Что мешает бизнесу внедрять ИИ: барьеры и пути их преодоления

Компании все активнее встраивают искусственный интеллект и инструменты на его основе в бизнес-процессы. Однако на этом пути возникают препятствия, причем неоднородные. Одни связаны с техническим уровнем развития компании, другие – с вопросами регулирования, третьи – с финансами и т.д. Какие барьеры необходимо преодолевать при внедрении ИИ и какими способами, рассказывает Михаил Красильников, директор департамента разработки и внедрения систем искусственного интеллекта BIA Technologies.

Когда внедрять?

Компании занимают разные позиции по поводу внедрения искусственного интеллекта. Одни считают, что сейчас самое время, другие пока еще выжидают, надеясь, что в будущем процессы интеграции станут проще и дешевле. Еще год назад внедрения и вовсе были точечными – прежде всего в силу нехватки грамотных специалистов, способных работать с ИИ, а также из-за отсутствия инфраструктуры для повсеместного применения. Но любые технологии устроены так, что на ранних этапах внедрения риски выше, при этом выше и окупаемость в случае успеха.

Наглядный пример – ситуация с криптовалютами. В начале 2010-х к ним мало кто относился всерьез: стоимость биткойна составляла всего несколько центов, за них даже в шутку покупали пиццу. Теперь же цена этой криптовалюты возросла в десятки и даже сотни тысяч раз. Те, кто понял ее потенциал на ранних этапах, оказались в огромном выигрыше, в то время как присоединившиеся позже получили более скромные дивиденды.

Искусственный интеллект – не исключение. Он прошел первичные этапы интеграций, и на данный момент уже очевидно, что этот инструмент способен заметно повысить эффективность бизнеса и серьезно способствовать его росту. Благодаря ИИ упрощается клиентский сервис, повышается точность работы с документами, снижается риск ошибок и т.д. Всего один чат-бот со встроенным искусственным интеллектом способен заменить целый колл-центр.

Тем не менее инфраструктура, необходимая для широкого внедрения ИИ, стоит все еще довольно дорого, поэтому многие компании занимают выжидательную позицию: они могут пользоваться этим инструментом точечно, но о масштабной интеграции только задумываются.

Каждый взвешивает целесообразность инвестиций на данном этапе: кто-то решает, что пора, кто-то хочет отложить их, ожидая снижения стоимости. При этом оба подхода понятны. В первом случае выше затраты, но зато есть шанс оказаться в числе пионеров технологии, что сулит определенную репутационную выгоду. Второй подход показывает экономическую осторожность и оценку целесообразности вложений. Так или иначе, каждая компания принимает решение, опираясь на свои цели, задачи и видение.

Гонка с препятствиями

Трудности, с которыми компании сталкиваются при интеграции искусственного интеллекта в бизнес-процессы, можно разделить на три группы: технические, экономические и административные.

Еще несколько лет назад технические барьеры казались самыми существенными, но с��годня технологии заметно продвинулись вперед, грамотных специалистов стало больше, появилось множество готовых фреймворков, которые заметно упрощают работу и снижают требования к квалификации программистов.

Административные барьеры актуальны в первую очередь для больших корпораций: чем масштабнее компания, тем сложнее внутренняя иерархия, и тем дольше идут согласования по каждому этапу решения. Бывает так, что инициатива может вообще не дойти до реализации из-за долгой цепочки согласований. Стоит также упомянуть некоторые правовые ограничения: законодательство, связанное с ИИ-технологиями, пока еще не до конца проработано, и это вызывает определенные сложности.

Наконец, экономические барьеры связаны со стоимостью решений. Она постепенно снижается, но тем не менее внедрение ИИ-инструментов все еще требует существенных вложений. Впрочем, и здесь есть два пути: можно разработать свой продукт, а можно взять готовое популярное решение. Первый путь дороже, но он позволяет учесть все внутренние нюансы, потребности и особенности бизнеса. Второй путь проще и дешевле, но общедоступный инструмент не учитывает индивидуальные нужды конкретной компании и не решит 100% ее задач, которые можно поручить искусственному интеллекту.

Поэтому необходимо взвешивать бюджетные возможности и потенциальную выгоду и только после этого делать вывод – разрабатывать ли свое решение или брать готовое. Крупным компаниям в этом смысле проще, поскольку обычно у них есть и бюджеты на разработку, и специалисты, либо возможность их нанять. С другой стороны, в небольших компаниях меньше административных барьеров и короче цепочка согласований.

Без данных – никуда

При внедрении искусственного интеллекта важно также иметь в виду, что для работы инструментов на его основе жизненно важны данные – без них нейросети не смогут выполнять свои функции. Соответственно, в отраслях, где уже накоплен большой объем данных, или где их легко извлечь, внедрение происходит несколько проще. К таким нишам можно отнести ритейл, телекоммуникации, банковскую и страховую сферы, маркетплейсы, онлайн-платформы и цифровые бизнесы. Другие направления постепенно подтягиваются, но где-то сбор данных только начинается, а где-то они уже есть, но их качество оставляет желать лучшего, и их необходимо привести в надлежащие форматы и упорядочить для дальнейшей работы.

Если говорить о сферах, где ИИ-инструменты на данный момент показывают себя лучше всего, то стоит упомянуть предиктивную аналитику, в том числе планирование спроса в ритейле, нагрузок в производстве и логистике и решение аналогичных задач в других отраслях. Так искусственный интеллект повышает точность прогнозов и помогает выстраивать оптимальные расписания, тем самым сокращая простои техники, оборудования, персонала.

Что касается окупаемости инвестиций в ИИ-технологии, то она зависит от широты внедрения, а также направления бизнеса. Но в любом случае очевидно, что ИИ – может быть эффективным инструментом, дающим преимущество перед конкурентами, а также помогающим определить потенциал для дальнейшего развития.