В 2016 г. мы были свидетелями того, как искусственный интеллект стал массовым явлением, а объемы данных, собираемых в самых разных отраслях экономики, росли в геометрической прогрессии. В секторе финансовых услуг, здравоохранении, телекоммуникациях, коммунальных службах, образовании, автомобильной промышленности и других рыночных направлениях предпринимаются активные шаги в сторону использования прогнозной аналитики и ИИ для улучшения качества обслуживания клиентов и окупаемости капиталовложений. В 2017 г., вероятно, средства анализа данных и эксперты по обработке данных сосредоточатся на узкоспециализированных предметных областях. На предприятиях, в особенности в регулируемых отраслях, поймут, что даже если собрать все данные в мире, они в конечном счете бесполезны, если при их анализе не учитывать узкоспециализированные профильные задачи, трудности и возможности. Обработка и анализ данных больше не подойдут «на все случаи жизни» (да и не подходили никогда).

Сегодня, руководствуясь отраслевой информацией от Стива Гэррити, операционного директора и учредителя компании Hearsay Systems, разрабатывающей ПО для вовлечения клиентов, мы предлагаем вам восемь причин, по которым в следующие 12 месяцев ИИ глубже проникнет в узкие области экономики и накопит больше предметных знаний.

В крупных отраслях, в том числе секторе финансовых услуг, здравоохранении, телекоммуникациях и образовании, искусственный интеллект используется для применения прогнозной аналитики в приложениях, обслуживающих клиентов и реализующих новые бизнес-возможности.

Компаниям не хватает сотрудников с нужными аналитическими навыками. Остро стоит проблема нехватки собственных специалистов по обработке данных. У имеющихся сотрудников, обладающих узкоспециальными знаниями в нужной области, нет аналитических навыков, с помощью которых данные можно было бы превратить в практическое руководство к действию. В прошлом году в журнале MIT Sloan Management Review публиковался отчет, согласно которому 40% компаний считают нехватку аналитиков серьезной проблемой и все же только каждая пятая компания что-либо предприняла на этот счет.

Конкурентная борьба вынуждает предприятия внедрять ИИ для анализа данных. Если предприятия будут медлить с применением ИИ, их потеснят конкуренты. По мере того, как ИИ все шире используется в потребительской и коммерческой сфере, бездействующие компании рискуют безвозвратно утратить свои позиции. При этом сторонним компаниям, оказывающим аналитические услуги, придется подстроить свои универсальные модели данных под нужны конкретных отраслей. Сотрудничество консалтинговой фирмы Accenture с компанией Amazon Web Services стало одним из недавних примеров попытки помочь клиентам помножить свои профессиональные знания на полноценные средства обработки данных.

Аналитическая система способна улучшить качество обслуживания клиентов. Тематические инструменты способствуют быстрому появлению специализированных приложений. ИИ-система, которая «варится» в наборе данных, состоящем исключительно из операций по кредитным картам, не только поднатореет в обнаружении попыток мошенничества, но также сможет проактивно дать некоторые рекомендации. Если ваши метаданные указывают на то, что вы часто путешествуете, ваш банк не только сообразит, что нельзя отклонять ваш платеж за чашку кофе после долгого перелета в Гонконг, но еще и предложит вам переключиться на другую кредитку, по которой начисляется больше баллов за частые перелеты.

Современные бизнес-приложения должны быть тесно переплетены с потребностями клиентов и бизнеса. Компании разумнее вкладывают средства в технологии. ИТ-вендорам больше не светит заполучить корпоративных клиентов с помощью презентаций из общих слов или заманить их внешней привлекательностью своих продуктов. Чтобы преуспеть в 2017 г., корпоративные приложения должны уметь приспосабливаться к особым нуждам корпоративных клиентов и потребителей — а они существенно разнятся в зависимости от конкретной сферы экономики.

Самый большой спрос на ИТ-продукты и услуги будет наблюдаться в секторе финансовых услуг и промышленности. Стремительно растет область применения ИИ на ИТ-рынке. По прогнозам аналитической компании IDC, к 2020 г. общемировые доходы от ИТ-продуктов и сервисов вырастут до 2,7 трлн. долл., причем по большей части эта динамика будет обусловлена успехом сторонних платформ, обслуживающих компании в таких областях экономики, как финансовые услуги и промышленность.

Разработчиков продуктов придется привлекать на ранних стадиях продаж. Сложные циклы продаж подразумевают, что у инженеров добавится работы. При продаже высокоинтегрированного ПО как сервиса цикл продаж удлиняется, и разработчиков продукта приходится привлекать на ранних этапах, чтобы они напрямую взаимодействовали с существующими и потенциальными заказчиками. А те, чья единственная функция заключается в посредничестве между этими двумя группами, должны опасаться за свою работу, даже если они отличаются прекрасной «коммуникабельностью».

На предприятиях перестанут пользоваться ПО, потребляющим слишком много ИТ-ресурсов. На крупных предприятиях будут избегать «раздутого» ПО в тех случаях, когда оно выполняет исключительно базовые, узкоспециализированные функции. По определению, «раздутое» ПО (bloatware) — это такое ПО, целесообразность которого сильно портится из-за чрезмерного потребления памяти и места на диске. По прогнозам IDC, затраты на облачные приложения по всему миру вырастут с 70 млрд. долл. в 2015 г. до 141 млрд. долл. в 2019 г., причем подавляющая часть этого роста будет обеспечена приложениями, работающими в узких областях экономики.

Новейшие корпоративные приложения все чаще будут включать в себя сторонние разработки. Появятся компании, умело использующие всю мощь экспертных знаний в своей области. Компания Slack, разрабатывающая ПО для совместной работы, активно встраивала сторонние приложения в свои продукты, чтобы помочь своим пользователям общаться по разнообразным каналам, а не только по электронной почте. По словам Аарефа Хилали из Sequoia Partners, такие сервисы, как Slack, которые занимаются интеграцией и автоматизацией в рамках существующих систем, будут использоваться чаще. Более того, даже те сервисы, которыми люди пользуются ежедневно, могут при помощи ИИ автоматически собирать данные — этого пока не удалось добиться с большими, обособленными системами с единым учетом данных.