Компании ищут эффективные решения применения искусственного интеллекта

Дискуссия «Искусственный интеллект и большие данные: как быстро перейти к результату в цифрах» на «Альфа-Саммите» в Екатеринбурге собрала руководителей IT-направлений крупных российских компаний. Эксперты обсудили, как превратить искусственный интеллект (ИИ) в рабочий инструмент для бизнеса: какие сценарии внедрения уже приносят результат, а какие оказались провальными.

Участники встречи сошлись во мнении, что рынок уже перешел от локальных экспериментов с ИИ к масштабируемым решениям, а не анализировать эти возможности – значит проиграть в будущем. «Игнорировать ИИ и то, что он дает в бизнес-процессах компаний, сейчас уже невозможно», – подчеркнул руководитель департамента разработки и поддержки продаж транзакционных продуктов Альфа-банка Александр Горинов.

С ним согласен директор центра развития цифровых технологий «Норникеля» Алексей Тестин. «ИИ помогает нам повышать качество и объемы производства», – отметил он. Компания в результате внедрения новой технологии уже дополнительно генерирует 2% к EBITDA (англ. earnings before interest, taxes, depreciation and amortization – прибыль до вычета процентов, налогов и амортизации. – «Ведомости. Инновации и технологии»), это примерно $100 млн ежегодно, рассказал Тестин.

Горнодобывающая отрасль, по мнению эксперта, сегодня стоит на пороге технологического сдвига: через пять–семь лет отставание в применении ИИ-решений грозит проигрышем в себестоимости продукции мировым лидерам, таким как Anglo American и BHP. Сегодня «Норникель» фокусируется на предиктивном ИИ и машинном обучении (ML) для управления крупными агрегатами, поделился Тестин. Например, в компании научились с помощью технологии управлять измельчающей руду мельницей, прогнозируя ее работу в течение следующих 15 минут и своевременно корректируя.

Директор по развитию ИИ X5 Михаил Неверов считает, что внедрение новых технологий сильно изменит многие специальности. С помощью ИИ можно будет решать больше разноплановых задач. Спикер также отметил высокий потенциал автоматизации ряда профессий. «Люди перестали [в резюме] писать, что они «умеют включать компьютер», потому что все умеют включать компьютер, – это перестало их выделять. Ровно такая же история с ИИ», – сказал он.

Разрыв в эффективности

По словам экспертов, бизнес демонстрирует крайне неоднородные результаты внедрения ИИ. В одних случаях инструменты показывают высокую эффективность, в других – не приносят ощутимой экономической отдачи и не масштабируются, считают участники форума.

К негативному результату приводит, в частности, опора на неактуальные данные при разработке стратегии, отметил Горинов из Альфа-банка. Именно качество данных, продолжил он, часто становится главным препятствием: их нечистота, разрозненность и неактуальность создают серьезные проблемы. Многие компании принимают стратегические решения на основе информации, которая впоследствии оказывается неверной, неполной или ретроспективной. «Это действительно большая проблема», – считает Горинов. Чтобы решить эту задачу, в Альфа-банке создали решение «Альфа-Инсайт», которое предоставляет комплексные данные о клиенте, его доле на рынке, отрасли, покупателях и конкурентах, рассказал эксперт. По его словам, благодаря применению ИИ «Альфа-Инсайт» позволяет быстро делать глубокие выводы из этих данных. «Компании, которые используют такой подход, такие продукты на рынке, действительно принимают более эффективные решения», – уверен он.

Кроме того, одна из частых причин «провалов» – изменение требований к проекту уже в ходе его реализации, рассказал руководитель направления «Искусственный интеллект» IT-холдинга Т1 Сергей Голицын, выступая на «Альфа-Саммите». Это приводит к невозможности точно посчитать «на входе» эффективность внедрения технологии, пояснил эксперт.

Обернуть ошибку в опыт

Однако неудачный запуск пилотного проекта не всегда является негативным результатом, отметили участники дискуссии. Часто это полезный опыт, считает Горинов.

Как рассказал Неверов из X5, эффективное управление ИИ-разработкой требует зрелой инфраструктуры: MLOps (Machine Learning Operations, методология машинного обучения, которая объединяет разработку ML-моделей и их эксплуатацию в единую систему. – «Ведомости. Инновации и технологии») для управления жизненным циклом моделей и AgentOps (платформа для разработчиков, которая облегчает тестирование, отладку и развертывание ИИ-агентов. – «Ведомости. Инновации и технологии»). Такой подход позволяет проверять гипотезы в кратчайшие сроки (до одного дня) и быстро останавливать неперспективные проекты, что является стандартной практикой, сказал Неверов. «Плохо, когда вы начинаете инвестировать в это слишком много и долго. Ваша задача не добиться, чтобы 10 из 10 гипотез сработали (венчурные фонды живут в ситуации, когда из 100 инициатив взлетают и окупаются лишь две), а научиться очень быстро определять, что история не работает», – считает он.

Голицын поддержал эту позицию. По его словам, если пилотный проект закончился неудачей и не пошел в разработку, это даже хорошо: компания осознала риски. Хуже, когда гипотеза подтвердилась, но на этапе расчетов выясняется, что проект не окупится, а средства уже потрачены. По данным эксперта, пока ключевой запрос, с которым бизнес приходит для выработки стратегии применения ИИ, – именно снижение затрат производства, а не получение прибыли.

Тестин отметил, что при высокой маржинальности бизнеса c показателем 30–40% в отличие от ритейла с его 6% не стоит делать упор на кейсы по экономии затрат: эффективны только те кейсы, которые ориентированы на рост и заработок, а не на сокращение издержек. Кроме того, по словам представителя «Норникеля», не стоит браться за проекты, где нет данных или собрать их проблематично.

Технология для всех

По мнению представителей бизнеса, применение ИИ больше не является исключительной прерогативой компаний, обладающих значительными объемами данных, технологии становятся доступны широкому кругу игроков. Неверов подчеркнул, что сегодня «порог входа» в ИИ очень низкий. Голицын, в свою очередь, отметил, что ситуация кардинально изменилась: если раньше сложные технологии сначала появлялись у крупнейших корпораций и лишь затем «спускались вниз», то теперь этот тренд развернулся в обратную сторону.

«К нам приходят молодые стартапы, где два-три человека в команде, и они с очень небольшим бюджетом могут позволить себе создать ИИ-агентов, написать небольшое ML-решение», – поделился Тестин. По его словам, сейчас уже студенты спокойно справляются с задачами, для которых пять-семь лет назад нужно было бы нанимать хороших разработчиков.

Горинов призвал руководителей компаний лично использовать инструменты ИИ и демонстрировать командам готовность поддерживать инициативы по их применению. По его мнению, призывы к внедрению не сработают, если руководитель сам не пользуется технологиями. Он подчеркнул, что второй важный момент – системный подход: многие базовые вещи компании уже сегодня могут делать самостоятельно с минимальными бюджетами.

Эксперт отметил, что на рынке появляется все больше сервисов, агентов и ассистентов от стартапов, небольших команд и IT-специалистов. Однако он предупредил, что следующим шагом станет переход от предложения отдельных ИИ-инструментов, которые компании должны встраивать в свои процессы, к готовым сервисам, «под капотом» которых работает ИИ.

«Будьте готовы замечать вовремя, какие решения можно и нужно потребить и встроить, потому что это сразу будет менять рынок, давать преимущество тем, кто первым будет использовать такие эффективные решения», – резюмировал Горинов.