ИИ в бизнесе и на производстве: какие факторы имеют значение

Искусственный интеллект в корпоративном секторе дебютировал. О том, насколько успешно, можно спорить — на рынке имеется множество примеров ИИ-проектов с самыми разными результатами. Какие факторы помогут добиться реальных успехов в ИИ-проектах? Мы попросили ответить на этот вопрос экспертов, планирующих принять участие в намеченном на 12 сентября форуме «Интеллектуальное предприятие».

Ключевые факторы успеха ИИ-проектов

Опрошенные нами эксперты сошлись во мнении о том, что первостепенное значение для успеха ИИ-проектов имеют достаточные объемы качественных (именно качественных!) данных, четко поставленные бизнес-цели и измеримые результаты, которые планируется достичь, а также квалифицированная команда. В отношении других слагаемых успеха эксперты взаимно дополняют друг друга.

«Практически для любой модели машинного обучения требуется значительный объем данных — накопленных, как минимум, за три года. Причем они должны быть систематизированы и обладать большой глубиной», — поясняет Максим Жаров, менеджер по работе с клиентами компании «Синимекс».

Людмила Голицына: «Чем точнее продукт будет выполнять возложенные на него функции, тем успешнее будет его использование»

«Чем точнее продукт будет выполнять возложенные на него функции, тем успешнее будет его использование, — продолжает Людмила Голицына, руководитель отделения разработки и эксплуатации сервисов фирмы «1С». — Например, в OCR-продуктах важно качество распознавания не только в целом, но и при решении конкретной задачи пользователей. Если же говорить о создании собственных инструментов на базе ИИ, то здесь, как всегда, очень важно иметь сильную команду специалистов. Кроме того, нужны соответствующие данные и оборудование. Например, обучить модель распознавания речи можно и на домашнем компьютере за несколько дней на дата-сете из тысячи часов аудиозаписей, однако для получения качественного результата требуются, по крайней мере, десятки серверов и сотни тысяч часов аудио».

Александр Кныш, директор департамента реализации проектов ГК «Максима», ключевыми показателями успеха ИИ считает его применимость в той или иной области, а также осязаемые эффекты от его внедрения: «ИИ имеет множество ограничений, связанных с особенностями работы алгоритмов и сложностями их реализации. Чем сложнее и крупнее бизнес или процесс, тем сложнее внедрить ИИ — нужно больше времени, трудозатрат, при этом будет выше риск того, что это либо не заработает, либо не даст ожидаемого эффекта».

Владислав Беляев: «Донести ценность использования ИИ до нескольких десятков тысяч человек персонала — важная задача, которую нужно уметь решать»

По мнению Владислава Беляева, сооснователя и исполнительного директора компании AutoFAQ, успех также зависит от того, насколько широко продвигается применение ИИ-инструментов внутри организации: «Донести ценность использования ИИ до нескольких десятков тысяч человек персонала — важная задача, которую нужно уметь решать. Можно, например, размещать чат-боты в привычных для сотрудников местах — порталах и «точках притяжения» в офисах. Можно проводить регулярные обсуждения с разбором ситуаций, которые смогли решить боты. Можно сопоставить скорость и эффективность решения задачи через цифрового помощника, сравнив, например, с обработкой обращения по телефону. Можно организовать конкурсы на лучшее имя для чат-бота. И так далее».

Сергей Ахметов, генеральный директор HRTech-компании «Поток», обращает особое внимание на наличие в организации развитой инфраструктуры для обработки данных и обучения моделей, а также на грамотную интеграцию с другими системами и процессами. В зависимости от стоящих перед организацией задач можно выбрать точечное внедрение с подключением всего одного ИИ-инструмента (например, чат-бота для взаимодействия кандидатов на прием с кадровой службой) или широкое — с интеграцией ИИ-решений во множество процессов. «Подразумевается, что ИИ будет задействован на всех этапах работы с кандидатом — это в два раза увеличит скорость обработки релевантности вакансии и прохождение кандидата по воронке найма вплоть до выдачи оффера», — комментирует Ахметов.

Сергей Голицын: «Точечные ИИ-проекты реализуются быстрее, проще, с меньшими рисками. Вместе с тем, цифровизация широкого спектра процессов с применением ИИ дает ощутимый синергетический эффект»

Сергей Голицын, руководитель направления Т1 ИИ в холдинге Т1, подчеркивает значимость экономического эффекта от внедрения новой технологии, а также наличие цифровой платформы, включающей в себя хранилище данных, правильно выстроенные процессы сбора данных и аналитические витрины. Что же касается точечного либо широкого применения ИИ, то у обоих подходов есть и преимущества, и недостатки, уверен Голицын: «Точечные ИИ-проекты реализуются быстрее, проще, с меньшими рисками, при этом позволяют оперативно корректировать процесс. Вместе с тем, цифровизация широкого спектра процессов с применением ИИ дает ощутимый синергетический эффект и позволяет получить конкурентные преимущества в масштабах всей компании, но при этом требует больше ресурсов».

Илья Смирнов, руководитель направления искусственного интеллекта и машинного обучения ГК «Юзтех», отмечает важность оценки экономической целесообразности внедрения технологий на базе ИИ и поддержки со стороны производственников: «По нашему опыту, главными составляющими успешного ИИ-проекта являются его осознанность, предварительная оценка применимости искусственного интеллекта и контроль бюджета. Цифровизация — это не столько широкое внедрение технологий, сколько осмысление бизнес-процессов. Нужен ли здесь искусственный интеллект? Какой результат хотим получить? Ответить на эти вопросы следует заранее, а затем придерживаться выбранного вектора». Что касается областей применения ИИ на производстве, то их спектр достаточно широк: оптимизация цепочек поставок, контроль качества, оптимизация технологических процессов и многое другое.

Негативные факторы и риски

Вполне ожидаемо, что главными негативными факторами ИИ-проектов эксперты назвали недостаточное количество и качество данных, а также нечеткое понимание целей и задач проектов.

Помимо нехватки данных и сложностей (например, юридических) с их получением, к факторам риска Голицына относит неготовность организаций заниматься внедрением и дообучением моделей на месте и желание получить быстрый результат. Кроме того, на итогах проекта может сказаться низкий уровень организации учета: «Часто организации недостаточно аккуратно вносят данные в учетные базы данных. Это, конечно, затрудняет обучение моделей», — добавляет Людмила.

О важности результата напоминает Кныш: «Если заказчик не увидит явных эффектов от внедрения ИИ, то вся работа команды пойдет насмарку». Еще одним ключевым фактором он считает качество работы ИИ и возможность его масштабировать, развивать и совершенствовать в рамках выполняемой задачи.

Илья Смирнов: «Важно донести до сотрудников, что ИИ их не заменит, а лишь освободит от рутинных задач и станет советчиком при принятии решений»

Смирнов особо отмечает значимость пилотных проектов: «В случае игнорирования этого этапа ИИ-проект может затянуться или вовсе стать убыточным. Необходимость проверять и оценивать возможность применения технологий на отдельных производственных переделах — важная составляющая успешного проекта. Пилотный этап помогает выявить проблемы, связанные с недостатком данных, обнаружить противоречия в описании производственных процессов, ошибки выбора алгоритма и т.д. Еще одним барьером может стать непринятие цифровизации со стороны производственного персонала: он довольно легко воспринимает цифровизацию нулевого уровня (например, установку сенсоров или дашборды), однако, например, разработку советника-подсказчика принимает “в штыки”. Важно донести до сотрудников, что ИИ их не заменит, а лишь освободит от рутинных задач и станет советчиком при принятии решений».

«В первую очередь негативно на результатах ИИ-проектов может сказаться недостаточная квалификация исполнителей, — уверен Голицын. — Кроме того, эффект ИИ-проектов бывает трудно оценить заранее, до первых пилотных проектов — есть риск недооценить или, напротив, переоценить получаемые выгоды. Еще одной проблемой может стать недостаточное финансирование ИИ-проектов, особенно это касается затрат на качественное оборудование. Иногда приходится сталкиваться с опасениями в отношении угроз кибербезопасности, в том числе конфиденциальности данных».

«ИИ-проекты часто требуют совместной работы специалистов из разных областей. Отсутствие координации и сотрудничества между командами может негативно повлиять на результаты, — продолжает Беляев. — Затруднить обработку больших объемов данных или сделать реализацию проекта принципиально невозможной может также отсутствие необходимой вычислительной мощности и инфраструктуры».

Максим Жаров: «Не имея четкой цели применения ИИ и глубокого понимания бизнеса, можно получить лишь набор основных характеристик, на основании которых построить верные гипотезы невозможно»

На влияние человеческого фактора, в том числе нереалистичных ожиданий заказчиков проекта и неготовность сотрудников компании к изменениям обращает внимание и Жаров: «Если, например, бизнес рассчитывает в результате ИИ-проекта получить полезную информацию для вывода на рынок новых продуктов или услуг, то, скорее всего, результаты его разочаруют. Да, машинное обучение предоставляет возможности для аналитики, но его цель — не в коренном пересмотре стратегического курса. Кроме того, не имея четкой цели и глубокого понимания бизнеса, можно получить лишь набор основных характеристик, на основании которых построить верные гипотезы невозможно».

Ахметову и его коллегам часто приходится сталкиваться с недостаточным уровнем автоматизации бизнес-процессов в HR-службах. Кроме того, сами рекрутеры могут не доверять решениям, принимаемым ИИ-системами, особенно в таких чувствительных областях, как найм. «Например, рекрутер может не принять мнение системы о несоответствии должности кандидата, если не понимает логику этого вывода. Или, наоборот, ИИ-система может определить кандидата как “подходящего”, но при этом не учесть другие факторы, такие как личность кандидата и его соответствие корпоративной культуре».

Что важнее — идея, инструменты, команда или способность принять ИИ?

Напоследок мы попросили экспертов распределить доли в успехе ИИ-проектов между удачно выбранной идеей применения ИИ, правильно выбранным и качественным инструментом для ее реализации, правильно выстроенными усилиями команды проекта и способностью заказчика проекта принять, освоить и затем правильно использовать ИИ.

По оценке Беляева, весовые характеристики этих четырех факторов следует распределить таким образом: по 30% — первые два фактора и по 20% — третий и четвертый.

«Важно понимать, что каждый из этих факторов играет ключевую роль в успехе ИИ-проекта, и их сочетание определяет общую его эффективность, — продолжает Жаров. — 50% успеха в связке зависит от идеи и инструментов ее реализации: правильный выбор задачи определяет потенциал проекта, а инструменты обеспечивают надежность решения. Вторые 50% успеха зависят от людей, задействованных в проекте: скоординированная работа команды и готовность заказчика интегрировать ИИ в свои бизнес-процессы критически важны для долгосрочного успеха».

По мнению Голицыной, правильно выбранная идея применения ИИ и подходящие, качественные инструменты реализации — это залог успешности проекты. «Вклад этих пунктов в успешность проекта достигает 60–65%. Конечно, большое значение имеет работа проектной команды и то, как конечные пользователи будут применять решение, поэтому эти факторы тоже очень важны, их доля в успехе проекта составляет не менее 35–40%», — поясняет Людмила.

Сергей Ахметов: «Первостепенное значение имеет способность бизнеса принять, освоить и затем правильно использовать ИИ»

Ахметов на первое место ставит способность заказчика (т.е. бизнеса) принять, освоить и затем правильно использовать ИИ. Остальные факторы он расставляет следующим образом: правильно выстроенные усилия команды проекта, удачно выбранная идея применения ИИ (потому что ИИ должен решать реальную проблему и приносить ощутимую пользу) и правильно выбранные и качественные инструменты (платформы, модели ИИ и др.) для реализации идеи.

«Станет ли инновация продуктом и будет ли использоваться в бизнес-процессе, зависит от идеи и способности заказчика принять инновацию, освоить и правильно использовать, — считает Голицын. — По нашему опыту, из множества рациональных идей единицы доходят до продуктивной эксплуатации. Чаще это связано с рыночной конъюнктурой: сказываются высокая стоимость внедрения, недостаточный эффект, неготовность рынка принять инновацию, неверно заложенные ожидания и т.д. Безусловно, большую роль играют инструменты реализации, а также качество проектного или продуктового управления».

Александр Кныш: «Если заказчик ясно и четко понимает и принимает правила работы с ИИ, имеет штат, готовый трудиться в этом направлении, то вероятность успеха будет очень высокой»

По оценке Кныша, 90% успеха проекта зависит от понимания и готовности бизнеса осваивать и применять ИИ: «Если заказчик ясно и четко понимает и принимает правила работы с ИИ, имеет штат, готовый трудиться в этом направлении, то вероятность успеха будет очень высокой, а выбор инструментов и поиск способов реализации идеи существенно упростится».

Каждый из четырех факторов важен, соглашается Смирнов, причем именно их синергия приводит к успеху ИИ-проекта. Тем не менее, первостепенное значение он придает выбору идеи применения ИИ. Оценка необходимости оптимизации того или иного производственного участка также крайне важна. Кроме того, безусловно, важны команда и выбор правильного инструмента. «Квалифицированная команда специалистов сможет провести анализ всех составляющих и предложить способы оптимизации производственного участка, — поясняет Смирнов. — Часто выясняется, что производству нужен не “умный” помощник на базе ИИ, а математический алгоритм. И тогда можно не затевать сложный и дорогой ИИ-проект, а внедрить более простое и менее затратное решение, полностью соответствующее ожиданиям заказчика».

Как видим, на результаты ИИ-проектов влияет множество нюансов, как технологических, так и непосредственно связанных с человеческим фактором. Среди нет какого-то одного решающего, необходим эффективный баланс между всеми ключевыми слагаемыми успеха ИИ.