Машинное обучение (МО) и искусственный интеллект (ИИ) — одни из самых быстроразвивающихся в последние годы технологий. В потребительской плоскости отголоском этих технологий стали интеллектуальные голосовые помощники, платформы потокового видео, рекомендующие персонализированный контент, а также «умные» навигационные системы автомобилей, которые в режиме реального времени умеют прокладывать маршруты, чтобы избегать заторов. Это лишь часть примеров, которая демонстрирует, что МО не просто делает первые шаги — он дозрел до той кондиции, когда не просто следует заложенным в нем алгоритмам, но и учится моделировать ситуации.

Однако если взглянуть на применение ИИ в корпоративном сегменте, рисуется иная картина. Дело в том, что в потребительском сегменте ИИ решает узкоспециализированные задачи, тогда как на уровне предприятий требуются многоцелевые МО-решения, к тому же градация успешности выполняемых ИИ задач может варьироваться в зависимости от специализации компании.

Еще один момент, который препятствует быстрому проникновению ИИ, — данные. Для сравнения, видеосервис Netflix умеет отслеживать миллиарды кликов, но все это по большей части типовые данные. ИИ-платформы на предприятиях сталкиваются с мириадами разрозненных единиц данных, что сбивает с толку «умные» ИИ-платформы.

Несмотря на естественные сложности, многие CIO хорошо понимают, какой потенциал заложен в ИИ и поэтому раздумывают о его внедрении, рассчитывая, что он серьезно улучшит рентабельность их компаний. Портал InformationWeek приводит три ключевых момента, которые нужно принять во внимание при внедрении МО-платформы.

1. МО «не видит» ваших данных. CIO горят желанием побыстрее вооружиться ИИ, однако первая сложность заключается в том, что он не может распознать базовые наборы корпоративных данных. Подавляющее большинство современных компаний оперируют большим количеством информации, но не следует переоценивать силу ИИ — алгоритмы МО могут «перемалывать» лишь, ту ее часть, которую понимают.

Проведенный в конце 2017 г. компанией ServiceNow совместно с Oxford Economics опрос 500 CIO, представлявших три континента, 11 стран и 25 отраслей, показал, что именно качество данных является основным препятствием на пути внедрения МО в корпоративные инфраструктуры. На это указал 51% респондентов. Они также указали на то, что на качество данных влияет их раздробленность — это связано с тем, что данные разнесены по различным отделам. По данным McKinsey, очень часто отделы накапливают информацию и перекрывают к ней доступ другим отделам, создавая на пути к внедрению ИИ преграды административного характера.

В ответ на эти проблемы предприятие может запустить пилотную программу в одной или нескольких областях бизнеса, где подход к практике сбора, хранения и обработки данных отличается особой щепетильностью. Пилотный запуск поможет избежать проблем с неувязкой или раздробленностью блоков информации и поможет выявить истинную ценность ИИ для компании. Обретя опыт внедрения, CIO сможет приступить к наладке процессов, которые вовлекут в работу с ИИ все проблемные участки компании.

2. Универсальных МО-платформ не существует. В последнее время появилось множество компаний, которые предлагают МО-платформы «под ключ». Они убеждают клиентов в том, что эти платформы имеют конкретные бизнес-специфические варианты применения. Некоторые аналитики полагают, что вскоре такие решения настолько упростят МО, что потребность в специалистах по аналитике данных (data scientist) попросту отпадет. Например, Gartner прогнозирует, что к 2020 г. в области научных исследований будет автоматизировано 40% задач.

Очевидно, что технологические усовершенствования упрощают внедрение МО, однако оно все еще очень далеко от того, чтобы выдавать требуемые ответы или производить действия по нажатию одной кнопки. Правда заключается в том, что в отличие от многих софтверных решений в настоящее время не существует универсальной МО-платформы. Чтобы они стали действительно эффективными, их нужно адаптировать к потребностям каждой организации индивидуально, учитывая протекающие в ней бизнес-процессы, рабочие процедуры, состыковку с корпоративными системами и исходя из приоритетов компании.

МО не стоит рассматривать как просто внедрение новой технологии — это инструмент, который изменяет формы и методы ведения бизнеса. Усилия и время, затраченное на оптимизацию и настройку МО-решений, то есть на то, чтобы научить их обрабатывать задействованные в текущих рабочих процессах данные, не пропадут впустую — на вооружении менеджеров и сотрудников окажутся мощные средства прогнозной аналитики, что явно не помешает в противостоянии с конкурентами.

3. Внедрение МО будет успешным, если в этом будут участвовать все заинтересованные стороны. Старт МО-инициативы не должен замыкаться на ИТ-отделе, более того, в нее должны быть вовлечены все стороны, которые отвечают за бизнес предприятия, и как можно раньше. Эффективность коммуникаций между сотрудниками компаний — ключ к успешной имплементации ИИ. Общение поможет им проникнуть в самую суть затеи, понять возможности ИИ: что он может, а что — нет.

В этой связи руководителям нужно провести в коллективе ознакомительную работу, пояснив им, как ИИ улучшит их работу, беря на себя множество повторяющихся, рутинных задач, и тем самым высвободит для сотрудников время для поиска творческих решений. Они должны осознать, что ИИ пришел не с тем, чтобы отобрать у них работу, а чтобы оказать им помощь. Руководители не должны рассуждать об ИИ отвлеченно — им придется указать конкретный фронт работ, который он на себя возьмет.

К примеру, МО может заниматься автоматизацией обработки документов, избавив сотрудников от ввода данных вручную. Вместо этого они смогут уделять больше времени задачам, которые требуют более интенсивной умственной работы. ИИ неплохо себя проявил, оказывая клиентскую поддержку. Чатботы умеют отвечать на вопросы общего характера, высвобождая время консультантов для решения более сложных проблем.

Бесспорно, готовые МО-платформы куда более удобны для внедрения, но не стоит поддаваться искушению и покупать их, не разобравшись в том, что же они дают. Вместо этого лучше потратить время на то, чтобы определить те области бизнеса, которые на самом деле нуждаются в средствах автоматизации. После этого следует наметить план пилотной программы, в котором будет расписано, какие данные и технологии передаются для сопряжения с МО, а также выделить для этого отдельный штат специалистов. Программу можно нацелить на борьбу с проблемными участками — тогда у ИИ появится отличный шанс проявить себя и обеспечить немедленный возврат инвестиций.

CIO и другим бизнес-лидерам следует заложить основу для успешного развертывания МО, привлекая все заинтересованные стороны и обеспечивая их комфортное взаимодействие. В качестве вознаграждения за правильно выстроенные процессы предприятие получит средство обработки данных последнего поколения, которое сможет извлекать крупицы ценных данных там, где их не замечает человек.