Как укротить искусственный интеллект: типовые ошибки при внедрении

2 октября в Иркутске открылся Байкальский риск-форум, который акцентирует внимание на вопросах устойчивого развития. Дискуссионная площадка собрала экспертов ведущих компаний для обмена опытом и выработки новых решений. В первый день мероприятия прошли сессии, посвященные экономике и инвестициям, искусственному интеллекту и управлению данными.

Партнер Strategy Partners Сергей Кудряшов выступил спикером сессии «Искусственный интеллект, нейросети» и рассказал, как «укротить» искусственный интеллект, какие основные ошибки встречаются при его внедрении и что делать, чтобы эффект от использования решений на основе ИИ был максимальным.

Выступление Сергея Кудряшова на Байкальском риск-форуме

Согласно результатам недавнего исследования Strategy Partners, всего 4% компаний не считают цифровизацию приоритетом. 80% респондентов уже зафиксировали положительный эффект цифровых технологий, и это значительно выше 44%, которые показало подобное исследование в 2019 году. Однако существует ряд ограничений для развития цифровизации и внедрения решений на базе искусственного интеллекта. К ним относят недостаток квалифицированных кадров и финансовых ресурсов, а также отсутствие гарантированного эффекта от внедрения цифровых решений.

Сегодня на рынке сформировался достаточно высокий кадровый дефицит, и далеко не каждая компания может позволить себе большую команду разработчиков в области ИИ. Недостаток финансовых ресурсов подразумевает, что решения ИИ довольно ресурсоемкие, поэтому необходимо грамотно подойти к выделению мощностей, чтобы получить гарантированный эффект.

Эффект от решений на основе ИИ возникает, если при планировании использовать три простых правила:

1. Найти для искусственного интеллекта место в бизнесе. Он должен быть инструментом для развития бизнес-модели.
2. При внедрении ИИ необходимо акцентироваться на бизнес-смыслах, а не на привлекательности отдельных решений. Многие ИИ-модели могут быть успешными в некоторых компаниях, но это абсолютно не значит, что такая же модель в другой ситуации и условиях даст тот же самый эффект, если не проанализировать конкретные результаты ее работы.
3. Необходимо спланировать мультипликативный эффект от комбинации решений ИИ, когда решения внедряются по всей цепочке. В таком случае эффект возрастает в прогрессии.

Основные сложности в достижении эффекта от внедрения решений на базе ИИ очень часто возникают из-за нарушения модели run-change-disrupt, когда компании сразу переходят к фазе прорыва, минуя решение проблем на предыдущих фазах, связанных с операционной деятельностью и изменениями. Соответственно, «прорыв» происходит на ненадежном «фундаменте», когда не решены вопросы управления данными и потоками данных в операционных системах и существуют большие объемы ручного вмешательства в эти самые данные.

Таким образом, чтобы избежать негативного эффекта, необходимо понимать, какие проблемы могут снизить эффективность внедрения решений на базе ИИ. Чаще всего это проблемы с информацией. Любая модель работает на данных, и эти данные должны подходить, быть достаточного объема и качества. При разработке кейса для ИИ-решений нужно проверить, какие и какого качества присутствуют данные, нужно ли что-то менять в организации сквозных процессов, а также создать хранилища и процесс управления данными. Если не будет правильных и качественных данных, то ИИ-модель не принесет необходимого эффекта.

В завершение выступления Сергей Кудряшов привел пример успешного кейса повышения эффективности внедрения решений на основе ИИ и аналитики за счет управления данными:

Задача проекта крупного российского холдинга заключалась в повышении качества данных и скорости реализации аналитических решений путем внедрения процесса управления данными. Подход состоял во внедрении политик управления данными, каталога корпоративных данных и системы управления данными. По результатам работы компания ускорила разработку отчетов на 40%, увеличила надежность регулярной аналитики и повысила качество данных на 60%. Соответственно, при наличии данных высокого качества компания может запускать ИИ-решения быстрее и с большей точностью.

Сергей Кудряшов

В работе секции также приняли участие руководитель дирекции трансформации клиентов CIB Сбера Андрей Дмитриев, руководитель направления региональных продаж ИТ-решений Softline Анна Шадрина, руководитель центра ИИ НИУ ВШЭ Алексей Масютин, эксперт по развитию бизнеса Just AI Александр Сиянов, директор по продукту YandexGPT Yandex Cloud Алексей Долотов и другие эксперты отрасли.

Байкальский риск-форум проводится в седьмой раз. За время работы уникальная площадка для обмена опытом в области устойчивого развития и управления рисками объединила более 700 экспертов и привлекла более 1 млн онлайн-участников.