AI2019: С чего начать внедрение искусственного интеллекта?
На конференции «Технологии искусственного интеллекта 2019» представители ведущих аналитических компаний рассказали о положении дел с внедрением «умных» информационных систем..
На пленарной сессии конференции «Технологии искусственного интеллекта 2019», которую издательство «Открытые системы» провело 22 мая, прозвучали выступления представителей крупнейших аналитических компаний, которые не только обнародовали «численные» итоги исследований развития этих технологий в России и мире, но и дали ряд рекомендаций по их внедрению.
Пока отстаем. Но не вполне понятно — насколько
Проведенное аналитической компанией КПМГ исследование российского рынка, представленное Марианной Данилиной, заместителем директора практики повышения операционной эффективности компании в России и СНГ, показало, что 28% руководителей тестируют решения на базе искусственного интеллекта (в мире этот показатель составляет 55%), планы на ближайшие два года по внедрению искусственного интеллекта имеют 53% респондентов, и 54% опрошенных планируют внедрить программных роботов.
Из отраслей, которые обычно первыми внедряют ИТ-новации, в телекоме тестируют или уже внедрили искусственный интеллект 75% опрошенных компаний, в финансовой сфере — 40%, в нефтегазовой отрасли — 25%, в металлургии — 17%, в розничной торговле — 5%, на транспорте — 1%.
Соответствующие цифры по роботам существенно выше — 100% в телекоме, 83% в металлургии и т. д. При этом, если судить по докладам на конференции «Роботизация бизнес-процессов 2019», прошедшей месяцем ранее, большинство компаний, особенно телекоммуникационные, стараются снабдить роботов элементами искусственного интеллекта для того, чтобы те могли обслуживать не только самые элементарные процессы. Однако, говоря о внедрении искусственного интеллекта, похоже, не учитывают, что эта технология присутствует и в программных роботах, видимо, решив, что там искусственный интеллект «не настоящий», — споры о том, что такое искусственный интеллект, ведутся до сих пор. И, возможно, наше отставание в деле его внедрения не так уж велико, вопрос в том, «как считать».
Как бы то ни было, российских компаний, создающих продукты для одного из выделенных КПМГ направлений развития искусственного интеллекта (анализ больших данных, прогнозная аналитика, обработка естественного языка, распознавание изображений и видео, речевые технологии), нашлось более полусотни. Самые известные из них — «Яндекс», ABBYY, Datalytica, Double Data, Heedbook и NtechLab.
Второй представитель КПМГ, руководитель направления «Умные технологии» Алена Дробышевская остановилась на препятствиях на пути внедрения искусственного интеллекта в России. Наиболее значимые из них — низкое качество накопленной информации; дефицит кадров и отсутствие практики привлечения в проектную команду экспертов в предметной области; неудовлетворительный технологический уровень компаний; отсутствие доверия к этой технологии со стороны бизнес-руководства и неясность с возвратом инвестиций.
Дополним искусственный интеллект естественным
Впрочем, как следовало из доклада Максима Григорьева, управляющего партнера Gartner, в мире ситуация немногим лучше: лишь 47% проектов внедрения искусственного интеллекта закончились успехом, еще 29% — «частичным успехом» и 24% — провалились. Причем и через пару лет, в 2021-м, как минимум половина проектов не будет заканчиваться успешно.
Выход в Gartner видят в Augmented Machine Learning — «дополненном» машинном обучении, главными компонентами которого являются концепции автоматизированного машинного обучения (Automated Machine Learning, AutoML) и Citizen Data Scientist.
AutoML, как следует из названия, позволяет автоматизировать выбор алгоритмов и параметров, что не требует высокого уровня знаний в области искусственного интеллекта от сотрудников, работающих с аналитическими моделями. Так называемый Citizen Data Scientist — специалист по данным, не обладающий высокой квалификацией в этой сфере, но зато знающий предметную область, а также обладающий пресловутыми Soft Skills, которые позволяют ему наладить взаимодействие «настоящих» специалистов по данным, отраслевых экспертов, менеджмента и т. д.
Уже в следующем году, по прогнозу Gartner, могут быть автоматизированы 30% задач в области обработки данных; расширенная аналитика станет основным фактором, учитываемым при покупке средств аналитики, платформ для обработки данных и машинного обучения; средства AutoML позволят «гражданским» специалистам по данным анализировать больший объем информации, чем это делают их коллеги, специализирующиеся на науке о данных. И уже в 2024 году нехватка специалистов не будет препятствием для проектов по внедрению средств аналитики и машинного обучения.
Начинайте с «для чего»
Представитель компании Accenture Антон Епишев, обрисовав перспективы искусственного интеллекта — как ожидается, в 2035 году эффект от его применения составит 14 трлн долл., — задался вопросом: что может помешать достичь этой цифры? Опрос 1350 топ-менеджеров показал, что лишь небольшое количество компаний окупают инвестиции в цифровые технологии как таковые.
По мнению руководителей, опрошенных в рамках проведенного Accenture исследования, основые проблемы при внедрении инноваций (в том числе искуственного интеллекта) таковы: у топ-менеджмента нет единого представления в отношении ценности инноваций; средний менеджмент тормозит все новое; навыки сотрудников, процессы и инфраструктура не готовы к переходу на «цифру». И, кроме того, многие компании думают, что существуют сами по себе, а не в текущих реалиях рынка. Что и само по себе вредно, а в эпоху перемен — тем более.
Соответственно, советы Accenture довольно просты, но не вполне очевидны.
- Начинать надо не с инноваций, а с постановки бизнес-задачи, чтобы было понятно, какой результат планируется получить от внедрения новых ИТ-систем.
- Создание новых продуктов и сервисов должно сопровождаться внутренними изменениями в компании, иначе их некому будет продавать или оказывать.
- Центры цифровых компетенций должны быть наделены полномочиями и (что озвучивается нечасто) — ответственностью за то, как их деятельность поможет решению задач бизнеса.
- И, наконец, нельзя найти «золотой инструмент», который решит все проблемы, — для каждой бизнес-функции нужно подбирать свой, наилучшим образом к ней подходящий.
Кто заплатит за интеллект?
Практическому вопросу — кто будет оплачивать проекты по внедрению искусственного интеллекта — посвятил свой доклад Виталий Максимов, председатель совета директоров компании «Транспроект Групп», член Делового консультативного совета по государственно-частному партнерству Европейской экономической комиссии ООН.
Среди проектов по внедрению «Цифровой экономики», по словам Максимова, значительная часть приходится на транспорт, ЖКХ, образование и другие сферы, в которых существенную роль играет государственно-частное партнерство. Законов, описывающих возможные формы взаимодействия, хватает (115-ФЗ «О концессионных соглашениях», 224-ФЗ «О государственно-частном партнерстве…», 39-ФЗ «Об инвестиционной деятельности…», законы о закупках 44-ФЗ и 223-ФЗ), нужно только подбирать в каждом случае наиболее подходящий.
