Искусственный интеллект в бизнесе как драйвер развития экономики
Если не вдаваться в отдельные отрасли, она позволяет компании экономить время и финансы; увеличить эффективность и продуктивность; принимать решения быстрее в несколько раз; исключить ошибки в работе и человеческий фактор; анализировать огромные объемы данных; увеличить доход. Однако, существуют риски и барьеры при внедрении искусственного интеллекта в бизнес. Об этом «Бизнес-журналу» рассказал Алексей Рыбаков, глава IT-компании Omega, которая занимается разработкой мобильных и веб-приложений на международном рынке.
Так, среди рисков интеграции ИИ эксперт выделил:
— Недоступность данных. Для работы ИИ требуются качественные данные: чем их больше, тем лучше работает искусственный интеллект;- Высокая стоимость внедрения. Как и любой IT-проект, проект по внедрению ИИ может столкнуться с непредвиденными обстоятельствами, которые увеличат сроки внедрения и стоимость проекта;- Безопасность. При отсутствии системы защиты алгоритмы ИИ или данные могут скопировать или скорректировать в нежелательном контексте;- Интеграция. При внедрении может выясниться, что разработанные алгоритмы требуют переработки других информационных систем компании;- Человеческий фактор. Часть сотрудников будут сопротивляться внедрению ИИ, поскольку это потребует переобучения или смены их трудовых функций.
— Чтобы внедрить ИИ в работу предприятия, лучше всего начать с небольшого пилотного проекта. В дальнейшем для поддержания работоспособности и развития ИИ внутри предприятия стоит создать собственную команду инженеров. Но перед этим необходимо внедрить опытную команду со стороны, на работе которой училась бы собственная команда. Для эффективной работы искусственного интеллекта требуется не менее ста поставщиков данных — базы данных, системы, устройства, — рассказал Алексей Рыбаков. — В целом, внедрение ИИ в работу предприятия может занимать до 2-3 лет, если мы не говорим о готовых решениях. Но первоначальные результаты, как правило, можно проследить в течение первого года разработок.
Искусственный интеллект уже живет с нами в одной квартире, делит с нами одно информационное пространство и отвоевывает у человека все большее поле для деятельности. Или не так? Эксперт «Бизнес-журнала» рассказал, где может быть полезен ИИ. Это и оптимизация маршрутов движения, например, на стройплощадке; анализ документов в юридической компании; анализ рисков в производственном процессе; обучение роботов для автоматизации работы производства; анализ больших данных на рыночных нишах. Это лишь обощенные варианты применения искусственного интеллекта.
— Для понимания взглянем на то, как обстоят дела с развитием ИИ в страховании. За рубежом искусственный интеллект стал практически необходимым условием для эффективного бизнеса в страховании. Если мы посмотрим на рынок страхования, то увидим таких мощных игроков, как Clover, Fabric, GetSafe, Trov, Lemonade, Aetna, AXA. Все они уже, как минимум, в течение 10 лет инвестируют в проекты с ИИ. Главное, с чем имеют дело страховые компании — это данные. Датафикация объектов страхования, петабайты данных требуют аналитических мощностей, чтобы оценить все риски и по-настоящему масштабироваться. Поэтому ИИ и машинное обучение — это драйвер всего сектора экономики. В Россию этот тренд пришел значительно позднее, и внедрение элементов ИИ наслаивается на традиционность стратегий развития этого бизнеса.
Не стоит бояться ИИ, поскольку через несколько десятилетий от его узкого понимания мы придем к ИСИ (искусственному сверхинтеллекту), когда наша инновационная практика в секторах приведет к успехам в большой картине.
Эффективность бизнеса зависит от уровня автоматизации бизнес-процессов. На данный момент ИИ и машинное обучение дают максимум автоматизации, а значит, и максимум эффективности, — уверен Рыбаков.
Возможности применения искусственного интеллекта, по праву, безграничны. Но на практике сегодня чаще всего мы имеем, в том числе, виртуальных помощников, чат-боты, страховых агентов. Они доступны в любое время суток, анализируют большие массивы данных, освобождают от заполнения сложных бумаг, быстро составляют оценку, предотвращают факты мошенничества, анализируют подозрительные действия в киберпространстве и предупреждают о цифровых угрозах и возможных атаках на инфраструктуру.
— Когда рынок страхования в достаточной степени насытится технологической составляющей, и работа с ИИ и машинным обучением перестанет быть конкурентным преимуществом, мы, скорее всего, увидим сложнейшие решения в межотраслевом плане, где страхование будет одним из элементов экосистемы более высокого уровня, — считает эксперт.
Если говорить о барьерах, то с 2020 года на первый план выходит финансовая составляющая. Интеграция систем и, тем более, их развитие требуют серьезных инвестиций в цифровую трансформацию, которые окупятся за годы в зависимости от посткризисной конъюнктуры. Но все же основной проблемой, которая блокирует прорыв инноваций, Алексей Рыбаков считает недостаточную потребность в изменении бизнес-процессов.
— Кризис — это именно то время, когда компаниям следует предлагать нечто совершенно новое. Важно понимать, что изменения неизбежны, и первый, кто максимально внедрит ИИ и машинное обучение, получит конкурентное преимущество и рост дохода в геометрической прогрессии, — заключил эксперт.
Источник: Бизнес-Журнал