2023 год прошел под флагом генеративного искусственного интеллекта (ИИ) и, в частности, больших языковых моделей. Однако ИИ еще предстоит «поумнеть», а бизнесу — научиться использовать технологию с пользой. Как же это будет происходить и к чему движется отрасль?

По оценкам государства, уже в 2023 году выгода от внедрения ИИ составит 400 млрд рублей, и это только за счет сокращения операционных расходов организаций. Ожидается, что уже к 2025-му показатель достигнет 1 трлн рублей. А к 2030-му благодаря использованию интеллектуальных инструментов в различных отраслях экономики российский ВВП должен вырасти на 6% — это около 11,3 трлн рублей.

Технологию уже успели назвать самой перспективной на ближайшие годы. На поддержку развития ИИ выделено 5,2 млрд рублей на следующий год. Кроме того, правительство России планирует обновить Национальную стратегию развития искусственного интеллекта, профильные министерства уже получили поручения.

Сейчас уровень проникновения интеллектуальных IТ-решений в различные отрасли экономики оценивается в 20% (в лидирующих секторах — до 95%). По результатам недавнего опроса Высшей школы бизнеса НИУ ВШЭ 80% российских компаний уже используют или собираются применять ИИ.

Интеллектуальные инструменты постепенно становятся неотъемлемой частью предприятий, на рынке формируется AI-driven-подход. Но тут есть большой риск — в таких условиях высока вероятность несовпадения ожиданий и реальности.

Сейчас рынок переполнен ожиданиями: «вот внедрим искусственный интеллект и деньги польются как из рога изобилия». При этом руководители бизнеса совершенно забывают о нескольких нюансах. Например, что ИИ — инновация, его развертывание не будет простым.

Эффект от искусственного интеллекта достигается только в масштабе, то есть при развертывании технологии на различных этапах и уровнях бизнеса. В том числе при встраивании его в процессы корпоративного управления, в производство и продажи.

Это, во-первых, влечет за собой целый ряд внутренних изменений — возможно, даже более масштабных, чем при цифровой трансформации. Должен измениться сам способ мышления при взаимодействии с ИИ.

Во-вторых, такие проекты нельзя запускать просто так — интеллектуальные инструменты нужно развернуть там, где они принесут максимальную пользу, причем с минимальными трудо- и ресурсозатратами для бизнеса.

А для этого должна быть выработана правильная методология внедрения — этим сейчас занимаются цифровые лидеры отраслей методом проб и ошибок. Идет этап proof of concept — поиска наиболее подходящих сценариев применения ИИ и способов встраивания новой технологии в производственные и бизнес-процессы.

Также стоит учитывать, что ИИ пока не так умен, как кажется. На рынке много говорят о «сильном ИИ», способном мыслить почти как человек. Но на деле технология всё еще находится на этапе перехода от слабого ИИ к среднему. Популярные сейчас модели глубинного обучения не могут заменить настоящий интеллект.

Что это значит для бизнеса? Крупным компаниям на данном этапе приходится запускать сотни, а то и тысячи моделей ИИ — буквально на каждый чих. И их приходится переучивать даже при незначительных с человеческой точки зрения изменениях. Всей этой «махиной» крайне тяжело управлять.

Поэтому будущее — не за глубинным обучением. Оно, конечно, останется, но ведущую роль начнет играть генерализированный интеллект, способный адаптироваться ко множеству сред, обобщать и анализировать даже те элементы, которые никогда не видел.

По сути, интеллект, равный человеческому, — робот разумный. Это то будущее, к которому уже идут, например, Covariant Brain, ABB и Kawasaki. Американское агентство перспективных оборонных исследовательских проектов (DARPA) инвестирует $2 млрд в программы, где исследователи пытаются имитировать основные типы человеческих знаний: «объекты» (интуитивная физика), «места» (пространственная навигация) и «агентов» (действующие лица).

И действительно, для ИИ нужны огромные массивы обработанных данных. Грубо говоря, есть два типа полезных для ИИ данных: специализированные (например, для производства — из систем MES, SCADA и других) и финансово-экономические прежде всего из ERP. Однако сейчас data-ландшафт в российских компаниях меняется. Текущие системы доживают свой век, рано или поздно их придется импортозамещать, и есть риск потери исторических данных в процессе.

Наконец, одна из ключевых проблем рынка — недостаточная скорость развития самих продуктов. Для хорошего технологического продукта нужны три составляющие: время, инвестиции и мозги. Инвестиции сейчас размазываются, мозги — в дефиците, поскольку таланты переманивают со значительным повышением ставок, и на рынке труда в ИИ постепенно формируется большой мыльный пузырь.

Время на создание хорошего продукта возрастает. При таком положении дел нас ждет «рынок поделок» в сфере ИИ. Конечно, со временем останутся лишь качественные и проверенные временем, но это перспектива минимум пяти лет.

Для того чтобы преодолеть эти проблемы, необходимо кардинально переосмыслить подходы к развитию отрасли. Во-первых, нужны площадки для открытого диалога между государством, бизнесом и разработчиками. Пока обмена знаниями и опытом не получается, а ведь текущую ситуацию можно улучшить лишь совместными усилиями.

ИЦК (Индустриальные центры компетенций) — лишь первый шаг в этом направлении. Нужны более действенные и эффективные институты, способные реально вовлечь бизнес в решение задач отрасли.

Во-вторых, необходимы мультидисциплинарные и даже кросс-индустриальные лаборатории. С одним из наших клиентов — производственной компанией — мы договорились о создании такой лаборатории для совместного исследования прикладного применения генеративного ИИ в промышленности.

Сейчас это открытый клуб, к которому недавно присоединился известный телеком-оператор. Такой формат — это настоящее партнерство, в котором есть win-win для всех участников.

Наконец, нужно пересмотреть подход к разработке — традиционно предполагается, что любой продукт в процессе эволюции морально и технологически устаревает и заменяется новым. В сфере ИИ такой подход не сработает — в «ДНК» искусственного интеллекта должен войти режим постоянных улучшений.

Автор: Лариса Малькова, управляющий директор практики «Данные и прикладной искусственный интеллект» компании Axenix
Источник: Известия