Технологии искусственного интеллекта уже сейчас делают более быстрой и удобной работу с проектными данными, помогая принимать решения управленцам всех уровней. Какие сценарии применения ИИ существуют в управлении проектами сейчас, оправдывают ли достигнутые результаты стоимость внедрения и какие перспективы ждут индустрию в будущем?
Рост ИИ в России и в мире
Бизнес начал активно внедрять ИИ в свои бизнес-процессы, заявляют аналитики. Так, согласно исследованию Comindware и PEX Network, 20% респондентов уже используют ИИ для оптимизации операционных расходов, а 35% планируют применить ИИ для совершенствования деятельности в ближайший год.
Российский рынок двигается в направлении мировых трендов. Согласно данным совместного исследования «Яков и партнеры» и компании «Яндекс» «Искусственный интеллект в России — 2023: тренды и перспективы», 20% крупных российских компаний уже используют генеративный искусственный интеллект.
Несмотря на ажиотаж в информационном пространстве и активную заинтересованность бизнеса, крупные корпоративные клиенты не спешат делегировать ИИ-решениям много задач. И если в финтехе, e-comm и телекоме новые инструменты уже практически стандарт отрасли, то в промышленном производстве, добывающих отраслях, строительстве ИИ пока применяют в тестовом режиме, изучая и оценивая возможности новых решений для бизнеса.
Что сдерживает внедрение искусственного интеллекта в российский бизнес?
Дорого. По нашему опыту взаимодействия с представителями бизнес-сообщества, первый сдерживающий фактор — ИИ бьет по бюджетам. Для многих становится заградительной стоимость «железа». Когда мы говорим о локальном развертывании, то внедрение ИИ фактически требует модернизации ЦОДа. Взвешенный подход заказчиков и стремление к сокращению операционных расходов вызывают сложности с экономическим обоснованием масштабных внедрений.
Сложность оценки экономического эффекта. Прошло недостаточно времени со старта бурного развития технологий генеративного ИИ. Сегодня слишком мало публичных кейсов использования ИИ, а тех, что дают оценку экономического эффекта — практически нет. На наших глазах меняется технологический уклад и происходит революция сродни той, когда железные дороги заменили многочисленные конные экипажи. Аргументы скептиков на заре развития железных дорог были примерно такие же, как и сейчас в адрес ИИ — это дорого и никогда не окупится. Но теперь мы знаем, что окупится, и вопрос в том, кто займет позицию лидера в новом технологическом укладе.
Несмотря на более лояльное отношение к ИИ в среднем и малом бизнесе, сдерживающие факторы присутствуют и там. Среди них можно выделить технические и финансовые сложности доступа (требуется использование VPN-технологий), вопрос информационной безопасности, отсутствие практических навыков работы. Преодолеть эти факторы заинтересованы как представители бизнеса, находящиеся в поисках источников роста, так и российские вендоры ИИ-решений.
Сдерживающими факторами выступает и еще ряд вопросов. В результате ИТ-директора заказчиков точечно автоматизируют процессы в пилотном режиме, пытаясь оценить разные аспекты: насколько быстро и качественно справится ИИ, могут ли возникнуть потенциальные риски в части сохранности данных, какие ресурсы потребуются в будущем для доработки и развития корпоративных ИТ-систем на базе ИИ при кажущейся легкости и быстроте внедрения ИИ-инструментов.
Появляющиеся на отечественном рынке разработки призваны решить возникающие сложности и организовать бизнесу доступ к выгодам ИИ. Существует ряд полезных практик, которые помогают бизнесу преодолеть барьер неопределенности и получить ответ на вопросы «как не ошибиться с выбором технологии», «с каких кейсов начать», «что сделать если уже пробовали, а результат не удалось получить». Непосредственно в нашей практике применяются разнообразные инструменты от корпоративных хакатонов, на которых генерируются идеи, и тут же в рамках двух дней получается практический результат, до внедрения платформы быстрого запуска генеративного ИИ и тестирования гипотез применения, когда за один месяц можно внедрить полноценный пайплайн работы с LLM по нескольким кейсам.
Сценарии применения ИИ в управлении проектами
И все-таки ИИ внедряется, как в пилотных версиях, так и на реальных проектах. Рост количества кейсов на рынке и демонстрация достигнутых результатов способствуют дальнейшему распространению технологии. Например, в проектном управлении ИИ используется для оптимизации процессов и для решения аналитических задач, становясь мощным инструментом и хорошим помощником для руководителей проектов.
ИИ выполняет задачи обработки и структурирования информации, поддерживает повторяющиеся задачи, распознаёт закономерности и помогает в принятии решений. Работа с неструктурированными запросами, прогнозирование и снижение рисков, делегированные инструментам на базе ИИ, повышают экономическую эффективность проекта.
- Устранение расхождений между плановыми и оперативными данными. Ключевой проблемой представители бизнеса называют отставания от сроков проектов, а главной причиной этого — низкий ритм управления на необъективных данных. Стратегический и оперативный планы «живут» в разных системах, постепенно увеличивая рассинхрон между запланированным и реальным положением. Негативные последствия такой ситуации приводят к отставанию от сроков проектов и, как следствие, к перерасходу ресурсов и снижению маржинальности. Внедрение ИИ-инструментов за счет быстрой и структурированной работы с оперативными и плановыми данными сокращает объем просрочек, издержки на подготовку отчетности.
- Оптимизация использования ресурсов. ИИ-технологии уже сейчас применяются для планирования и оптимизации процессов, отслеживания местоположения и использования оборудования и техники, занятости персонала, мониторинга качества и безопасности проведения работ.
- Выявление потенциальных рисков. ИИ анализирует большие объемы данных, выявляя закономерности и аномалии, которые могут указывать на потенциальные риски. Проактивная работа по выявленным проблемам снижает возможные негативные последствия.
- Прогнозное моделирование. За счет предиктивной аналитики через анализ накопленных статистических данных инструмент на базе ИИ позволяет смоделировать влияние большого количества различных факторов на сроки и результаты проекта. Принятые таким образом решения становятся более обоснованными и рациональными.
Заключение: рынку нужны обучение и успешные кейсы
Внедрение новых технологий требует времени. Тем более это справедливо для крупного корпоративного бизнеса, где цикл внедрения составляет минимум год. Чтобы ИИ из цифровых лабораторий перешел на стадию промышленного масштабирования, бизнес должен наработать опыт и сценарии применения новых инструментов.
Для активного распространения ИИ в самых разных отраслях очень важно уже на текущем этапе сформировать правильные подход и ожидания. Успешные кейсы подтверждают, что ИИ-инструменты — это не магическое средство, а второй пилот. Он поможет выполнить задачу в разы эффективнее, если на старте максимально четко обозначить задачу и предоставить корректные данные, а по завершении проконтролировать ее исполнение.
Рост цифровой зрелости крупного российского бизнеса и запрос на импортозамещение сегодня совпали по времени с появлением на рынке решений для управления проектами российских вендоров. Новые разработки не только отвечают основным функциональным запросам, но и предлагают в составе решений ИИ-инструменты, способные значительно повысить эффективность проектной деятельности. Демонстрация успешных реализованных примеров станет дополнительным триггером для продвижения новых инструментов. Выбор — за бизнесом.
