На пленарной сессии конференции «Технологии искусственного интеллекта 2019», которую издательство «Открытые системы» провело 22 мая, прозвучали выступления представителей крупнейших аналитических компаний, которые не только обнародовали «численные» итоги исследований развития этих технологий в России и мире, но и дали ряд рекомендаций по их внедрению.
Пока отстаем. Но не вполне понятно — насколько
Проведенное аналитической компанией КПМГ исследование российского рынка, представленное Марианной Данилиной, заместителем директора практики повышения операционной эффективности компании в России и СНГ, показало, что 28% руководителей тестируют решения на базе искусственного интеллекта (в мире этот показатель составляет 55%), планы на ближайшие два года по внедрению искусственного интеллекта имеют 53% респондентов, и 54% опрошенных планируют внедрить программных роботов.
Из отраслей, которые обычно первыми внедряют ИТ-новации, в телекоме тестируют или уже внедрили искусственный интеллект 75% опрошенных компаний, в финансовой сфере — 40%, в нефтегазовой отрасли — 25%, в металлургии — 17%, в розничной торговле — 5%, на транспорте — 1%.
Соответствующие цифры по роботам существенно выше — 100% в телекоме, 83% в металлургии и т. д. При этом, если судить по докладам на конференции «Роботизация бизнес-процессов 2019», прошедшей месяцем ранее, большинство компаний, особенно телекоммуникационные, стараются снабдить роботов элементами искусственного интеллекта для того, чтобы те могли обслуживать не только самые элементарные процессы. Однако, говоря о внедрении искусственного интеллекта, похоже, не учитывают, что эта технология присутствует и в программных роботах, видимо, решив, что там искусственный интеллект «не настоящий», — споры о том, что такое искусственный интеллект, ведутся до сих пор. И, возможно, наше отставание в деле его внедрения не так уж велико, вопрос в том, «как считать».
Как бы то ни было, российских компаний, создающих продукты для одного из выделенных КПМГ направлений развития искусственного интеллекта (анализ больших данных, прогнозная аналитика, обработка естественного языка, распознавание изображений и видео, речевые технологии), нашлось более полусотни. Самые известные из них — «Яндекс», ABBYY, Datalytica, Double Data, Heedbook и NtechLab.
Второй представитель КПМГ, руководитель направления «Умные технологии» Алена Дробышевская остановилась на препятствиях на пути внедрения искусственного интеллекта в России. Наиболее значимые из них — низкое качество накопленной информации; дефицит кадров и отсутствие практики привлечения в проектную команду экспертов в предметной области; неудовлетворительный технологический уровень компаний; отсутствие доверия к этой технологии со стороны бизнес-руководства и неясность с возвратом инвестиций.
Дополним искусственный интеллект естественным
Впрочем, как следовало из доклада Максима Григорьева, управляющего партнера Gartner, в мире ситуация немногим лучше: лишь 47% проектов внедрения искусственного интеллекта закончились успехом, еще 29% — «частичным успехом» и 24% — провалились. Причем и через пару лет, в 2021-м, как минимум половина проектов не будет заканчиваться успешно.
Выход в Gartner видят в Augmented Machine Learning — «дополненном» машинном обучении, главными компонентами которого являются концепции автоматизированного машинного обучения (Automated Machine Learning, AutoML) и Citizen Data Scientist.
AutoML, как следует из названия, позволяет автоматизировать выбор алгоритмов и параметров, что не требует высокого уровня знаний в области искусственного интеллекта от сотрудников, работающих с аналитическими моделями. Так называемый Citizen Data Scientist — специалист по данным, не обладающий высокой квалификацией в этой сфере, но зато знающий предметную область, а также обладающий пресловутыми Soft Skills, которые позволяют ему наладить взаимодействие «настоящих» специалистов по данным, отраслевых экспертов, менеджмента и т. д.
Уже в следующем году, по прогнозу Gartner, могут быть автоматизированы 30% задач в области обработки данных; расширенная аналитика станет основным фактором, учитываемым при покупке средств аналитики, платформ для обработки данных и машинного обучения; средства AutoML позволят «гражданским» специалистам по данным анализировать больший объем информации, чем это делают их коллеги, специализирующиеся на науке о данных. И уже в 2024 году нехватка специалистов не будет препятствием для проектов по внедрению средств аналитики и машинного обучения.
Начинайте с «для чего»
Представитель компании Accenture Антон Епишев, обрисовав перспективы искусственного интеллекта — как ожидается, в 2035 году эффект от его применения составит 14 трлн долл., — задался вопросом: что может помешать достичь этой цифры? Опрос 1350 топ-менеджеров показал, что лишь небольшое количество компаний окупают инвестиции в цифровые технологии как таковые.
По мнению руководителей, опрошенных в рамках проведенного Accenture исследования, основые проблемы при внедрении инноваций (в том числе искуственного интеллекта) таковы: у топ-менеджмента нет единого представления в отношении ценности инноваций; средний менеджмент тормозит все новое; навыки сотрудников, процессы и инфраструктура не готовы к переходу на «цифру». И, кроме того, многие компании думают, что существуют сами по себе, а не в текущих реалиях рынка. Что и само по себе вредно, а в эпоху перемен — тем более.
Соответственно, советы Accenture довольно просты, но не вполне очевидны.
- Начинать надо не с инноваций, а с постановки бизнес-задачи, чтобы было понятно, какой результат планируется получить от внедрения новых ИТ-систем.
- Создание новых продуктов и сервисов должно сопровождаться внутренними изменениями в компании, иначе их некому будет продавать или оказывать.
- Центры цифровых компетенций должны быть наделены полномочиями и (что озвучивается нечасто) — ответственностью за то, как их деятельность поможет решению задач бизнеса.
- И, наконец, нельзя найти «золотой инструмент», который решит все проблемы, — для каждой бизнес-функции нужно подбирать свой, наилучшим образом к ней подходящий.
Кто заплатит за интеллект?
Практическому вопросу — кто будет оплачивать проекты по внедрению искусственного интеллекта — посвятил свой доклад Виталий Максимов, председатель совета директоров компании «Транспроект Групп», член Делового консультативного совета по государственно-частному партнерству Европейской экономической комиссии ООН.
Среди проектов по внедрению «Цифровой экономики», по словам Максимова, значительная часть приходится на транспорт, ЖКХ, образование и другие сферы, в которых существенную роль играет государственно-частное партнерство. Законов, описывающих возможные формы взаимодействия, хватает (115-ФЗ «О концессионных соглашениях», 224-ФЗ «О государственно-частном партнерстве…», 39-ФЗ «Об инвестиционной деятельности…», законы о закупках 44-ФЗ и 223-ФЗ), нужно только подбирать в каждом случае наиболее подходящий.
