Центр компетенций
ИИ в бизнесе и промышленности: вред или польза?
Вокруг ИИ много дискуссий. Технология открывает много новых возможностей для бизнеса и сотрудников, а вместе с тем вызывает недоверие и встречает сопротивление опытных экспертов. Где можно безопасно внедрять ИИ? Как оценивать эффекты? Могут ли разработки на основе ИИ быть безопасными и не заменят ли они сотрудников? Рассказывают эксперты Айсорс — Дмитрий Архипов, технический директор направления промышленной автоматизации, и Алексей Каляганов, руководитель направления эффективности разработки.
ИИ в бизнесе и промышленности: вред или польза?
Вокруг ИИ много дискуссий. Технология открывает много новых возможностей для бизнеса и сотрудников, а вместе с тем вызывает недоверие и встречает сопротивление опытных экспертов. Где можно безопасно внедрять ИИ? Как оценивать эффекты? Могут ли разработки на основе ИИ быть безопасными и не заменят ли они сотрудников? Рассказывают эксперты Айсорс — Дмитрий Архипов, технический директор направления промышленной автоматизации, и Алексей Каляганов, руководитель направления эффективности разработки.
К ИИ нужно относиться как к новому этапу технологической революции
Если сейчас компании в основном точечно внедряют ИИ-решения, как это было 15−20 лет назад? — во время первых шагов цифровизации, то в ближайшие годы придёт осознание, что с учётом ИИ можно и нужно заново проектировать процессы и архитектуры компаний. Конечно, большие языковые модели (БЯМ) всё же отвечают на основе вероятности и их ответ не является детерминированным результатом, но их зрелость и точность постоянно растут с такой скоростью, что рынок и бизнес не успевают реагировать и применять новые версии.
Исключения в этом подходе требуется делать для критических процессов, где ИИ нужно сочетать с точными алгоритмами, делегировать ему задачи прогнозирования и анализа, но финальное решение должно оставаться за человеком. В такой конфигурации может быть большая польза для нашей и других отраслей.
Внедрение ИИ: можно и нельзя
Современные версии ИИ можно применять практически во всех основных бизнес-процессах и отраслях, где есть большие данные, рутинные операции, потребность в анализе или прогнозировании. Наиболее быстрые эффекты можно получить в работе с регулярными актами, регламентами, поддержке, обработке документации. Например, можно составить базу данных всех типовых ответов техподдержки и подключить её к ИИ-системе. ИИ успешно поймёт контекст вопроса, учтёт всю информацию о сотруднике (прошлые запросы, его отдел, должность) и соотнесёт её с определённой группой пользователей, затем достанет всю релевантную информацию из базы знаний, сформулирует наиболее подходящий ответ, предложит действия и ответит пользователю. Это даёт как повышение эффективности и сокращение расходов, так и рост качества сервиса.
Про ограничение внедрения точно нужно говорить в критичных процессах, где цена ошибки очень высока. В процессах, сопряжённых с риском для жизни и здоровья, нужно использовать гибридную модель работы: ИИ-решение, детерминированные сервисы для проверки и человеческий контроль.
Если сейчас компании в основном точечно внедряют ИИ-решения, как это было 15−20 лет назад? — во время первых шагов цифровизации, то в ближайшие годы придёт осознание, что с учётом ИИ можно и нужно заново проектировать процессы и архитектуры компаний. Конечно, большие языковые модели (БЯМ) всё же отвечают на основе вероятности и их ответ не является детерминированным результатом, но их зрелость и точность постоянно растут с такой скоростью, что рынок и бизнес не успевают реагировать и применять новые версии.
Исключения в этом подходе требуется делать для критических процессов, где ИИ нужно сочетать с точными алгоритмами, делегировать ему задачи прогнозирования и анализа, но финальное решение должно оставаться за человеком. В такой конфигурации может быть большая польза для нашей и других отраслей.
Внедрение ИИ: можно и нельзя
Современные версии ИИ можно применять практически во всех основных бизнес-процессах и отраслях, где есть большие данные, рутинные операции, потребность в анализе или прогнозировании. Наиболее быстрые эффекты можно получить в работе с регулярными актами, регламентами, поддержке, обработке документации. Например, можно составить базу данных всех типовых ответов техподдержки и подключить её к ИИ-системе. ИИ успешно поймёт контекст вопроса, учтёт всю информацию о сотруднике (прошлые запросы, его отдел, должность) и соотнесёт её с определённой группой пользователей, затем достанет всю релевантную информацию из базы знаний, сформулирует наиболее подходящий ответ, предложит действия и ответит пользователю. Это даёт как повышение эффективности и сокращение расходов, так и рост качества сервиса.
Про ограничение внедрения точно нужно говорить в критичных процессах, где цена ошибки очень высока. В процессах, сопряжённых с риском для жизни и здоровья, нужно использовать гибридную модель работы: ИИ-решение, детерминированные сервисы для проверки и человеческий контроль.
Человек всё ещё остаётся важным и неотъемлемым участником процессов, который принимает ответственные и взвешенные решения.
Обоснование целесообразности и оценка эффекта
В целом подход в измерении эффектов общий для любых изменений. Большую роль играют метрики процессов. То есть сначала есть какой-то процесс, он наблюдаемый и измеримый, возможно, даже есть дашборды его работы и аналитика по ним. Далее, имея на руках картину происходящего, можно начинать вводить изменения и измерять результаты. Эффект будет виден сразу, и самое главное — вы увидите его в понятных вам инструментах, которым уже доверяете.
Для обоснования целесообразности также следует наблюдать за рынком. Решения, внедряемые другими компаниями, могут подсказать эффективные направления и сформировать сильные гипотезы для изменений в вашей организации.
ИИ и безопасность: баланс
Это очень комплексная и многогранная задача. Можно остановиться на самых основных моментах.
Важно держать в фокусе задачу разделения конвейера обработки данных и ИИ-агентов на шаги, в которых чётко отслеживать, какие данные и кем обрабатываются, кто получает результат, какая модель используется. Например, если разделить свои данные на чувствительные и нечувствительные, можно поручить их обработку разным моделям: локальным — на ресурсах компании — и внешним. Критичность результатов работы ИИ и степень толерантности к возможным неточностям в ответах будут определять контуры применимости ИИ.
Лучшая практика: тесная работа с экспертами по безопасности — с первых шагов проектирования внедрения ИИ-решений.
ИИ и кадры: замена или помощник?
ИИ — это не замена человека, а его усиление. ИИ — своего рода экзоскелет для мозга. Он помогает сотрудникам освободиться от ненужной когнитивной нагрузки и более эффективно выполнять работу. Главное — выявить области для роста и максимально эффективно использовать освободившиеся интеллектуальные ресурсы.
Перспективы монетизации
Рынок ИИ очень большой — разные исследования оценивают его в сотни миллиардов рублей. Основная причина высокой оценки в тех преимуществах, которые он может дать бизнесу. То, как быстро и эффективно компания внедрила ИИ в работу, может стать определяющим фактором в конкурентной борьбе и укреплении позиций на рынке.
В ближайшие годы внедрение ИИ станет не просто вопросом желания или способом оптимизации — это будет вопрос выживания в высококонкурентной среде.
С учётом этого появляется много возможностей монетизации. Например, для компаний, занимающихся разработкой ИИ-решений и предоставляющих доступ к языковым моделям, за счёт большого спроса на их услуги. А для компаний, внедряющих ИИ в свои процессы, эффект за счёт повышения эффективности и улучшения показателей бизнеса (метрик). Также у них появляется новая возможность: вывод на рынок внутренних ИИ-разработок и их коммерциализация, возможно, даже в партнёрстве с первым типом компаний.
Влияние на устойчивость
Разрабатываемые с помощью ИИ системы так или иначе тестируются, об этом шаге нельзя забывать. ИИ может помочь ускорить и этот процесс.
Здесь должны работать приёмы, о которым мы говорили раньше. ИИ — это экзоскелет для мозга, важно проектировать процессы разработки и архитектуру решений с учётом новых возможностей и потенциальных ошибок. Нельзя забывать о проверках на безопасность, полноту реализации функциональных и нефункциональных требований — в этом случае можно получить отличный результат.
По сути ничего не меняется, за исключением удобства и скорости разработки систем.
Перспективы ИИ в бизнесе и промышленности. Прогноз до 2030 года
Сейчас мы видим гигантский прогресс, который достигается не от года к году, а от месяца к месяцу! Через 5 лет он может быть колоссальным. Языковые модели очень близко приблизятся к уровню AGI (Artificial General Intelligence). Уже сейчас говорят о том, что у моделей есть что-то, подобное человеческому сознанию. По нашему мнению, сейчас, на данной стадии, этого сознания нет, но мы исследуем мир, его законы, открываем новые научные принципы, поэтому в будущем всё возможно. Кто знает, возможно, через 5 лет роботы-гуманоиды станут обычным явлением?
В целом подход в измерении эффектов общий для любых изменений. Большую роль играют метрики процессов. То есть сначала есть какой-то процесс, он наблюдаемый и измеримый, возможно, даже есть дашборды его работы и аналитика по ним. Далее, имея на руках картину происходящего, можно начинать вводить изменения и измерять результаты. Эффект будет виден сразу, и самое главное — вы увидите его в понятных вам инструментах, которым уже доверяете.
Для обоснования целесообразности также следует наблюдать за рынком. Решения, внедряемые другими компаниями, могут подсказать эффективные направления и сформировать сильные гипотезы для изменений в вашей организации.
ИИ и безопасность: баланс
Это очень комплексная и многогранная задача. Можно остановиться на самых основных моментах.
Важно держать в фокусе задачу разделения конвейера обработки данных и ИИ-агентов на шаги, в которых чётко отслеживать, какие данные и кем обрабатываются, кто получает результат, какая модель используется. Например, если разделить свои данные на чувствительные и нечувствительные, можно поручить их обработку разным моделям: локальным — на ресурсах компании — и внешним. Критичность результатов работы ИИ и степень толерантности к возможным неточностям в ответах будут определять контуры применимости ИИ.
Лучшая практика: тесная работа с экспертами по безопасности — с первых шагов проектирования внедрения ИИ-решений.
ИИ и кадры: замена или помощник?
ИИ — это не замена человека, а его усиление. ИИ — своего рода экзоскелет для мозга. Он помогает сотрудникам освободиться от ненужной когнитивной нагрузки и более эффективно выполнять работу. Главное — выявить области для роста и максимально эффективно использовать освободившиеся интеллектуальные ресурсы.
Перспективы монетизации
Рынок ИИ очень большой — разные исследования оценивают его в сотни миллиардов рублей. Основная причина высокой оценки в тех преимуществах, которые он может дать бизнесу. То, как быстро и эффективно компания внедрила ИИ в работу, может стать определяющим фактором в конкурентной борьбе и укреплении позиций на рынке.
В ближайшие годы внедрение ИИ станет не просто вопросом желания или способом оптимизации — это будет вопрос выживания в высококонкурентной среде.
С учётом этого появляется много возможностей монетизации. Например, для компаний, занимающихся разработкой ИИ-решений и предоставляющих доступ к языковым моделям, за счёт большого спроса на их услуги. А для компаний, внедряющих ИИ в свои процессы, эффект за счёт повышения эффективности и улучшения показателей бизнеса (метрик). Также у них появляется новая возможность: вывод на рынок внутренних ИИ-разработок и их коммерциализация, возможно, даже в партнёрстве с первым типом компаний.
Влияние на устойчивость
Разрабатываемые с помощью ИИ системы так или иначе тестируются, об этом шаге нельзя забывать. ИИ может помочь ускорить и этот процесс.
Здесь должны работать приёмы, о которым мы говорили раньше. ИИ — это экзоскелет для мозга, важно проектировать процессы разработки и архитектуру решений с учётом новых возможностей и потенциальных ошибок. Нельзя забывать о проверках на безопасность, полноту реализации функциональных и нефункциональных требований — в этом случае можно получить отличный результат.
По сути ничего не меняется, за исключением удобства и скорости разработки систем.
Перспективы ИИ в бизнесе и промышленности. Прогноз до 2030 года
Сейчас мы видим гигантский прогресс, который достигается не от года к году, а от месяца к месяцу! Через 5 лет он может быть колоссальным. Языковые модели очень близко приблизятся к уровню AGI (Artificial General Intelligence). Уже сейчас говорят о том, что у моделей есть что-то, подобное человеческому сознанию. По нашему мнению, сейчас, на данной стадии, этого сознания нет, но мы исследуем мир, его законы, открываем новые научные принципы, поэтому в будущем всё возможно. Кто знает, возможно, через 5 лет роботы-гуманоиды станут обычным явлением?