Российский бизнес тестирует генеративный искусственный интеллект

Участники совместной сессии «Ведомостей» и ЦИПР обсудили практику и перспективы внедрения ИИ

По данным исследования Высшей школы экономики (ВШЭ), две трети российских организаций тестируют технологии искусственного интеллекта (ИИ) и оценивают их возможности для бизнеса. Наиболее востребованные продукты – видеоаналитика, генеративные технологии и интеллектуальные системы управления. При этом среди основных барьеров для более массового внедрения инструментов остается нехватка бюджета и боязнь ошибиться на этапе тестирования, а также непонимание, как оценить реальный эффект от таких технологий. Примеры использования наиболее популярных решений и сложности, с которыми сталкиваются разработчики и предприятия, внедряющие их, обсуждались участниками совместной сессии «Ведомостей» и ЦИПР «Что вы не знали про внедрение генеративного ИИ, но всегда хотели спросить», прошедшей 21 мая в Нижнем Новгороде.

Масштабный опрос заказчиков МТS AI показывает, что наибольшим спросом пользуются решения с применением генеративных моделей, связанные с аналитикой текстовых данных, и так называемые системы copilot (инструменты на основе ИИ) для программистов. Для удовлетворения этого запроса, говорит исполнительный директор MTS AI Дмитрий Марков, компания вывела на рынок большую языковую модель Cotype, которая позволяет работать с различного рода текстовой информацией и суммировать эти данные для дальнейшего анализа. И Kodify – сервис генерации и автодополнения кода для оптимизации процесса разработки: он помогает программистам ускорить написание кода примерно на треть за счет автоматизации задач. «То есть, если предприятию нужно было нанять, например, дополнительную тысячу программистов, то сейчас понадобится, по нашим расчетам, на 300 человек меньше», – иллюстрирует он. В перспективе, полагает Марков, все крупные игроки будут использовать генеративные сети, адаптированные для внутреннего использования. 

Спрос на генеративные модели растет со стороны двух категорий клиентов, говорит руководитель направления «Инновационные технологии» компании К2Тех Антон Воробьев. К первой категории он относит компании, которые приходят за новыми решениями в связи с изменением внутренних бизнес-процессов или запуском новых проектов. Второй тип заказчиков стремится привнести в текущую деятельность своих сотрудников дополнительные «качество, скорость и функционал». Это касается и работы IT-специалистов и административного корпуса, прежде всего в HR и маркетинге, отмечает эксперт.

Заказчиков из промышленности также интересуют решения на основе технологий распознавания и синтеза речи, биометрии, компьютерного зрения и кибербезопасности. Популярны и «коробочные» продукты, которые отличаются более низкой стоимостью и готовым функционалом «в пакете».

Почему ИИ еще не в каждом бизнесе

Основные барьеры для распространения ИИ, которые отметили участники сессии – существенные объемы требуемых инвестиций, а также дефицит кадров. По данным ВШЭ, более 60% компаний в России тратят на внедрение новых инструментов менее 1% от общих затрат. Такое осторожное отношение объясняется достаточно долгим циклом реализации и возможностью оценки экономических эффектов, отложенной по времени. Иногда оценить бизнес-эффекты руководителям не позволяет, например, недостаток экспертизы по стандартам сложных решений, говорят участники мероприятия.

Российский бизнес сейчас переживает период адаптации к искусственному интеллекту, сказала партнер группы компаний Б1 Наталия Алешина. Значительных экономических эффектов на данном этапе, считает она, ожидать рано. «Основная задача – «взять количеством, а не качеством», попробовать, где именно в вашем бизнесе применение искусственного интеллекта будет эффективным», – уточняет она.

«Галлюцинации искусственного интеллекта» сейчас обсуждаются гораздо реже, чем в начале развития решений ИИ, отмечает эксперт. Но если компания планирует отдать ИИ-модели право принимать решения, то следует заранее договориться о методах и критериях проверки этих решений, уточняет она. «Задача в том, чтобы освободить руки и головы специалистов для каких-то более интересных и творческих задач», – заключает Алешина.

При этом Алешина считает, что руководителями разных уровней важно проводить разъяснительную работу и работу с возражениями в коллективе на этапе внедрения ИИ-инструментов. «Всегда должна быть поддержка изменений на высшем уровне, – подчеркивает она. Если руководство не заинтересовано в какой-то задаче или проекте, ниже тоже никто не будет заинтересован». Вовлеченность в новые возможности повысится, полагает она, если ключевые руководители будут говорить о важности этих решений как внутри компании, так и на публичных выступлениях. Наконец, добавляет она, необходимо минимизировать сопротивление сотрудников при внедрении нового функционала, заверив их, что они имеют право на ошибку.

«Важно не оставлять людей один на один с новой технологией, потому что это всегда страх, отторжение и опасение последствий», – объясняет Алешина.

Боязнь ошибиться является одним из самых серьезных барьеров, мешающих массовому внедрению искусственного интеллекта и генеративных нейросетей, говорит Дмитрий Марков. Сотрудники боятся, что при неудачном внедрении новых технологий их могут лишить премии или уволить – этот фактор существенно замедляет распространение ИИ. 

Полномасштабному внедрению технологии, помимо дефицита специалистов, оборудования и финансирования, также мешает недостаток целеполагания, добавляет Антон Воробьев. «Нельзя идти во внедрение искусственного интеллекта, если не понимаете, какую проблему вы решаете», – указывает он. Иногда на предприятиях нет представления, что именно они хотят получить от нового инструмента и какую ценность он должен принести. Поэтому, продолжает Воробьев, бизнесу лучше «сформулировать, проверить и отбросить» двадцать гипотез, чем «завалить один проект».

Медленнее всего заказчики решаются на применение интеллектуальных систем управления для автоматизации сложных процессов. При этом растет интерес к инжинирингу с привлечением генеративного ИИ, говорит начальник управления больших данных и продвинутой аналитики «Цифровые технологии и платформы компании «Еврохим» Николай Ксензик. «Это, в частности, автоматическая расстановка деталей на 3D-чертежах, что позволяет быстрее и точнее создавать 3D-модели в соответствии с функциональными требованиями», – поясняет он. В перспективе такое решение ускорит как проектирование в целом, так и сдачу в эксплуатацию строительных объектов.

Промышленные предприятия также начинают проявлять интерес к генеративным технологиям. По словам директора по развитию цифровых технологий компании «Евраз» Максима Феопентова, в этом году в ней запустили 14 пилотных проектов, в том числе в части производства. Один из основных проектов – создание корпоративной информационной базы для ускоренного анализа данных, рассказал он.

«В любой компании есть много информации и документации, производственной и общекорпоративной, и существует потребность в том, чтобы система, как некая база знаний, выдавала краткий ответ по запросу», – пояснил Феопентов. В компании ознакомились с международными исследованиями, согласно которым трудозатраты бизнеса за счет применения ИИ можно сократить в среднем на 30%. Вместе с тем, там понимают, что «достаточно дорогая по своей инфраструктуре» история может и не окупиться, добавил представитель «Евраза». «Мы для себя это приняли, сравнивать затраты и полученные эффекты будем позднее», – заключил Феопентов.