы повышения ROI от вложений в ИИ — например, использование платформ MLOps для снижения стоимости владения сервисами на основе ИИ, снижения числа инцидентов при их эксплуатации и даже уменьшения time-to-market при разработке и обновлении ИИ-сервисов. Этот подход успешно развивается с 2018 года, когда был представлен Google на презентации Kubeflow, и в настоящее время реализован в различных комплексах ПО, включая российские». 

Читать обзор.