Почему буксуют внедрения искусственного интеллекта в российских компаниях?

С первого раза заказчику может быть крайне непросто получить то, что от искусственного интеллекта хочет бизнес — просто в силу отсутствия соответствующего опыта. Но это не причина сдаваться.

Об авторе

Дмитрий Карбасов имеет 10-летний опыт практического применения искусственного интеллекта и экспертные компетенции в сферах:

оптимизации баланса товарных запасов и цепочек поставок;
консолидации разрозненной информации со сложной линейной и вероятностной логикой;
оптимизации очереди производства и прогнозирование выхода из строя оборудования;
оценке розничных банковских рисков и противодействие мошенничеству;
продвинутой клиентская аналитика.

За время работы в области ИИ успешно завершил более двух десятков промышленных проектов и реализовал десятки «пилотов». Обладает практическим опытом применения технологий ИИ в различных отраслях экономики.

Стеклянный потолок

Необходимость «идти в «цифру» для российских компаний обусловлена не столько общемировым трендом цифровой трансформации (хотя и им тоже), сколько исчерпанием «физических» факторов, за счет которых та или иная компания выигрывает конкуренцию. Да, на предприятии налажена система учета, выбраны правильные поставщики, которые предоставляют сырье требуемого качества, и используются правильные технологии, обеспечивающие качество продукта и минимум производственных потерь. Жаль только, что у конкурентов все более-менее то же самое.

Происходящее напоминает ситуацию в современной автомобильной индустрии, где дальнейший прогресс упирается в один из главных компонентов автомобиля — двигатель внутреннего сгорания. Какие бы изменения в конструкцию ни вносились, революций от ДВС ждать, похоже, не приходится. На этом фоне американская Tesla смотрится гораздо выигрышнее. Ее силовая установка, состоящая из аккумуляторной батареи, электродвигателей и управляющей электроники, скрывает в себе намного больше возможностей для будущих революций. Уже сейчас доступна диагностика онлайн, обновление бортовой прошивки и программное обеспечение, открывающее для водителя новые функции. То ли еще будет! Отчасти поэтому компания Элона Маска привлекает такое внимание общественности.

«Для того, чтобы что?»

Если проводить параллели, для реального бизнеса «электродвигателем» может стать искусственный интеллект. Впрочем, нередки случаи, когда искусственный интеллект внедряется по принципу «чтобы было». Начитавшись историй о лучших практиках, заказчики пытаются повесить на ИИ решение любых задач, которые приходят в голову. При этом задачи формулируются максимально абстрактно — повысить конкурентоспособность, снизить издержки, максимизировать прибыль. Постановка задачи не отвечают на простой вопрос: «Нам внедрение ИИ нужно для того, чтобы что?»

Без «пилота» не обойтись

В истории с искусственным интеллектом результат порой неочевиден до самого внедрения. Конечно, есть разнообразные способы доказательства прикладной либо экономической эффективности решений на базе ИИ. Каждый из них (или их комбинация) ориентированы на различных заказчиков с разным опытом. Первый способ — раскрытие технологий — годится только для очень хорошо подготовленного заказчика. Вероятно, такой клиент уже использовал ИИ в рамках своих бизнес-процессов. Например, применял самописные алгоритмы. Обращение к ИТ-консультанту обусловлено тем, что клиент уже «вырос» из собственной разработки и хочет перейти к индустриальному решению.

Второй способ — референс-визит к заказчику — дает положительный ответ на вопрос «А этот ваш искусственный интеллект в принципе работает?». При этом он не отвечает на самый главный вопрос: «А будет ли ИИ работать в нашей компании?» Заказчики больше узнают об особенностях практического применения того или иного решения. Иногда это помогает выстраивать дальнейшее сотрудничество и говорить примерно на одном языке.

Третий способ — инициация пилотного проекта. Для клиента он хорош возможностью проверить глубину бизнес-экспертизы ИТ-консультанта и соответствие наработанной базы алгоритмов, находящихся «под капотом» ИИ-решения, целевой задачи бизнеса. Для консультанта это хорошая возможность проверить способность заказчика поставить целевую бизнес-задачу, предоставить данные, а также мобилизовать проектную команду заказчика, которая в ходе проекта формирует собственное впечатление о том, что такое искусственный интеллект.

Жаль, что на самый походящий вариант доказательства эффективности ИИ-решений соглашаются не все и не всегда. «Пилот» обычно предусматривает установление более плотных отношений клиента с ИТ-консультантом и — что самое неудобное — без гарантий, что итоги «пилота» будут полезны для бизнеса. Заказчику приходится платить понятные (и часто значимые деньги) за непонятный результат.

Торги репутацией

Ожидания бизнеса связаны с точными прогнозами. ИТ-консультант или вендор может их гарантировать только после старта проекта в «боевом» режиме — просто потому, что в начале эксплуатации такой системы возникает ряд обстоятельств, о которых ни заказчик, ни ИТ-консультант на старте проекта и подумать не могли. Например, в моей практике был случай, когда компания fashion-ретейлер внедрила искусственный интеллект для того, чтобы прогнозировать товарные остатки и формировать перемещения таким образом, чтобы в конкретных магазинах собирались полные линейки актуальной коллекции одежды – это необходимо для того, чтобы получать высокий средний чек. Чем меньше целостной коллекции остается в магазине, тем средний чек ниже.

Алгоритмы успешно решили задачу оптимального перераспределения товарных запасов между магазинами, но заказчик столкнулся со сложностями на этапе физической реализации проекта. Чтобы обеспечить товарные запасы, понадобилось бы нанять новых кладовщиков, грузчиков и водителей, а также существенно изменить систему мотивации. Затраты на все эти преобразования «съели» большую часть экономической выгоды от решения задачи, под которую внедрялся искусственный интеллект.

Такие истории на рынке не редкость. Вот почему проекты, связанные с внедрением искусственного интеллекта, внутри компании часто становится предметом торгов репутацией: менеджеры начинают игру «Кто возьмет на себя ответственность перед руководителем компании?». Дискуссия вокруг проекта растягивается и нередко заканчивается ничем. Чтобы не допускать такого исхода, ИИ-проекты, их возможности и риски можно обсуждать только на уровне генерального директора, либо собственника бизнеса.

Прогноз Грефа

В ноябре 2017 года глава Сбербанка Герман Греф сделал мрачноватый прогноз: по его словам, компании, которые не используют искусственный интеллект, скоро перестанут существовать. На первый взгляд, это справедливо для компаний, действия которых определяют ландшафт какого-то конкретного рынка – как Сбербанк определяет очертания банкинга в России. Большая часть заказчиков выжидают, пока ИИ-решения покажут себя в рамках публичных проектов, и примут решение о покупке, когда риски, связанные с новизной искусственного интеллекта, перестанут играть определяющую роль. Однако такие заказчики не учитывают фактор того, что другие компании в условиях непубличности уже развернули ИИ-решения и проверяют алгоритмы на исторических данных в формате пилотирования, а то и в «боевом» режиме — на конкретном участке производства.

В современном мире компания, получившая конкурентное преимущество (неважно, в каком виде – в виде ИИ или других решений) может очень в короткие сроки его реализовать, не оставив поляны конкурентам.

Да, внедрение ИИ — это рискованные инвестиции. С первого раза заказчику может быть крайне непросто получить то, что от искусственного интеллекта хочет бизнес — просто в силу отсутствия соответствующего опыта. Но это нормально и за это не стыдно. Альтернатива рискованным инвестициям еще более незавидная: так можно дождаться момента, когда критически важное с точки зрения конкурентоспособности ИТ-решение внедрит конкурент — и тогда, скорее всего, спешить уже будет некуда.