Путь от тестирования ИИ до получения реальных выгод

Результаты третьего ежегодного исследования PwC «Прогнозы развития технологии искусственного интеллекта» показали, что только 4% руководителей компаний ­США планируют внедрить технологию ИИ в масштабе компании, тогда как год назад их доля составляла 20%. Результаты исследования позволили экспертам PwC определить основную причину такого «отступления»: необходимо сосредоточиться на основах, прежде чем расширять существующие проекты ИИ.

Составленный экспертами PwC список из пяти приоритетных задач, по их мнению, поможет компаниям сделать правильные шаги по внедрению ИИ в этом году и получить в предстоящие годы больше выгод в результате преобразований. В силу объемности исследования остановимся только на «заданиях» компаниям от PwC на 2020 г.

Внедрение ИИ в «рутину»

В 2020 г. наибольшую удовле­творенность от внедрения ИИ, считают авторы исследования, принесет результат, который может показаться прозаичным, — увеличение производительности внутренних ­процессов.

Эксперты PwC рекомендуют следующие необходимые действия в 2020 г.:

1. Стратегический подход. Разработка «приемной стратегии» с целью определения областей, в которых ИИ может оказать самое большое воздействие на бизнес, и формирование компетенций (включая данные и кадры), которые необходимы для успешного использования ИИ. Выявление задач, которые являются общими для всех функций компании, чтобы разработать тиражируемые решения на базе ИИ, такие как модель для обработки неструктурированного текста.

2. Организация. Нужно ­создать централизованный орган кон­троля, сфера деятельности которого охватывает не только ИИ, но также данные, аналитику и автоматизацию.

3. Определение количественных параметров. Для поддержки внедрения ИИ (и других элементов следующей цифровой революции) следует разработать систему ключевых показателей эффективности (­КПЭ) для всей компании. Эта система должна включать показатели эффективности, результативности, а также прорывных/инновационных преобразований существующих бизнес-процессов.

Повышение квалификации по-другому

Настоящее повышение квалификации — это не просто предоставление курсов обучения. Согласно ответам участников опроса PwC (50%), необходимо также предоставлять сотрудникам возможности и стимулы оперативно применять на практике полученные знания.

Необходимые действия в 2020 г.:

1. Чтобы полученные знания преобразовались в эффективную деятельность, которая приносит пользу бизнесу, необходимо, прежде всего, определить, какие навыки требуются, пос­ле чего предоставить сотрудникам возможности (в том числе цифровую платформу) для применения и совершенствования приобретенных навыков и обмена полученными знаниями и опытом.

2. Формирование культуры, когда сотрудники сами управляют своим обучением. Передовые программы развития сотрудников формируют новую культуру. Для этого руководители компаний задают направление и устанавливают цели, пос­ле чего отходят в сторону: сотрудникам предоставляются инструменты, платформа и стимулы (в виде материального и нематериального поощрения) для обучения новым навыкам с пос­ледующим использованием их при выполнении своих обязанностей.

3. Постановка цели по формированию «многоязычного» коллектива. Для более оперативного взаимодействия между специалистами, имеющими различные навыки, и функциональными подразделения­ми необходимо сформировать «многоязычные» рабочие группы, в состав которых входят инженеры данных, специалисты по этическим аспектам работы с данными, по анализу данных и инженеры по технологии машинного обучения, а также специалисты из отделов по разработке приложений и представители бизнес-подразделений.

Руководство в рамках управления рисками и ответственного применения ИИ

По словам 85% опрошенных (руководителей, активно работающих с технологией ИИ), их компании принимают достаточные меры для защиты от рисков, связанных с ИИ. Однако этот результат дает основание экспертам PwC предположить, что они недооценивают реальный уровень проблем и необходимых усилий.

Необходимые действия:

1. Применение подхода, предусматривающего взаимодействие специалистов из различных подразделений и функций. Независимо от выбранной структуры органа управления ИИ, в его состав должны входить представители руководства, функции закупок, функции по соблюдению нормативных требований (комплаенс), ИТ-функции и специа­листы по работе с данными, а также владельцы процессов из различных функций. Его сфера ответственности должна охватывать все предприятие.

2. Укрепление уверенности в системе управления рисками, связанными с технологией ИИ. Обеспечить (с помощью функций по управлению рисками и соблюдению нормативных требований) наличие надлежащих стандартов, средств кон­троля, тестов и системы мониторинга по всем аспектам рисков, связанных с технологией ИИ. Также потребуется бюджет для аудита решения на базе ИИ точно так же, как для целей кибербезопасности или безопасности облачных платформ.

3. Принимать меры, чтобы поддерживать эффективную деятельность. Эффективная система корпоративного управления и управления рисками не подразумевает медленные действия. Например, правильный уровень объяснимости будет зависеть от уровня риска каждой модели ИИ, позволяя действовать быстрее в некоторых из них. Также возможно осуществить автоматизацию многих процессов управления, таких как сбор данных в таблицах модели и автоматическое определение рейтинга рисков, которые могут проверяться человеком.

Операционализация ИИ

Нельзя получить максимальную выгоду от технологии ИИ, если она используется отдельно от других технологий или применяется только в одном функциональном подразделении либо направлении бизнеса.

Необходимые действия:

1. Встраивание решений на базе ИИ в уже существующий комплекс информационных технологий. Внедрение моделей ИИ, которые отвечают за автоматизацию или принятие ключевых решений, обеспечивая взаимодействие между обученными моделями ИИ и производственными приложениями с целью расширения использования. Встраивание технологии ИИ в информационные технологии должно также обеспечить функционирование обычного слоя услуг ИИ, который позволяет любому приложению быть интегрированным с моделями ИИ.

2. Развитие операционной деятельности с использованием технологии машинного обучения. Главная задача встраивания технологии ИИ в ежедневную операционную деятельность заключается в создании новой функциональной возможности (операционной деятельности на базе технологии машинного обучения), которая объединяет компетенции в области науки о данных с программной инженерией и ИТ-операциями. Чтобы со­здать эффективную функцию операционной деятельности на базе технологии машинного обучения, большинство компаний должны будут нанять на работу высококвалифицированных специалистов и повышать квалификацию своих сотрудников.

3. Обеспечение доверия к данным. Для масштабного использования технологии ИИ в операционной деятельности необходимо иметь данные, которые являются не только точными, но также стандартизированными, помеченными, полными, объективными, соответствующими нормативным требованиям и защищенными.

Изменение бизнес-модели

Важно рассматривать технологию ИИ не как единственно верное решение, а как элемент комплексной автоматизации или бизнес-стратегии.

Необходимые действия:

1. Пересмотр бизнес-модели. Необходимо оценить создавае­мую выгоду для потребителей и определить, как делиться этой выгодой, использовать или инвестировать ее.

2. Монетизация когнитивных активов. По мере внедрения технологии ИИ необходимо со­здавать уникальные активы данных и когнитивные активы: модели ИИ, содержащие накоп­ленный компанией опыт и приобретенные компетенции в конкретной сфере. Бизнес должен извлекать выгоду из выводов и выходных данных (результатов), предоставляемых этими новыми активами.

3. Временной аспект стратегии с учетом технологии ИИ. Недостаточно иметь годовой цикл планирования и обновлять стратегию раз в полгода, чтобы справиться с быстрыми переменами в результате появления ИИ и других новых технологий. Подход к разработке стратегии должен строиться с учетом возможностей ИИ — это обеспечит более динамичное развитие и повысит устойчивость организации к изменениям, происходящим на рынке.

Самые сложные задачи, связанные с ИИ, % респондентов