Все больше экспертов отмечают и прогнозируют рост и развитие искусственного интеллекта в России в ближайшем будущем, в частности на стройке. Для компаний становится актуальным вопрос, что делать: внедрить одну систему с функцией ИИ или использовать несколько «умных» ИИ-сервисов, не связанных между собой. Что же выбрать в российских реалиях?
Инструменты на базе технологий искусственного интеллекта могут пригодится в ситуации, когда человек не может физически выполнить необходимый объем задач. Они могут взять на себя рутинные процессы и таким образом высвободить время специалиста на более важные задачи. На сегодня бизнесу доступны как продукты со встроенной функцией ИИ, так и сторонние ИИ-сервисы, к которым пользователь обращается по необходимости, и у каждой группы есть свои особенности.
Продукт со встроенным искусственным интеллектом
Встроенный в продукт искусственный интеллект, как правило, оптимизирован под конкретные задачи: его алгоритмы заточены под специфику отрасли, он выполняет строго определенную понятную функцию, его обучают на определенном объеме узкоспециализированных данных. Например, в случае с системой для управления строительным проектом это могут быть исторические сведения о влиянии низких температур, суровых зим и прочих специфических климатических условий на ход строительства, и этих факторов, принципиально важных для конкретной сферы деятельности, может быть огромное количество. Для сравнения, те же вопросы можно задать и GPT-чату, который подключен к Всемирной паутине и может быстро найти необходимую информацию, например, про ГОСТ, размер перекрытий или вычленить из файла стоимости материалов нужную информацию и провести ее анализ. Но результат впоследствии потребует очень тщательной проверки человеком.
Плюс встроенного ИИ — бесшовная интеграция функции с продуктом. Он органично вплетен в функционал продукта и позволяет пользователям не переключаться между разными сторонними системами, выполняющими различные функции. Например, в строительной отрасли функция предиктивной аналитики, реализованная на базе искусственного интеллекта и машинного обучения, помогает строительным компаниям прогнозировать различные аспекты проекта, оптимизировать использование материалов, предотвращать аварии и непредвиденные задержки и максимально точно определять сроки проекта на основании группы факторов. Использование ИИ в строительстве может таким образом сэкономить порядка 8% стоимости строительного проекта. Минусы же встроенного ИИ заключаются в том, что он может стоить существенно дороже разрозненных «умных» сервисов. Вероятна и потенциально более высокая стоимость регулярного обновления, а также может возникнуть зависимость от одного поставщика: риск «vendor lock-in».
Сторонние «умные» сервисы
Преимущество внешних микросервисов перед встроенным ИИ в том, что они помогают решать множество задач: можно задать общий вопрос и через несколько итераций получить нужный ответ. Можно подобрать лучшие решения для каждой задачи и выбрать сервис, который будет максимально эффективен в своей нише. В отличие от встроенного в продукт ИИ, который работает незаметно, бесшовно и «фоново», внешние сервисы подключаются через дополнительные инструменты API. Но эти каналы могут меняться, а если что-то «отвалится» или отключится — восстановление работы занимает гораздо больше времени. При использовании нескольких систем с интегрированными «умными» сервисами возможны и конфликты между ними. Если что-то сломается в системе с несколькими микросервисами, то искать причину придется в несколько раз дольше, чем в случае со встроенной системой.
Одно решение с ИИ или «умные» сервисы: что эффективнее?
В условиях многообразия сервисов и решений актуален вопрос, что выгоднее — внедрить одну систему со встроенной функцией ИИ или интегрировать несколько ИИ-сервисов? В текущих условиях для большинства российских компаний выгоднее внедрить одну цифровую платформу со встроенным ИИ. Одна система, которая четко обучена на конкретных данных, на конкретных примерах, будет выдавать и более четкий ответ. А вот при внедрении букета из микросервисов есть риск получить изобилие информации по разным вопросам, а не четкое решения по конкретному запросу.
Кроме того, если у встроенного решения есть конкретный коридор ответов, то в случае с внешними «умными» сервисами могут быть ответы, которые человеку нужно будет фильтровать. Здесь появляется риск человеческого фактора: если человек-оператор, который взаимодействует с сервисом, не обладает достаточной экспертизой, чтобы оценить ответы, то вероятны серьезные ошибки. Например, вводя смету в платформу со встроенной интеллектуальной системой, можно получить оценку сразу в той же платформе. А вот если дать такой файл внешнему ИИ-сервису, то нужно будет проделать множество манипуляций: задать роль, исправить неточности в файле, дать описание задачи, получить результат и еще его оценить и проверить. Все это занимает время и требует ресурсов.
Выбор имеет значение и для безопасности и сохранности данных компании: использование единой системы снижает риски утечки информации при передаче между разными сервисами.
В сервисе со встроенной функцией ИИ можно получить более точные и оцифрованные ответы в нужном для бизнеса виде, конкретное эффективное решение, которые быстро реализуется, а внешние сервисы — это очень обобщенная история, предлагающее одно универсальное лекарство на всех, которое не всегда сработает для конкретной задачи. Однако нельзя игнорировать и потенциал интегрированных решений. По мере развития российского рынка ИИ-сервисов и повышения их доступности, гибридные подходы могут стать более привлекательными. Компании, которые сегодня выберут платформу со встроенным ИИ, способную в будущем легко интегрироваться с внешними сервисами, окажутся в наиболее выигрышном положении.
