Коротко

Новости

Подробно

Фото: Евгений Павленко / Коммерсантъ

Безыскусный интеллект

С какими проблемами сталкивается бизнес, внедряя AI-решения

"Информационные технологии". Приложение от , стр. 3

Технологии искусственного интеллекта (ИИ, или artificial intelligence — AI) постепенно переходят от этапа осмысления к стадии массовых «пилотов» и промышленного внедрения, в том числе в России. Но бизнес слишком сильно рассчитывает на «магию AI» и не всегда правильно оценивает сопутствующие сложности — к такому выводу пришли аналитики Umbrella IT. О том, что мешает бизнесу внедрять ИИ, для “Ъ” рассказал технический директор компании Константин Попандопуло.


AI как драйвер


Авторы многочисленных исследований полагают, что в ближайшее время AI-технологии в корне изменят большинство бизнес-моделей и радикально повлияют на мировую экономику. По подсчетам PwC, их использование к 2030 году может добавить $15,7 трлн к общемировому объему экономики (прирост около 18% по сравнению с 2017 годом). Российские прогнозы значительно скромнее: в выступлении на ПМЭФ-2019 вице-премьер Максим Акимов оценил вклад AI в ВВП страны на том же временном отрезке в 1,1–2%.



Тем не менее Россия всеми силами старается не упустить свою долю на бурно растущем рынке. С технологической точки зрения российские разработчики AI-решений мало в чем уступают западным: мы сильны в интеллектуальном анализе данных, компьютерном зрении, речевых технологиях, чат-ботах. Однако будут ли эти решения востребованы локальными и зарубежными клиентами?

AI как проблема


Чтобы понять, с какими проблемами при внедрении AI сталкивается бизнес, Umbrella IT провела в 2020 году собственное межотраслевое исследование. Прежде всего чтобы разобраться в том, кто создает решения на основе AI-технологий и для каких сегментов рынка. Мы проанализировали деятельность 89 глобальных компаний (в том числе 62 российских), предлагающих продукты и услуги в сфере AI. В их число вошли как крупные игроки со штатом от 1 тыс. сотрудников, так и стартапы.

Мировой рынок AI-технологий очень быстро насыщается идеями, инвестициями и производит большое количество конкретных прикладных решений. Наибольшее их число сосредоточено в предиктивной аналитике, видеоаналитике и компьютерном зрении, а также обработке естественного языка. Однако многие разработчики сталкиваются с тем, что клиенты не всегда понимают, как именно использовать AI в масштабах организации. Часто сделать это невозможно в силу объективных причин. Мы выявили семь основных проблем, которые мешают бизнесу внедрять AI и использовать его в качестве своего конкурентного преимущества.

Техническая неготовность предприятий


AI может справиться с массой задач, но для этого ему, как и человеку, нужны определенные «условия труда». Для эффективного обучения в качестве одного из вариантов можно использовать специальным образом подготовленные промаркированные данные. По данным PwC, число руководителей американских компаний, которые запланировали адаптировать бизнес-процессы предприятий под ИИ, резко снизилось с 20% в 2019 году до 4% в 2020-м. Согласно опросу NewVantage Partners, 69% руководителей компаний из списка Fortune 1000 констатируют, что их бизнес пока еще не ориентирован на большие данные, а свыше 50% респондентов признаются, что не используют Big Data и аналитику как свое конкурентное преимущество и не считают их бизнес-активом. Это значит, что многие компании игнорируют или не в полной мере обеспечивают интеграцию AI и аналитических систем в существующую техническую инфраструктуру.

Этические вопросы


Прежде чем разворачивать стратегические масштабные проекты на основе AI, предстоит решить вопросы, выходящие далеко за пределы исследовательских лабораторий и «пилотов» на производстве. Большинство из них имеют этическую составляющую, и ответ можно получить только в рамках общественных дискуссий и договоренностей. Можно ли доверять системам, построенным на основе машинного обучения? Как защититься от использования AI-технологий в преступных целях? Объективен или нет компьютерный мозг? Уже сегодня мы сталкиваемся с ситуациями, которые требуют ответа на эти вопросы.

Например, в 2019 году получила огласку история с аварией робота пермской компании Promobot и беспилотника Tesla. Робот «самовольно» выкатился на пустую парковку в Лос-Анджелесе, где его сбил автомобиль, управляемый ИИ. Такие случаи заставляют поднять еще один, возможно, самый важный вопрос: кто несет ответственность за решения, принятые искусственным интеллектом, и его ошибки?

«Черный ящик»


Этим термином описывают системы, механизм работы которых чрезвычайно сложен или неизвестен. ИИ — типичный пример «черного ящика»: ученые до сих пор не понимают, как именно он принимает решения, как устроено «мышление» устройства. Практика показывает, что ИИ имеет склонность проводить аналогии там, где их не следовало бы проводить,— например, делать выводы, ущемляющие в правах того или иного человека или группу людей. Хорошо известны истории, когда чат-бот Microsoft начал публиковать расистские высказывания в Twitter, а робот-паспортист отказался выдавать азиатскому гражданину паспорт, посчитав, что тот сфотографировался с закрытыми глазами. До тех пор пока на заданную входную информацию ИИ не будет реагировать точно так же, как человеческий мозг, существует риск ошибок компьютера, которые могут стоить очень дорого. Особенно при внедрении AI в правоохранительную систему, медицину, научные исследования и другие критически важные области.

Страх безработицы


Из помощников роботы повсеместно превращаются в основной персонал: суперкомпьютеры, такие как Watson от IBM, ставят диагнозы точнее, чем врачи, роботы Little Peanut берут на себя функцию доставки еды в зонах карантина по коронавирусу, а в китайской провинции Хубэй роботы патрулируют улицы, ловят нарушителей ПДД и фиксируют ДТП. Однако автоматизация рабочих процессов — оружие, которым следует пользоваться с осторожностью. Она не только повышает производительность и создает дополнительную ценность для экономики, но и приводит к сокращению рабочих мест.

Прямо сейчас, по подсчетам Евразийского института конкурентоспособности и Strategy Partners, на долю машин и алгоритмов приходится 29% трудочасов. К середине 2030-х под риском сокращения окажутся 30% всех рабочих мест, а если говорить о специальностях для работников низкой квалификации, то и вовсе 44%, прогнозирует PwC. Компании и рады бы сокращать издержки и двигаться в сторону тотальной автоматизации, но часто их сдерживает общественный договор о создании рабочих мест.

Впрочем, на этот счет есть и противоположное мнение: возможно, благодаря AI в мире будет создано больше новых рабочих мест, чем ликвидировано. В частности, согласно отчету ВЭФ «Будущее рынка труда», автоматизация рабочих мест с помощью машин и алгоритмов позволит, с одной стороны, сократить к 2022 году 75 млн рабочих мест, а с другой — создать 133 млн новых. Значит, распространение AI приведет к появлению 58 млн новых рабочих мест.

Нехватка специалистов


Количество экспертов по ИИ с каждым годом растет, как указывает доклад Element AI, но спрос опережает этот рост в темпах. Возникает дефицит талантливых специалистов, способных внедрять и развивать AI-решения в конкретных организациях. Ведущие специалисты могут рассчитывать на зарплату, сопоставимую с заработком гендиректоров топ-компаний.

По последним данным ВЦИОМа, 69% российских предпринимателей отмечают нехватку квалифицированных специалистов в области AI-технологий. К решению этой проблемы уже начинают комплексно подходить крупнейшие компании. Например, в 2019 году Microsoft и провайдер образовательных услуг General Assembly запустили кампанию по обучению 15 тыс. специалистов в области машинного обучения, дата-инжинирингу, облачным вычислениям и другим связанным с AI областям знаний. Но и этих объемов пока недостаточно, чтобы ликвидировать нехватку экспертов.

Завышенные ожидания


Пока одни боятся кардинальных нововведений и с осторожностью разворачивают пилотные проекты с использованием AI, другие считают, что искусственный интеллект — панацея, которая излечит бизнес от всех болезней. Изучив в 2018 году жизненный цикл наиболее важных технологий, аналитики Gartner сделали вывод о том, что ИИ находится на пике завышенных ожиданий. Между тем, чтобы успешно реализовывать AI-проекты, мало изменить подходы к работе с данными и подготовить техническую инфраструктуру. Нужно изначально очень точно ставить задачи, задавать метрики и реалистично оценивать экономический эффект от внедрения ИИ-решений.

Отсутствие стандартизации на госуровне


Развитые страны понимают: эффективное использование AI может дать существенное конкурентное преимущество экономике. Мировые державы пока не готовы выступить единым фронтом и разработать общие технические стандарты в области ИИ, хотя начало уже положено. Разработка международных стандартов в области AI искусственного интеллекта сегодня ведется в рамках Подкомитета SC42 Artificial Intelligence Объединенного технического комитета ISO/IEC JTC 1 Information Technologies.

Первые российские стандарты в области ИИ Росстат утвердил в декабре: они коснулись средств распознавания содержимого багажа в аэропортах и роботических систем, позволяющих вести мониторинг и прогнозировать поведение людей. Новые ГОСТы вступят в силу во втором полугодии 2020 года. Стандартизация (включая базовую терминологию, единые требования по безопасности, стандарты при работе с данными, общие критерии качества и др.) просто необходима, чтобы обеспечить общение и взаимодействие всех заинтересованных сторон: пользователей, заказчиков и исполнителей.

AI как надежда


Несмотря на наличие очевидных проблем при внедрении AI-решений в бизнес, большинство экспертов и участников индустрии сходятся во мнении, что все барьеры на этом рынке преодолимы. Правда, для этого нужно, чтобы бизнес был готов уже сегодня инвестировать в свое успешное завтра: менять подходы, адаптировать процессы и экспериментировать с пилотными проектами.

Технический директор Umbrella IT Константин Попандопуло


Комментарии
Профиль пользователя