ИИ уверенно прокладывает путь на предприятия, изменяя в том числе организацию работы ИТ-служб. Новые инструменты, тактики, взаимосвязи между командами появляются на протяженности всего периметра организации, начиная со службы поддержки и заканчивая аналитикой данных. Опрошенные порталом Enterprisers Project эксперты рассказывают об основных тенденциях в развитии ИИ на предприятии.

Как источник потенциального трансформационного воздействия на бизнес, в ближайшие пять лет ИИ станет одним из приоритетов для CIO, утверждает Gartner в своем отчете Gartner «Hype Cycle for Artificial Intelligence» за 2019 г. Более того, многие руководители ИТ-департаментов считают ИИ не просто инструментом, который расширяет возможности бизнеса, его влияние более фундаментально и затрагивает все операционные функции предприятия начиная с автоматизации некоторых унаследованных функций и заканчивая более активным вовлечением и новыми подходами со стороны ИТ-команд.

ИИ начинает перекраивать ИТ на целом ряде направлений.

1. ИТ становится основным потребителем ИИ

По словам директора по когнитивной автоматизации и инновациям ISG Уэйна Баттерфилда, службы ИТ-поддержки уже давно применяют инструменты для автоматизации традиционных задач, связанных с устранением неполадок и других процессов, но в настоящее время их популярность значительно выросла. «Как и операции по обслуживанию клиентов, многие операции службы поддержки характеризуются повторяемостью действий, и, следовательно, их можно автоматизировать», — говорит он.

Это не единственная в ИТ область автоматизации с поддержкой ИИ. «ИТ-отделы быстро превратились не просто в партнеров, но и потребителей ИИ, используя его для обеспечения безопасности и управления системами, что позволяет автоматизировать процессы и двигаться со скоростью предприятия, управляемого ИИ», — говорит вице-президент по аналитической стратегии TIBCO Шон Роджерс.

2. Теневые ИТ могут расширить охват

В некоторых случаях ИИ становится причиной распространения ИТ-деятельности за пределами технологического ядра. Мощь теневых ИТ-функций на предприятии охватывает все новые территории, начиная от средств самообслуживания для анализа данных и заканчивая внедрением роботизации процессов (RPA) в масштабах всего предприятия и составления бизнес-моделей машинного обучения, говорит Баттерфилд.

Определение того, что такое «самообслуживание» и «теневые ИТ», а также условной границы между ними, конечно же, зависит от культуры конкретной компании.

3. Специалисты по данным будут более тесно сотрудничать с ИТ

Часть основных корпоративных приложений (например, CRM), которые работают на базе ИИ, во многом автоматизированы, но есть и другие области, где применение ИИ становится очевидной необходимостью. Чтобы реализовать его потенциал, потребуется более тесное партнерство между специалистами по ИТ и данным. «Времена, когда специалист по данным работал в организации в изоляции, прошли. Сегодня наука о данных — это целое сообщество специалистов, которые питают друг друга идеями, и ИТ-специалисты являются частью этой команды», — говорит Роджерс.

Компании готовятся к масштабному применению ИИ и аналитики, поэтому им необходим более глубокий доступ к системам, данным и приложениям, которые хорошо знакомы ИТ-специалистам. «Создание решений на основе ИИ требует тесного сотрудничества между специалистами в области данных и инженерами, — говорит партнер по технологическим услугам Fractal Analytics Джордж Мэтью. — Хотя эти области сами по себе являются глубокими, как показывает опыт взаимодействия успешных команд, во многих случаях они дополняют друг друга для создания решений ИИ».

4. ИТ и наука о данных нуждаются в общих инструментах и тактике

Партнерство между ИТ и специалистами по данным предполагает обмен опытом, чтобы команды перенимали друг у друга технологии и методы, говорит Мэтью, «по крайней мере, если не для экспертизы, то хотя бы на ознакомительном уровне». Чтобы получать информацию и генерировать идеи, инженерам понадобится умение читать исходный код, при помощи которого из локальных наборов извлекаются данные, разбираться в разведочном анализе данных (exploratory data analysis, EDA), конструировании признаков, а также свободно владеть алгоритмами, такими как байесовские методы. «Обладание этими знаниями требуется для рефакторинга и модулирования кода, чтобы затем его можно было использовать в корпоративных ИТ-системах», — говорит Мэтью.

И наоборот, специалистам по данным необходимо научиться принимать данные через коннекторы баз данных или API, хранить и обрабатывать их в структурированных хранилищах и писать модульный код, который можно контейнизировать для последующего применения. «Мы убедились, что это знакомство и понимание общих проблем приводят к расширению сотрудничества между специалистами в области данных и инженерами», — говорит Мэтью, отмечая, что благодаря налаженным связям несколько команд его организации разработали комплексные решения на базе ИИ.

5. Управление ИИ занимает центральное место

Вместе с активизацией предприятий в направлении автоматизации процессов с задействованием ИИ, возрастают регуляторные и репутационные риски. Gartner указывает на важность разработки политик для борьбы с потенциальной предвзятостью ИИ, дискриминацией и другими проблемами. Кроме того, это та область, где лидеры в области данных и ИТ могут объединить свои усилия. Gartner предлагает сосредоточиться на трех моментах: доверии к источникам данных и результатам ИИ; требованиям к прозрачности данных и алгоритмов; разнообразии данных, алгоритмов и точек зрения для обоснования этики и точности ИИ.