Прогнозы развития технологии искусственного интеллекта на 2019 год

Шесть приоритетных направлений развития ИИ, которые нельзя игнорировать

Большинство руководителей прекрасно понимают, что искусственному интеллекту (ИИ) под силу изменить почти все аспекты ведения бизнеса. Благодаря этой технологии к 2030 году мировая экономика может вырасти на 15,7 трлн долларов США. Однако многие руководители компаний не знают, как внедрить ИИ, причем не просто в рамках отдельных пилотных проектов, а в масштабах всей организации – там, где это может дать максимальный эффект.

Вопрос «как?» вызывает затруднения при внедрении любой новой технологии, и искусственный интеллект – не исключение. Как вы разрабатываете стратегию использования ИИ? Как вы находите специалистов в этой области или обучаете своих нынешних работников? Что вы делаете с данными, чтобы их можно было использовать для задач ИИ? Как обеспечиваете надежность и безопасность ИИ?

Дело осложняется еще и тем, что разные компании зачастую отвечают на эти вопросы по-разному, а окружающие условия постоянно меняются. Но ждать, пока все утрясется, нельзя. Внедрение искусственного интеллекта, которое до сих пор происходило рывками, в 2019 году ускорится.

loading-player

Playback of this video is not currently available

Искусственный интеллект: текущая ситуация

Чтобы лучше разобраться в том, как в настоящее время обстоят дела в организациях, мы опросили более 1 000 руководителей компаний, которые изучают или уже внедряют решения на базе искусственного интеллекта. Двадцать процентов опрошенных заявили, что в 2019 году в их компаниях планируется масштабное внедрение искусственного интеллекта. Если эти амбициозные планы реализуются, многие ведущие компании в США выйдут на новый уровень применения ИИ, причем не в отдельных направлениях, а в рамках всей операционной деятельности.

Как масштабировать решения на базе искусственного интеллекта

В прошлом году мы сформулировали восемь прогнозов вероятного развития искусственного интеллекта в 2018 году с учетом последствий для бизнеса, государства и общества. Актуальность выявленных нами тогда тенденций (включая реальное влияние ИИ на рабочую силу, необходимость обратить особое внимание на ответственное использование ИИ компаниями, а также новые угрозы в области кибербезопасности) сегодня только растет.

Однако в 2019 году, когда все больше решений на базе искусственного интеллекта выходят из стен лабораторий в офисы и больницы, на заводы и строительные площадки и становятся частью жизни потребителей, необходим новый подход. Мы не просто обозначаем вероятные события – мы рассказываем о том, что должно произойти в сфере ИИ благодаря усилиям руководителей компаний.

Ваши приоритеты в сфере ИИ на 2019 год

Наш главный прогноз на ближайший год? Через год компании, сосредоточившие усилия на шести ключевых направлениях, существенно опередят своих конкурентов. В своей стратегии внедрения ИИ вам следует рассмотреть следующие аспекты:

  1. Структура: обеспечьте возврат инвестиций
  2. Рабочая сила: обучение пользователей и специалистов в области ИИ навыкам совместной работы
  3. Доверие: ответственный во всех отношениях ИИ
  4. Данные: локализация и разметка для машинного обучения
  5. Обновление: монетизация ИИ за счет персонализации и повышения качества
  6. Конвергенция: сочетание ИИ с аналитикой, интернетом вещей и другими технологиями
1. Структура: обеспечьте возврат инвестиций

При выборе подхода к ИИ у вас есть два варианта: наращивать масштабы использования ИИ или полностью от него отказаться. Ведущие компании уже применяют в промышленной эксплуатации свои моделей ИИ для повышения эффективности принятия решений и предоставления прогнозной аналитики сотрудникам всех функций. Если у вас серьезные намерения в части ИИ, то вам нужно формализовать свой подход и обеспечить наличие необходимых компетенций в компании для тиражирования и масштабирования успешных (и небольших) проектов.

Не ставьте слишком высокие цели

Искусственный интеллект приведет к изменениям практически во всех аспектах вашего бизнеса и рынков. Это достаточное основание для того, чтобы начать действовать, но это не повод браться за все и действовать слишком быстро. Если все делать правильно, то разработка модели ИИ под одну конкретную задачу может повысить эффективность текущего процесса или решить четко сформулированную бизнес-проблему, одновременно создав условия для масштабирования решения в других подразделениях компании.

Интересный факт об алгоритмах ИИ, который может удивить бизнес-пользователей: таких алгоритмов не так уж и много. Один и тот же алгоритм способен решить большинство бизнес-проблем, для которых актуален искусственный интеллект, поэтому если вы успешно внедряете его в одной сфере бизнеса, то, как правило, его можно использовать и в других сферах.

Например, в любой компании приходится обрабатывать счета на оплату. При помощи инструментов на базе ИИ, которые автоматически извлекают информацию даже из счетов, которые не полностью стандартизированы, можно автоматизировать данный процесс, чтобы снизить затраты и сократить срок обработки счетов.

Затем можно изменять и использовать компоненты ИИ для ускорения других процессов, в которых также обрабатываются большие объемы неструктурированных и полуструктурированных данных, например в таких областях, как обслуживание клиентов, маркетинг, налоги, управление цепочкой поставок.

Цель заключается в том, чтобы создать портфель многократно используемых структурных элементов для обеспечения быстрой окупаемости инвестиций и наращивания темпов масштабирования. Опрошенные нами руководители компаний придерживаются такой стратегии: они считают разработку моделей ИИ и соответствующих наборов данных, которые можно использовать в рамках всей организации, самой важной компетенцией и приоритетом на 2019 год.

Подходящая основа для ИИ

Когда разработкой инициатив занимаются специалисты в области искусственного интеллекта, то им порой с трудом удается добиться поддержки от более широкого круга лиц в компании. Когда же проекты предлагает бизнес, то они могут предусматривать лишь ограниченное использование возможностей этой технологии. В обоих случаях изолированные команды могут делать двойную работу или предпринимать противоречащие друг другу действия.

Решением будет надзор со стороны разнопрофильной команды, в которую входят представители бизнеса, ИТ, а также специалисты по ИИ и которая отражает все функции вашей организации. Вам необходимо проявлять дисциплину при создании межфункциональной организационной структуры для разработки четкой стратегии использования искусственного интеллекта. Зачастую лучший способ заложить такую основу для внедрения ИИ – создать центр компетенций. Такая модель, на наш взгляд, получит самое широкое распространение. (В PwC также есть центр компетенций.) В некоторых компаниях обязанности по ИИ могут добавить к функциям имеющихся отделов аналитики или автоматизации либо возложить их на другие уже созданные центры компетенций.

Где бы ни размещалась эта группа, в ее обязанности должно входить решение таких бизнес-задач, как определение вариантов применения технологии и подходов к организации подотчетности и корпоративного управления. Она должна разрабатывать общекорпоративные регламенты по работе с данными и следить за их соблюдением. Кроме того, к ее задачам относится определение технических стандартов, включая архитектуру, инструментарий, методы, управление взаимоотношениями с поставщиками, управление объектами интеллектуальной собственности, а также определение целевого уровня искусственного интеллекта.

Наконец, группа специалистов по ИИ занимается разработкой и ведением цифровой платформы для совместной работы, оказания поддержки и управления ресурсами. Можно сказать, что эта группа – «единое окно» по всем вопросам, связанным с ИИ: виртуальная среда со встраиваемыми инструментами, в которой бизнес- и технические специалисты будут совместно использовать ресурсы (например, наборы данных, методологии, компоненты многократного применения) и сотрудничать.

Ключевые выводы

Следите за использованием ИИ

Следите за использованием ИИ


  • Обеспечьте сотрудничество специалистов по ИИ, ИТ и основных бизнес-руководителей на базе структурированного подхода для управления приоритетами, стратегией в области данных, ресурсами и вариантами использования

Создайте единый источник достоверной информации

Создайте единый источник достоверной информации


  • Цифровая платформа с инструментами самообслуживания и виртуальная среда для совместной работы помогут подобрать оптимальное решение на базе искусственного интеллекта для конкретных бизнес-проблем

Разработайте структурные блоки

Разработайте структурные блоки


  • Вместо того, чтобы применять ИИ ко всему процессу, сосредоточьтесь на конкретных задачах, с которыми сталкиваются все бизнес-подразделения, и разработайте тиражируемое решение на базе искусственного интеллекта
2. Рабочая сила: обучение пользователей и специалистов в области ИИ навыкам совместной работы

Как мы и прогнозировали в прошлом году, повышение квалификации специалистов, не относящихся к сфере ИИ, с целью обучения их работе с искусственным интеллектом стало важным элементом кадровой стратегии. Новая категория инструментов (включая автоматическое машинное обучение (AutoML)), позволяющих оптимизировать и автоматизировать часть процесса создания моделей искусственного интеллекта, приводит к демократизации ИИ. Согласно опросу, 38% руководителей сосредоточат усилия на искусственном интеллекте для бизнеса. Наращивание этой компетенции – второе по приоритетности направление после формирования набора данных и моделей многократного использования.

Однако разработка удобного и понятного для пользователей решения на базе ИИ по-прежнему остается сложной задачей. Даже те представители бизнес-подразделений, которые прошли базовое обучение, не всегда в полной мере могут разобраться в различных параметрах и уровнях производительности алгоритмов ИИ. Такие работники могут случайно применить не тот алгоритм, что приведет к незапланированным результатам.

Справиться с данной сложностью можно за счет кадровой стратегии, которая предусматривает три уровня квалификации в области ИИ и создает условия для успешного сотрудничества специалистов всех трех уровней.

Пользователи, разработчики и специалисты по интеллектуальному анализу данных

По мере популяризации ИИ большинству сотрудников компании необходимо будет пройти обучение, чтобы стать пользователями искусственного интеллекта. Они научатся применять корпоративные приложения на базе ИИ, правильно управлять данными и обращаться за помощью экспертов при необходимости.

Более специализированная группа (возможно, 5–10 % сотрудников) должна пройти дополнительное обучение, чтобы стать разработчиками: специалисты бизнес-направлений из числа уверенных пользователей, которые могут сформировать варианты использования и наборы данных и тесно сотрудничать со специалистами по ИИ в рамках разработки новых приложений на базе искусственного интеллекта.

Наконец, небольшая, но очень важная группа инженеров и специалистов по интеллектуальному анализу данных будет заниматься сложной работой по созданию, развертыванию приложений на базе ИИ и управлению ими.

Чтобы наладить работу этих трех групп, вам понадобится систематически выявлять новые навыки и роли. Какую работу должны выполнять пользователи и разработчики? Для каких приложений требуется привлекать опытных специалистов по интеллектуальному анализу данных?

Вам также потребуется такой же системный подход к подбору специалистов для выполнения этих ролей (как внутри компании, так и за ее пределами) и налаживанию совместной работы различных групп. Корпоративные программы повышения квалификации должны касаться как технических навыков, так и методов работы с цифровыми ресурсами. Необходимо будет соответствующим образом изменить систему показателей эффективности и оплаты труда.

Многие сотрудники успешно обучатся новым навыкам и смогут исполнять новые роли, однако кому-то такой переход не удастся, поэтому вам нужно подготовиться к некоторой текучке персонала.

Решение проблемы рабочих мест в результате использования ИИ

Многие руководители тщетно пытаются оценить последствия внедрения искусственного интеллекта с точки зрения рабочих мест. Всем известно, что такие последствия есть, но вот их масштаб (и срок наступления) – тема для обсуждений. Оценки колеблются в широком диапазоне, в том числе и оценки PwC: согласно международному исследованию, посвященному автоматизации рабочих мест, до 2020 года будет ликвидировано менее 3 % рабочих мест, а к середине 2020-х годов – уже 30 %.

Опрошенные нами руководители соглашаются, что на данном этапе ИИ не лишает их сотрудников работы. Более того, руководителей, которые считают, что ИИ приведет к увеличению штата, в два раза больше, чем тех, кто ожидает сокращения персонала в своих организациях (39 % и 19 % соответственно).

В настоящее время проблема заключается в том, чтобы заполнить вакансии: 31 % руководителей опасаются неспособности обеспечить наличие востребованных специалистов в области ИИ в ближайшие пять лет. Благодаря программам повышения квалификации можно обучить пользователей и разработчиков, но, вероятно, потребуется нанять опытных программистов и специалистов по интеллектуальному анализу данных. В этом смысле хорошее начало – налаживание партнерских отношений с коллегами и наставничество.

Также большую роль играет культура на рабочем месте. Многие специалисты по ИИ хотят работать в компаниях, которые используют искусственный интеллект в благих целях. Многие также ценят рабочие места с хорошей организацией, наличие ресурсов, четко прописанные роли, интересные исследования и индивидуальные полномочия, которые вдохновляют на большие достижения в сотрудничестве с другими талантливыми специалистами.

Ключевые выводы

Обучение, наставничество, сотрудничество

Обучение, наставничество, сотрудничество


  • Чтобы ваши бизнес-специалисты стали пользователями и разработчиками, им необходимо пройти обучение и освоить основные понятия интеллектуальной обработки данных. В свою очередь, вашим специалистам по интеллектуальному анализу данных нужен будет коучинг и новые структуры совместной работы для эффективного взаимодействия с бизнесом

Скорректируйте свою кадровую стратегию

Скорректируйте свою кадровую стратегию


  • Подбор специалистов и повышение квалификации сотрудников – два фрагмента одной картины. Вам также нужно систематически следить за тем, как в результате применения искусственного интеллекта меняются должностные роли и навыки, дорабатывать программы повышения квалификации, системы показателей эффективности и оплаты труды, а также создавать новые процессы для сотрудничества

Сформируйте дружелюбную корпоративную культуру

Сформируйте дружелюбную корпоративную культуру


  • Для привлечения и удержания высококвалифицированных специалистов в области ИИ следует ответственно относиться к использованию искусственного интеллекта и обеспечивать специалистов ресурсами, наделять их индивидуальными полномочиями и формировать культуру сотрудничества, что позволяет работникам добиваться высоких результатов
3. Доверие: ответственный во всех отношениях ИИ

Как мы и прогнозировали год назад, растет обеспокоенность возможными последствиями внедрения ИИ с точки зрения конфиденциальности данных, кибербезопасности, трудоустройства, неравенства и окружающей среды. Клиенты, сотрудники, советы директоров, регулирующие органы, коммерческие партнеры – все задают один и тот же вопрос: можно ли доверять искусственному интеллекту? Поэтому неудивительно, что руководители считают обеспечение надежности систем на базе ИИ своей главной задачей на 2019 год.

Смогут ли они справиться с этой задачей, зависит от того, насколько им удастся рассмотреть все аспекты ответственного ИИ:

  1. Справедливость: минимизируем ли мы предвзятость наших данных и моделей ИИ? Учитываем ли мы проблему предвзятости при использовании искусственного интеллекта?
  2. Возможность интерпретации: можем ли мы объяснить, каким образом модель ИИ принимает решения? Можем ли мы гарантировать точность этих решений?
  3. Надежность и безопасность: можем ли мы положиться на работу систем искусственного интеллекта? Уязвимы ли наши системы искусственного интеллекта перед атаками?
  4. Управление: кто отвечает за системы искусственного интеллекта? Внедрены ли у нас надлежащие процедуры контроля?
  5. Системная этика: соответствуют ли наши системы искусственного интеллекта нормативно-правовым требованиям? Как они отразятся на наших сотрудниках и клиентах?

Необходимо выстроить систему подотчетности по каждой области, и в рамках центра компетенций по ИИ, и в смежной группе, которая тесно сотрудничает с центром компетенций. Все больше компаний следят за ответственным использованием ИИ с помощью советов по вопросам этики или директоров по этике в технологиях, в зону ответственности которых входит и ИИ. Эта обнадеживающая тенденция, как мы ожидаем, будет набирать обороты. Вам также может понадобиться разработать должностные роли, которые предусматривают сочетание технических знаний и умения разбираться в нормативно-правовых, этических и репутационных вопросах.

Внедрение средств контроля и поиск компромиссов

Внедрение средств контроля для данных, алгоритмов, процессов и систем отчетности по ИИ потребует наличия смешанных команд, состоящих из специалистов в технической, коммерческой сфере и в области внутреннего аудита. Осуществляя непрерывную проверку и мониторинг процедур контроля, эти команды должны будут учитывать соответствующие компромиссы.

Так, в ракурсе интерпретации вы будете стремиться к оптимальному балансу производительности, затрат, значимости формата использования и степени вовлечения человека. Беспилотный автомобиль, медицинская диагностика на базе ИИ, рекламная компания под руководством ИИ – все это требует различных уровней и видов интерпретируемости и соответствующих средств контроля.

Объяснимые алгоритмы

Другие способы повышения доверия к ИИ связаны с развитием самого искусственного интеллекта, особенно в области объяснимого ИИ. Программа разработки объяснимого интеллекта Управления перспективных исследовательских проектов Министерства обороны США (DARPA), к примеру, касается создания интерпретируемых алгоритмов. Цель – искусственный интеллект, способный дать разумное обоснование, объяснить преимущества и недостатки, сообщить о своих дальнейших действиях.

Как мы и прогнозировали в прошлом году, в 2019 году увеличится число предприятий, желающих поднять завесу тайны над ИИ и повысить прозрачность, интерпретируемость и доказуемость решений, принимаемых искусственным интеллектом. Компаниям также необходимо будет прогнозировать сроки аудита алгоритмов. В будущем, как мы предполагаем, правительства некоторых стран займутся повышением уровня интерпретируемости нормативно-правовых требований.

Ключевые выводы

Ответственный ИИ: подотчетность

Ответственный ИИ: подотчетность


  • ИИ, которому можно доверять, должен быть справедливым, интерпретируемым, надежным и безопасным, предусматривать управление и системную этику. Разработайте роли и определите показатели, чтобы все команды совместно разрабатывали ответственный искусственный интеллект

Контроль на базе опыта

Контроль на базе опыта


  • При разработке процедур контроля для ИИ опирайтесь на свой опыт работы с другими технологиями. К передовой практике относится внедрение процессов, объединяющих различные заинтересованные стороны, и непрерывное тестирование и мониторинг систем ИИ

Изучение возможностей повышения доверия за счет технологий

Изучение возможностей повышения доверия за счет технологий


  • Инновационное развитие в сфере ответственного ИИ идет быстрыми темпами. Например, алгоритмы машинного обучения все лучше справляются с предоставлением разумного обоснования, объяснением преимуществ и недостатков, сообщением о своих вероятных действиях в будущем
4. Данные: локализация и разметка для машинного обучения

Искусственный интеллект дает ответ на большой вопрос о данных, которым мы задавались в прошлом году: как извлечь пользу из данных? Согласно нашему исследованию, первостепенная задача при работе с данными в контексте искусственного интеллекта – интегрировать ИИ и аналитические системы для извлечения из данных ценной бизнес-информации.

Эта цель достижима. ИИ можно использовать вместе с данными и аналитикой для более эффективного управления рисками, помощи сотрудникам в принятии решений, автоматизации клиентских операций и др.

Однако здесь возникает одна серьезная проблема: наше исследование показало, что компании не закладывают необходимую основу для успешного функционирования ИИ. Менее трети руководителей называют разметку данных в числе приоритетов для своих компаний на 2019 год.

Как происходит обучение ИИ

Чтобы алгоритмы машинного обучения выявляли существенные закономерности в настоящем и прогнозировали будущее, их необходимо обучить. Покажите алгоритму, к примеру, достаточный объем исторических данных о поведении потребителей, и он в конечном итоге сможет спрогнозировать дальнейшее поведение этих (и похожих на них) клиентов.

Для подготовки наборов данных для машинного обучения необходима разметка (маркировка) данных. Упрощенный пример – определить, удовлетворен ли потребитель. Чтобы такие наборы данных были полезны для ИИ в рамках всего предприятия (так как потребители могут взаимодействовать с несколькими бизнес-подразделениями), вам потребуется обеспечить единый подход к их разметке.

Центр компетенций по ИИ может разрабатывать и контролировать стандарты работы с данными, а также системы и процессы, упрощающие создание сотрудниками пригодных, размеченных наборов данных для дальнейшего использования.

Новые инструменты для устранения пробелов

Даже при более эффективном управлении данными трудности останутся. В некоторых случаях искусственный интеллект, призванный решить бизнес-проблему, обучается на данных, которыми компании могут не располагать.

Однако благодаря новым методам рационального и дополненного машинного обучения (Lean and Augmented Learning) ИИ может создавать собственные данные на базе небольшого числа образцов. Также возможен перенос моделей с одной задачи, где есть много данных, на другую, где данных не хватает. Иногда ИИ может синтезировать собственные данные для обучения при помощи таких способов, как обучение с подкреплением, активное обучение, генеративно-состязательные сети и цифровые двойники. Моделирование на базе вероятности также может быть использовано для создания «синтетических» данных для обучения ИИ.

Уделите внимание регламентам

Регламентирование ИИ по-прежнему находится на раннем этапе становления. Многие руководители считают, что сегодня начинается гонка вооружений ИИ, для которой необходимо государственное финансирование и дерегулирование. Другие призывают к разработке комплексных регламентов, касающихся таких вопросов, как этические алгоритмы, переобучение персонала, общественная безопасность, антимонопольное регулирование и прозрачность. Как мы и ожидали в прошлом году, страны стали конкурировать друг с другом, опираясь на государственные стратегии в области искусственного интеллекта. По состоянию на декабрь 2018 года более двух десятков стран ввели такие стратегии или приступили к их разработке.

В то же время формирующаяся нормативно-правовая база в области конфиденциальности данных также отразится на ИИ и может ограничить его развитие, так как она определяет, как международные компании могут использовать данные, созданные в различных регионах. Европейский Общий регламент о защите персональных данных вступил в силу в мае 2018 года, а в 2020 году начнет действовать Калифорнийский закон о защите частной жизни потребителей. Эти два документа различаются, но оба наделяют людей правом отслеживать и контролировать сбор и использование организациями их персональных данных, а также обращаться за помощью в случае, если они понесли убытки в результате нарушения кибербезопасности или системной ошибки.

Компаниям следует рассматривать вопросы регулирования с международной точки зрения, налаживая работу команд, которые помогают разрабатывать регламенты в различных юрисдикциях, а также перенимать мировой передовой опыт обеспечения нормативно-правового соответствия.

Ключевые выводы

Разметка и стандартизация

Разметка и стандартизация


  • Определите, какие наборы данных вам понадобятся для обучения ИИ при решении конкретных бизнес-проблем. Затем уделите особое внимание сбору и разметке этих данных в соответствии с общекорпоративными стандартами

Используйте новые инструменты работы с данными на базе ИИ

Используйте новые инструменты работы с данными на базе ИИ


  • Благодаря рациональному и дополненному обучению (Lean and Augmented Learning), обучению с переносом полученных знаний (Transfer Learning) и другим подходам к ИИ (зачастую встроенным в существующие приложения) можно гораздо проще достигать большего, задействуя меньшие ресурсы

Уделите внимание регламентам

Уделите внимание регламентам


  • Наладьте работу команд, которые помогают разрабатывать регламенты в различных юрисдикциях, а также применяйте мировую передовую практику в части обеспечения нормативно-правового соответствия
5. Обновление: монетизация ИИ за счет персонализации и повышения качества

Повышение показателей валовой выручки и чистой прибыли при помощи ИИ – не запредельная мечта. Многие компании уже сегодня используют искусственный интеллект для повышения эффективности операционной деятельности и улучшения качества обслуживания клиентов. Однако в 2019 году некоторые из них приступят к планированию или разработке новых бизнес-моделей на базе ИИ и изучению новых возможностей для получения доходов. Многие компании займутся развитием этих новых направлений бизнеса в отдельных подразделениях своих организаций за рамками центров компетенций, которые больше сосредоточены на внутренних процессах.

Сегодня наибольший эффект при использовании искусственного интеллекта дает повышение производительности, так как при помощи ИИ компании автоматизируют процессы и помогают сотрудникам принимать решения. Однако, по данным нашего Глобального исследования в области искусственного интеллекта, наибольшую экономическую выгоду обеспечит потребление за счет повышения качества, усиления персонализации и более активного использования данных в товарах и услугах. Проведенный нами анализ более чем 300 примеров применения ИИ показал, что быстрее всего выгоду можно получить в сфере здравоохранения, розничной торговли и автомобильной отрасли.

Так, искусственный интеллект в здравоохранении позволит использовать новые бизнес-модели на базе мониторинга данных об образе жизни пациента, быстрее и точнее диагностировать рак и другие заболевания, а также предлагать персонализированное и адаптируемое страхование здоровья. Розничные компании уже используют ИИ для прогнозирования тенденций и ведения бизнеса в соответствии с ними. Следующим этапом станет гиперперсонализированный ретейл: при помощи ИИ и автоматизации розничные предприятия смогут предлагать все больше товаров и услуг, предназначенных для одного конкретного потребителя.

Ваш робот-консультант по стратегии

Искусственный интеллект используется даже для принятия некоторых стратегических решений при помощи инструментов геймификации. Например, один ведущий автопроизводитель использует ИИ для тестирования более чем 200 тыс. сценариев вывода на рынок беспилотных автомобилей для совместного использования транспортных средств (райдшеринг). Такая модель помогает выявлять ключевые экономические факторы и оптимальные уровни для инфраструктуры и автомобилей.

Инвестирование в стартапы по ИИ

Монетизировать искусственный интеллект пытается не только состоявшийся бизнес. На рынке быстро растет число новых компаний. По состоянию на третий квартал 2018 года насчитывалось 940 компаний, занимающихся искусственным интеллектом. Такие сведения приводятся в совместно отчете PwC и CB Insights MoneyTree™. В США инвестиции венчурного капитала в частные компании из этого числа (около 790 компаний) активно растут: за первые три квартала 2018 года было вложено 6,6 млрд долларов США. Для сравнения: за тот же период 2017 года размер инвестиций составил 3,9 млрд долларов США (данные отчета MoneyTree™).

Источником этих инвестиций является не только Сэнд-Хилл-роуд в Кремниевой долине и фонды прямых инвестиций: рекордные суммы вкладывают корпорации через свои подразделения, занимающиеся венчурным капиталом, или в форме прямых инвестиций. В 2018 году объем инвестиций со стороны компаний, готовых финансировать внешние разработки ИИ, составил 983 млн долларов США. Они также напрямую приобретали разработчиков технологий ИИ: 35 компаний стоимостью 3,8 млрд долларов США. Тенденция к инвестированию вместо разработки ИИ, по нашим прогнозам, будет набирать темп. Так, согласно нашему исследованию Digital IQ за 2018 год, всего 8 % компаний вкладывали существенные прямые инвестиции в ИИ, однако при этом еще 52 % заинтересованы в сделках приобретения или альянсах.

Ключевые выводы

Создавайте новые бизнес-модели на основе данных

Создавайте новые бизнес-модели на основе данных


  • Главный источник экономической выгоды от ИИ – потребление, поэтому приступите к оценке того, как при помощи ИИ можно повысить качество и усилить персонализацию товаров и услуг

Включите вопросы ИИ в повестку специалистов по стратегии

Включите вопросы ИИ в повестку специалистов по стратегии


  • Способность ИИ выявлять тенденции в данных и экстраполировать их на будущее, а также возможность изучать сценарии применительно к новым продуктам, рынкам, бизнес-моделям может помочь вам в принятии даже самых важных стратегических решений

Рассмотрите возможности для инвестирования и приобретения компаний

Рассмотрите возможности для инвестирования и приобретения компаний


  • В свете активной разработки инновационных решений на базе ИИ стартапами присмотритесь к потенциальным рынкам, технологиям и специалистам, которые позволят вам добиться успеха при взаимодействии с партнерами, инвестировании или приобретении активов
6. Конвергенция: сочетание ИИ с аналитикой, интернетом вещей и другими технологиями

Сила искусственного интеллекта увеличивается еще больше, когда он используется в сочетании с другими технологиями, такими как аналитика, ERP, интернет вещей, блокчейн и даже, наконец, квантовые вычисления. Преимущества такой конвергенции не ограничиваются лишь ИИ. Именно конвергенция даст наибольший эффект по всем технологиям «большой восьмерки».

Этим технологиям необходим искусственный интеллект.

По данным нашего опроса, 36 % руководителей включают управление конвергенцией ИИ с другими технологиями в число главных задач в области ИИ на 2019 год наравне с удержанием сотрудников. В этом рейтинге конвергенция лишь немного уступает обеспечению доверия к ИИ. Компании также разделяют мнение, что еще одна приоритетная задача – дальнейшее развитие углубленной, прогнозной и потоковой аналитики при помощи ИИ. Такая конвергенция может усилить новые бизнес-модели на основе данных.

Для интернета вещей конвергенция с ИИ также создаст большие преимущества. Совсем скоро у крупных предприятий количество датчиков, подключенных к интернету вещей и собирающих информацию с корпоративного оборудования и клиентских устройств, может исчисляться миллионами. ИИ и аналитика будут играть важную роль в выявлении закономерностей в огромной массе данных для самых разных задач, от обслуживания систем до маркетингового анализа. Справиться с этим поможет микропроцессоры с элементами ИИ, встроенные непосредственно в устройства интернета вещей для сбора данных на местах.

Данные и интеграция разработки и эксплуатации (DevOps)

Успешная интеграция ИИ с другими технологиями начинается с данных. У организаций, которые вкладываются в выявление, агрегирование, стандартизацию и разметку данных (а также вспомогательную инфраструктуру и хранение данных), будут все возможности сочетать ИИ с аналитикой, интернетом вещей и другими технологиями.

Однако для интеграции ИИ с другими корпоративными системами конвергенция должна затронуть и людей. Следует уйти от практики, когда аналитики борются с алгоритмом, потом передают его ИТ-специалистам для написания API-интерфейса или отправляют его кому-нибудь со стороны бизнеса для применения в работе. Все эти команды должны работать сообща с самого начала.

Добиться такого результата поможет интеграция разработки и эксплуатации (техника DevOps). Данный подход предусматривает обратную связь между специалистами по разработке и эксплуатации для непрерывного сотрудничества и интерактивного внесения изменений в новые продукты. Другой инструмент – создание новой роли для работников, которые будут выполнять роль посредника и контактного лица для различных команд.

Следует учитывать еще один момент: при интеграции ИИ с технологиями и продвинутыми системами, функционирующими круглосуточно, алгоритмы искусственного интеллекта должны будут непрерывно получать новые данные для обучения. В противном случае модели ИИ будут работать с устаревшими данными, что приведет к снижению производительности и эффективности ИИ. Также необходимо будет регулярно тестировать, обновлять и заменять модели ИИ.

Ключевые выводы

Начните с аналитики и интернета вещей

Начните с аналитики и интернета вещей


  • ИИ может принести пользу многим технологиям, однако именно углубленная аналитика и интернет вещей дадут существенный эффект

Используйте принципы DevOps для интеграции

Используйте принципы DevOps для интеграции


  • Для интеграции ИИ с другими технологиями необходимо объединить различные команды. В методологии DevOps первостепенное внимание уделяется постоянной обратной связи и итеративной работе, что может ускорить процессы и повысить производительность

Продолжайте обучение ИИ на базе новых данных

Продолжайте обучение ИИ на базе новых данных


  • Корпоративные системы и сети интернета вещей постоянно создают данные. Во избежание снижения производительности непрерывно обучайте алгоритмы ИИ на базе новых данных

Вы готовы к ИИ?

В 2019 году пора приняться за дело и разработать свою стратегию в области ИИ. Для ИИ необходима отдельная организационная структура и планы по персоналу, надежные алгоритмы и правильные данные для обучения алгоритмов, программа обновления бизнеса с целью наращивания выручки и увеличения прибыли при помощи ИИ, а также конвергенция с другими существующими и новыми технологиями.

Список задач впечатляет. Но те компании, которым удастся правильно выстроить приоритеты, смогут отличиться от других.

Готовы к запуску? Свяжитесь с нами!

 

Контакты

Михаил Магрилов

Партнер, руководитель российской практики по предоставлению услуг бизнес-консультирования, PwC Россия

Тел: +7 (495) 976 6049

Олег Данильченко

Директор, руководитель Центра по прикладному анализу данных, PwC Россия

Тел: +7 (495) 967 6094

Анатолий Поляков

Старший менеджер Центра по прикладному анализу данных, PwC Россия

Тел: +7 (495) 967 6094

Мы в социальных сетях