Изображение: shutterstock/ImageFlow
Кажется, что внедрение технологий искусственного интеллекта может стать мощным драйвером для роста производства или прибыли. На деле оказывается, что у бизнеса мало данных, дорогие специалисты по внедрению ИИ или сопротивление сотрудников. Как же сделать так, чтобы ИИ действительно принес пользу?
В зависимости от контекста ИИ может как упростить и ускорить бизнес-процессы, так и усложнить и замедлить их. Давайте разберемся, от чего это зависит. Начнем с того, что искусственный интеллект (ИИ) работает с векторами числовых показателей, как получая их на вход, так и возвращая их на выходе. Компьютерное зрение, обработка естественного языка, распознавание и синтез речи, аналитика данных и интеллектуальные системы поддержки принятия решений — это основные направления развития технологии. Возникающие здесь решения используются сегодня для решения разных бизнес-задач. При этом, как правило, в момент внедрения ИИ усложняет процессы. В этом смысле, вопрос лишь в том, повысится ли эффективность в среднесрочной и долгосрочной перспективах. Внедрение ИИ, например, для распознавания лиц или работы с речью, может упростить рутинные задачи, но потребуется время пока сотрудники научатся работать с новыми системами. Разворачивание систем интеллектуального анализа данных значительно более сложная история, требующая, в том числе, чтобы предварительно все процессы были оцифрованы, а данные поставлялись в систему в требуемом виде.
Создание отдела дата-аналитиков или передача этой задачи на аутсорсинг требует значительных финансовых вложений. Недавний пример Яндекс.Маркета показывает, что анализ данных может приносить большую прибыль, но текущие затраты на такие проекты часто не окупаются. Благодаря анализу больших данных, в компании посчитали, что небольшие скидки на определенные товары могут приводить к увеличению продаж в 10 раз, что вполне способно окупить затраты на соответствующую аналитику. Однако, в общем случае, никто никаких гарантий дать не сможет. Внедрение подобных технологий требует времени и адаптации компании, но те, кто первыми освоят их, безусловно, получат конкурентное преимущество. Важно найти баланс между затратами и ожидаемыми результатами, возможно, стоит начать с небольших проектов или аутсорсинга. В итоге, инвестиции в данные могут стать стратегически важными для развития бизнеса.
Содержание:
Не все данные оцифрованы одинаково – это тормозит их аналитику
Алгоритмы и искусственный интеллект усложняют процессы в бизнесе, потому что требуют организации работы по сбору и обработке данных. Для повышения эффективности процессов можно использовать коробочные решения, но набор таких кейсов ограничен, или создать новый отдел по анализу данных. Однако важно не только нанять специалистов, но и правильно сформулировать задачу. Для этого нужен человек, понимающий как бизнес-процессы, так и технологии анализа данных. Топ-менеджеры должны научиться работать с этими инструментами, чтобы эффективно нанимать и управлять командой. Недостаточно просто владеть технологиями, важно понимать, как они применяются в конкретных условиях. Поэтому компании часто за этой экспертизой обращаются именно в университеты.
Коробочных решений по анализу данных в бизнесе пока не так много из-за того, что отсутствуют единые стандарты цифровизации данных. Под каждый конкретный случай приходится подстраивать инструмент анализа. Возможно, в будущем у нас появится цифровая культура ведения бизнеса и тогда можно будет поставить разработку соответствующих алгоритмов на условный конвейер. Фирмы, предлагающие сегодня типовые ИИ-решения для бизнеса, конкурируют только в области маркетинговых стратегий. В технологии они, как правило, мало отличаются.
Какие именно бизнес-процессы можно автоматизировать с помощью ИИ
Компании могут использовать ИИ в операционной деятельности и в стратегическом планировании. Например, в первом случае автоматизация процессов позволяет накапливать цифровые следы. Можно представить себе это как “пробивание товаров на кассе” – каждая транзакция фиксирует время прохождения “товара” через определенный узел цепи поставок. Накопление данных о таких транзакциях позволяет формировать датасеты для анализа и выявления скрытых закономерностей. Компьютерное зрение также помогает контролировать процессы, анализируя данные о перемещении товаров и сотрудников. Аналитика на тактическом и стратегическом уровнях позволяет исследовать и оптимизировать затраты и прибыль.
Может ли ИИ замедлить бизнес-процессы
В основном мы, конечно, говорим об ускорении и упрощении, но действительно внедрение информационных систем может создавать «узкие места» и замедлять процессы. Например, вы внедряете какие-то технологии, которые непонятны большинству сотрудников или встречают сопротивление бюрократии. Это будет человеческий фактор, который тормозит внедрение технологии и ускорение процессов.
Важно понимать, что искусственный интеллект может улучшить работу, но не может заменить человека в принятии решений. ИИ лучше справляется с анализом больших объемов данных и предсказанием трендов, но не может предвидеть неожиданные – с точки зрения данных, на которых он обучался – события. Человек, обладая опытом, может учитывать внешние – по отношению к контексту задачи – факторы и принимать более взвешенные финальные решения. То есть ИИ является инструментом поддержки, а не полной заменой человека.
Какие факторы в бизнесе нельзя просчитать и какие процессы нельзя автоматизировать
Просчитать машина может всё, но на нее нельзя переложить процесс принятия бизнес-решения. В рамках заданного объёма данных алгоритм просчитает лучше, чем мы. Но человек может знать и учитывать в подсчетах неучтенные или неоцифрованные данные, включая внутренние особенности компании или внешнеэкономические факторы. Искусственный интеллект же не может заглянуть в будущее и предсказать, например, появление «черных лебедей». Невозможно построить с помощью искусственного интеллекта универсальную стратегию на продолжительный период, модель необходимо постоянно дообучать. Невозможно собрать все данные о бизнесе и построить одну модель на все времена.
Таким образом, современные системы аналитики и искусственного интеллекта могут значительно улучшить процессы принятия решений, но для их эффективной работы необходимы данные и понимание процессов. Часто требуется участие специалистов, которые смогут правильно сформулировать задачу и определить, где искать закономерности. Искусственный интеллект не заменяет человека, а является инструментом, требующим знаний и опыта для правильной настройки и использования. Взаимодействие между постановщиками задач и разработчиками систем — ключевой аспект успешного внедрения. Университеты могут стать источником необходимых знаний и специалистов для улучшения бизнес-процессов.
Кто должен ставить задачу рынку ИИ – бизнес или разработчики ИИ
Бизнес может ставить задачи своему R&D-отделу, но не науке. Технологии не появляются и не развиваются, исходя из потребностей бизнеса.
В бизнесе часто возникает иллюзия, что он может ставить задачи науке и технологиям, но на самом деле это не так. Наука и технологии развиваются независимо от потребностей бизнеса, следуя своим внутренним закономерностям. Компании могут лишь использовать создаваемые решения для повышения эффективности, но не могут определять направление их развития. Некоторые IT-гиганты и корпорации специально нанимают специалистов, которые отслеживают новейшие научные достижения и предлагают их для применения в бизнесе. Однако, даже успешные примеры использования научных разработок в бизнесе не всегда гарантируют долгосрочный успех. Читайте также
Кто дотянет до финиша в гонке ИИ? Искусственный интеллект переписывает правила, а Китай и США ведут ожесточённую гонку за лидерство. Миллионы инвестиций, технологические прорывы, растущие ставки — кто окажется впереди? Аналитический экскурс IT-World погружает в этот захватывающий мир, где даже самые смелые прогнозы напоминают детективный сюжет.