Достигнет ли ваш новый проект в области искусственного интеллекта намеченной цели? Единственный способ узнать это наверняка — провести точные измерения, считают опрошенные порталом InformationWeek эксперты.

Предприятия всех типов и размеров запускают ИИ-проекты, опасаясь, что если они не примут новую мощную технологию, то окажутся в невыгодном конкурентном положении. Однако, торопясь оседлать волну ИИ, многие предприятия не учитывают один критический момент: будет ли проект соответствовать ожидаемой эффективности или прибыльности?

Предприятиям следует учитывать несколько критериев для оценки окупаемости отдельных ИИ-проектов, включая соответствие стратегическим целям бизнеса, потенциальную экономию затрат, получение прибыли и повышение операционной эффективности, говорит Мунир Хафез, старший вице-президент и CIO компании TransUnion, занимающейся кредитным мониторингом.

По словам Нарендры Нарукуллы, вице-президента по квантовой аналитике JPMorganChase, помимо стандартных критериев, используемых для типичных софтверных проектов, таких как масштабируемость, технологическая устойчивость и наличие кадров, ИИ-проекты должны также учитывать затраты, связанные с поддержанием точности и устранением дрейфа моделей с течением времени.

Он приводит пример ритейлера, который развернул модель прогнозирования, предназначенную для предсказания продаж определенного бренда одежды. Через три месяца ритейлер замечает, что продажи не увеличились, и запускает новый суббренд, ориентированный на покупателей-зенниалов, а не на миллениалов. Чтобы повысить эффективность модели ИИ, потребовалось добавить дополнительную переменную, учитывающую новое поколение покупателей, совершающих покупки в магазине.

Эффективные подходы

Оценка рентабельности инвестиций в ИИ-проект должна начинаться с того, чтобы убедиться, что инициатива соответствует основным целям бизнеса. «Независимо от того, что является целью — операционная эффективность, улучшение взаимодействия с клиентами или новые потоки доходов, проект должен четко соответствовать стратегическим приоритетам организации», — говорит Бина Амманат, руководитель отдела доверия к технологиям и этики компании Deloitte.

Дэвид Линденбаум, руководитель центра передового опыта GenAI компании Accenture Federal Services, рекомендует начать с оценки бизнеса, чтобы определить и понять конечного пользователя ИИ-проекта, а также желаемый эффект инициативы. «Это поможет переориентироваться с чисто технической реализации на влияние на бизнес», — говорит он. Линденбаум также советует продолжить оценку ИИ-проекта, сосредоточившись на создании пользовательского тестового кейса, который позволит разработчикам точно измерить успех и количественно понять, насколько хорошо работает система в каждый момент времени.

Амманат считает, что также необходим всесторонний анализ затрат и выгод, позволяющий сбалансировать материальные результаты, такие как повышение производительности, и нематериальные, например повышение удовлетворенности клиентов или восприятие бренда. «Масштабируемость и устойчивость должны быть центральными факторами, чтобы гарантировать, что ИИ-инициативы принесут долгосрочную пользу и смогут развиваться в соответствии с потребностями организации, — говорит она. — Кроме того, для решения проблем, связанных с качеством данных, конфиденциальностью и этическими аспектами, крайне важна надежная система управления рисками, обеспечивающая устойчивость и адаптивность проектов».

Метрики имеют значение

По словам Хафеса, потенциальный возврат инвестиций в проект можно измерить с помощью метрик, включая прогнозируемую экономию затрат, ожидаемое увеличение доходов, сэкономленные часы продуктивной работы и ожидаемое улучшение ключевых показателей эффективности (KPI), таких как индекс удовлетворенности клиентов. Кроме того, представление о потенциальных преимуществах ИИ-проекта могут дать такие метрики, как время вывода на рынок новых продуктов или услуг, а также ожидаемое сокращение количества ошибок или уязвимостей, выявленных с помощью таких инструментов, как Amazon Q Developer.

По словам Амманат, руководители должны смотреть не только на технологию, но и на то, как инвестиции в генеративный ИИ согласуются с их общей стратегией. Она отмечает, что метрики, необходимые для оценки окупаемости ИИ-проектов, варьируются в зависимости от стадии реализации. Например, для оценки потенциальной окупаемости инвестиций организациям следует оценить прогнозируемое повышение эффективности, предполагаемый рост доходов и ожидаемые стратегические преимущества, такие как повышение лояльности клиентов или сокращение времени простоя. «Эти прогнозные показатели дают представление о перспективности инициативы и помогают руководителям определить, соответствует ли она бизнес-целям», — поясняет Амманат. Кроме того, для определения текущей рентабельности инвестиций руководителям следует рассмотреть возможность использования показателей, отражающих реализованные результаты, такие как фактическая экономия затрат, увеличение доходов, непосредственно связанное с ИИ-инициативами, и улучшение KPI, таких как показатели удовлетворенности и притока клиентов.

Остановка неудачного проекта

Если ИИ-проект постоянно не оправдывает ожиданий, завершайте его расчетливо, рекомендует Хафез: «Зафиксируйте полученные уроки и причины неудачи, перераспределите ресурсы на более перспективные инициативы и используйте полученные знания для улучшения будущих проектов».

После принятия решения о завершении проекта, но еще до официального объявления об этом, Нарукулла советует найти альтернативные проекты или роли для талантливых специалистов из расформированной ИИ-команды. «В свете постоянной нехватки квалифицированных специалистов обеспечение гладкого перехода команды к новым инициативам должно быть приоритетом», — говорит он.

Нарукулла добавляет, что приоритетной задачей должно стать извлечение ключевых уроков из прекращенного проекта: «Необходимо провести тщательный посмертный анализ, чтобы оценить, какие стратегии были успешными, какие аспекты оказались неудачными и какие улучшения можно внести в будущие начинания».

Он считает, что тщательное документирование посмертного анализа может оказаться бесценным подспорьем в будущем. «К тому времени, когда возникнет аналогичная проблема, новые модели и дополнительные источники данных могут предложить инновационные решения, — объясняет он. — В этот момент проект может быть возрожден в новой и полезной форме».

Заключительные размышления

По словам Хафеза, создание надежной системы управления для всех текущих ИИ-проектов имеет большое значение. Кроме того, успеху может способствовать крепкое партнерство с юридическими службами, службами по обеспечению соответствия и конфиденциальности, особенно в регулируемых отраслях. Он также советует сотрудничать с внешними партнерами, поскольку использование их опыта может дать ценные знания и ускорить продвижение ИИ.

Аманат отмечает, что при правильном внедрении и масштабировании ИИ — это не просто технологический, а стратегический инструмент, способствующий инновациям и конкурентным преимуществам. Однако для достижения долгосрочного успеха требуются не только сложные алгоритмы, но и культурная трансформация, в ходе которой особое внимание уделяется сотрудничеству между людьми, гибкости и этическому предвидению. «Организации, процветающие благодаря ИИ, создают четкую систему управления, согласовывают работу бизнеса и технических специалистов и ставят во главу угла долгосрочное создание ценности, а не краткосрочную выгоду», — считает она.

По словам Амманат, ИИ продолжает развиваться и совершенствоваться, и у ИТ-руководителей появляется беспрецедентная возможность согласовать инвестиции с целями всего предприятия: «Подходя к ИИ как к стратегическому рычагу, а не как к отдельному решению, организации могут занять лидирующие позиции в области инноваций и создания ценности».