Появление каждой новой технологии обычно сопровождается немалой шумихой в прессе. Майкл Кингсман из ZDNet предлагает обратить внимание хотя бы облачные технологии: несмотря на то, что терминология, которая их обозначает (PaaS, SaaS и IaaS), уже прочно прописалась в обиходе, время от времени вендоры предпринимают маркетинговые ходы, которые «обогащают» и без того не очень лёгкие для запоминания названия. BaaS (модель, позволяющая разработчикам веб-приложений и мобильных приложений связать их приложения с серверным облачным хранилищем и API), DaaS (десктоп как услуга), DraaS (послеаварийное восстановление как услуга) и RaaS («просто» восстановление) — это далеко не все продукты, названия которых изобретательный ум маркетологов решил связать с популярными облачными аббревиатурами.

Что-то похожее происходит и с искусственным интеллектом (ИИ), отмечает Кингсман. Исходя из того, что он находится на пике популярности, едва ли не каждая компания хочет, чтобы её продукты имели к нему хотя бы косвенное отношение. И если ИИ действительно применяется в смарт-динамиках Amazon, или, если говорить о его корпоративном применении, в платформе NEC для выявления бракованных изделий или решении Acer для управления парком такси, то некоторые другие вендоры «лепят» на свою продукцию лейбл ИИ, совершенно не понимая, что их якобы оснащенный этой технологией продукт лишён главного достоинства — самообучаемости.

Несмотря на то, что определение ИИ как технологии вариативно, то есть трактуется он разными экспертами по разному, рынок встретил его с энтузиазмом — уж слишком он не похож на все те новинки, которые появлялись ранее. Но если общаясь с Siri или Cortana обычные покупатели расценивают ИИ скорее как средство развлечения, то в случае корпоративного применения всё гораздо сложнее — изначально бизнес не очень спешит адаптировать ещё не обкатанные технологии, но, с другой стороны, вынужден это делать чтобы не отставать от конкурентов.

И здесь возникает ряд вопросов: для каких целей и каким образом произвести внедрение ИИ-решения? Каких ошибок при этом следует избежать? Кингсман полагает, что прежде чем приступать к внедрению, нужно понять одну важную вещь: природа ИИ-продуктов существенно отличается от традиционного ПО для автоматизации процессов и обслуживания клиентов типа ERP или CRM, внедрение которого не вызывает больших сложностей.

В то же время штучный интеллект для большинства менеджеров выглядит неосвоенной территорией — они не совсем четко представляют себе, какие данные и в каком объёме тот потребляет, не говоря уже о получении желаемого результата. Ещё сложнее ситуация на уровне руководства компании. Учитывая, что ИИ может решать задачи, далеко выходящие за рамки улучшения эффективности повседневных рабочих процессов, вопрос целесообразности его применения представляется весьма непростым.

По словам Кингсмана, к решению этого вопроса нужно подходить комплексно, определяя влияние ИИ на текущую и будущую бизнес-модели компании. Сперва следует отобрать подлежащие автоматизации процессы и операции и подобрать отвечающие этим задачам машинные технологии. Затем следует строго соблюдать методологию работы с данными и последовательность операций в ИИ-решении, которые могут значительно отличаться от навыков, необходимых при внедрении традиционного корпоративного софта.

Чтобы разъяснить руководителям основные моменты, касающиеся инвестирования в ИИ, Кингсман обратился к одному из наиболее опытных в мире экспертов в области ИИ Джеймсу Чему, партнеру венчурной компании Bloomberg Beta. Вот несколько советов, которыми он поделился:

  • избегайте значительных затрат на ИИ-проекты, ценность которых вызывает сомнения;
  • создайте благодатную экономическую почву для внедрения;
  • выработайте понимание, что ИИ — это переход с от вычислений, ориентированных на данные (data-centric), к вычислениям, основанным на моделях (model-centric);
  • создавайте и тестируйте «моделе-центричные» ИИ-приложения.

По мнению Чема, ИИ сегодня уже можно признать венцом технологического прогресса, но вот последствия его применения, в т. ч. макроэкономические, пока что остаются неясными. Особенное беспокойство вызывает возможная утрата рабочих мест, вызванная повсеместным внедрением ИИ. В этой связи на менеджеров высшего звена и руководителей компаний возлагается большая ответственность, ведь в конечном итоге именно от их решений зависит, куда уйдут миллиарды инвестиций — на востребованные и приносящие пользу проекты или на малозначащие решения.

Несмотря на то, что взросление ИИ-технологий займёт от 5 до10 лет, заниматься их внедрением нужно уже сейчас, к этому располагает и постепенное снижение стоимости прогнозирования. И поскольку каждое предприятие — это единица микроэкономическая, при оценке ИИ Чем советует мыслить именно этими категориями: «Применяйте экономический анализ. Что значит удешевление прогнозирования для моей компании? Как это применить на практике?».

Понятно, что последний вопрос — ключевой. Ориентированность на данные — по такому принципу работает большинство компаний, но здесь важно различать, насколько они являются полезными с точки зрения бизнес-процессов. Другими словами, технологии автоматизации должны быть вспомогательным инструментом для извлечения ценности данных, в противном случае они автоматизирует добычу бессмыслицы. «Модель-ориентированные» вычисления строятся на прогнозировании: в расчёт принимаются все рабочие процессы организации и наиболее ценными из них ИИ будет управлять на повседневной основе.

В качестве примера Чем приводит ИИ-стартап AppZen, который создал аудиторскую платформу, предназначенную для выявления излишних расходов, изыскивания дополнительных внутренних ресурсов предприятия и формирования упрощённой бухгалтерской отчетности. По словам Чема, он был впечатлен работой ботов, которые управляют этой платформой: «Ранее для аудита расходов нужно было привлекать группу собственных специалистов или нанимать дорогостоящих подрядчиков, но теперь с этим управляются маленькие юркие боты».

Эксперт добавил, что применение AppZen помогло одной компании сэкономить десятки миллионов долларов, но пока не ясно, выгодно ли применение этой аудиторской платформы в масштабах всей индустрии. Он имеет в виду, что точечные успехи внедрения ИИ-продуктов не позволяют говорить об их применении на уровне использующихся сейчас типовых ERP-решений, но служат напоминанием, что ИТ переносятся из мира данных в мир моделей. Те компании, которые подстроятся под эти изменения в числе первых, станут успешнее конкурентов.