Цифровая экономика: как российский бизнес использует технологии искусственного интеллекта?
12:35 28/01/2022
Согласно совместному исследованию аналитического агентства TAdviser, Huawei и технологической компании «Техносерв», 68 % крупных российских компаний использовали ИИ-технологии в 2020 году. Однако, если брать рынок в целом, то, по данным НИУ ВШЭ, технологии ИИ в своей деятельности применяют лишь 5,4 % российских организаций. С какими трудностями сталкиваются российские компании при внедрении и использовании технологий ИИ? Какие наиболее востребованные технологии ИИ помогают компаниям в решении бизнес-задач?
Согласно данным Института статистических исследований и экономики знаний НИУ ВШЭ, почти каждое третье крупное предприятие использует технологии ИИ (35,7 %), из менее крупных предприятий – только каждое пятое (21,8 %), тогда среди малых предприятий используют ИИ только 5 % опрошенных предпринимателей. Это объясняется высокой стоимостью ИИ-решений, низкой информированностью малого бизнеса о преимуществах внедрения ИИ и пока еще недостаточным числом готовых ИИ-систем. Позволить себе подобные проекты пока могут лишь крупные игроки. Очевидно, что малые и средние предприятия отстают от общего тренда по внедрению ИИ.
Рабочая группа по искусственному интеллекту, созданная Правительством РФ, измерила индекс зрелости технологий ИИ. Среди критериев были выделены инфраструктура, уровень развития науки и кадров в стране, доходы IT-компаний. В России этот индекс в 2019 году равнялся 6 баллам. В большом отрыве находились США и Китай (по 77 баллов), также в топе Великобритания, Канада и Германия (по 26 баллов). У нашей страны остается огромный потенциал роста в этой сфере, и в этом может сыграть не последнюю роль малый бизнес.
Малый бизнес на пути к искусственному интеллекту
Обычно именно малые инновационные предприятия становятся источниками в разработке новаторских идей и решений, которые потом перекупаются крупными корпорациями. В современных условиях российские разработки в области ИИ сосредоточены в «Сколково» и других инновационных центрах, а эти центры уже пользуются значительными налоговыми льготами, а также статусами свободных экономических зон.
Разумеется, доля российских разработок в ИИ пока не высока, что обусловлено прежде всего резким оттоком научных кадров, прежде всего инженерных, происходившим в 90-е годы ХХ века. Цель повышения качества и количества кадров, занятых ИТ-индустрии, является одной из основных в национальном проекте «Наука». Очевидно, что быстро решить эту задачу очень сложно, потребуется значительный временной лаг, но учитывая, что конкурс на направления ИТ в вузах постоянно растет, в ближайшие годы России удастся наладить устойчивый уровень воспроизводства кадров для ИТ индустрии, а значит и увеличить объемы разработок в сфере ИИ, считает доцент Департамента менеджмента и инноваций Финансового Университета при Правительстве РФ Михаил Хачатурян.
«Малый и средний бизнес менее активен в применении ИИ, поскольку объем производства, количество клиентов, количество товарных предложений и частота взаимодействий еще позволяют контролировать ситуацию «на кончиках пальцев», а цена ошибки относительно невелика», – говорит Алексей Сергеев, руководитель ИИ-проектов Accenture в России.
Владельцы преимущественно руководствуются критерием рациональности, сосредотачивая усилия на задачах и проблемах, которые можно решить в отрыве от технологий и дополнительных инвестиций. Это определенная инерция, связанная с убеждением, что быть HighTech компанией, и, в особенности, иметь дело с ИИ – прерогатива «гигантов».
«Отчасти это так, но причины у такого положения вещей все больше «органические», чем финансовые: гиганты – это организации с более высоким уровнем зрелости процессов, осознавшие парадигму «данные – актив предприятия», имеющие высокую транзакционную активность, активно развивающие онлайн-сторону бизнеса. ИИ наиболее плодотворным образом показывает себя в такой среде», – продолжает эксперт.
Конечно же, у представителей малого и среднего бизнеса есть и свои драйверы для нарушения статуса-кво – гибкость, способность адаптироваться и пробовать новые бизнес-модели, доступность облачных платформ для внедрения решений на основе ИИ, зрелость среды – клиентов, контрагентов и, конечно же, тысячи граблей, собранные «гигантами» на пути пионеров – все это делает применение продвинутой аналитики и решений на основе ИИ более доступным для компаний этого эшелона.
Проблемы и решения на пути к внедрению ИИ
Препятствием для широкого применения ИИ в российской экономике является высокая стоимость, поэтому наибольшая доля внедрения и приходится на крупные российские корпорации. В этой связи необходима разработка государственных мер поддержки разработки и внедрения ИИ в управленческие и производственные процессы для малых и средних компаний, не являющихся резидентами инновационных центров. Наиболее востребованными технологиями в российских компаниях являются нейросети, цифровые двойники, которые задействованы в проектировании новых продуктов, выстраивание систем управления бизнес-процессами, проектированием производственных процессов и производственных мощностей, рассказывает Михаил Хачатурян.
«Внедрение ИИ сдерживается несколькими факторами, но первый из них – неочевидность получения прибыли, сопоставимой затратам. Часто нет понимания величины инвестиций и будущей экономии или дохода, что также сдерживает интерес, который не находит практического воплощения. Среди иных факторов – проблемы с данными, их мало и часто они низкого качества, что не позволяет рассчитывать на экономический эффект внедрения у малых и средних предприятий (МСП). Для принятия решения собственником или управляющим МСП чаще всего мало доступной информации, у них не хватает квалификации для оценки перспективности внедрения, перспектив и сроков окупаемости. Это вопросы не только финансовой грамотности, но и информационной кампании производителей технологий, базирующихся на технологиях искусственного интеллекта», – говорит руководитель департамента страхования и экономики социальной сферы Финансового университета при Правительстве РФ Александр Цыганов.
Лучший источник помощи в разработке и внедрении ИИ в МСП лежит в пределах самих предприятий – технологии сами находят дорогу к бизнесу. Вместе с тем есть множество готовых инструментов и подходов, испытанных крупными брендами, которые не требуют длительных циклов проверки гипотез и внедряются с предсказуемыми сроками и результатом. Наиболее востребованными и развитыми здесь являются решения для оптимизации маркетинга и продаж, автоматизации коммуникаций и клиентского обслуживания – чат-боты, рекомендательные системы, решения для прогнозирования продаж и так далее. Часто потенциальную выгоду таких решений можно оценить до внедрения, а в иных случаях – в рамках короткого Proof of Concept, который ответит на вопрос о целесообразности инвестиций во внедрение, уверен Алексей Сергеев.
Основной фактор это не регуляторные барьеры, которые пока не являются запретительными и не мешают развиваться технологиям, а, скорее всего, недостаточная осведомленность о возможностях современных технологий среди субъектов малого бизнеса и отсутствие достаточной популяризации таких решений со стороны СМИ, считает Михаил Попов, основатель финтех-платформы TalkBank. Они фокусируются на более ярких или фантастических решениях, о которых заявляют крупные корпорации. При этом они упускают из вида ту масштабируемость и легкость, которую ИИ дает бизнес-процессам малых предприятий.
В этих процессах всегда есть дефицит человеческих ресурсов и кадров, в них достаточно сложно автоматизировать что-то внутри из-за недостаточности ИТ-ресурсов. Готовые платформы и конструкторы в этом смысле им очень сильно помогают. Если 10 лет назад такие конструкторы и платформы были очень примитивны и их было сложно настраивать, то сейчас эти технологии уже шагнули далеко вперед. Уже накоплена большая база знаний для общения, распознавания и создания графических образов.
«За счет виртуализации, развития облачных вычислений, сервисов и продуктов в области развития ИИ это все доступно малому бизнесу. Однако многие об этом не знают или думают, что это слишком дорого или сложно, либо, столкнувшись с какими-то доступными бесплатными решениями, разочаровываются в технологиях, потому что в представленных кейсах они были недостаточно развитыми. Но на самом деле мы видим, что малый бизнес, который берет на вооружение искусственный интеллект, быстро начинает расти, перестраивается и улучшает свои метрики», – заключает Михаил Попов.
Российский рынок технологий на базе машинного обучения сегодня имеет существенные перспективы развития, считает основатель агрегатора технологических проектов Venn, партнер консалтинговой компании Rights Business Standard Виктория Арабина. Отечественная научно-технологическая школа, представленная несколькими ключевыми кластерами (МФТИ, МГУ, МГТУ, ИТМО и др), при всех глобальных и региональных вызовах решает сегодня задачи мирового уровня. Вместе с тем для существенного скачка и возможности масштабировать российские технологии как на рынке страны, так и на мировом рынке, необходимо решение стратегических задач, таких как массовая подготовка и переподготовка кадрового потенциала, открытые площадки работы с данными и их сбор бигтехом страны для последующей передачи в проекты малого бизнеса, изменение нормативной базы с учетом реалий развития технологий.
Сегодня рынок многих видов технологий, раньше относимых к сквозным технологиям Четвертой промышленной революции, стал обыденным и знакомым для множества коммерческих игроков. К таким технологиям, например, можно отнести компьютерное зрение, диалоговые системы. Однако и сегодня в данных направлениях технологического развития остается пространство для творчества и экспериментов. Представляется, что именно такого рода плотно обосновавшиеся на рынке технологии, доказавшие свою эффективность при оптимизации процессов и автоматизации блоков задач корпоративных игроков, хороши для внедрения на рынке МСП.
«Меняется и сам рынок разработок в сфере ИИ. Сейчас он стал доступен для создания сервисов, что дает возможность большему количеству компаний подумать о введении релевантных решений. Данные также предоставляются мировым бигтехом, который, в свою очередь, делает это для продвижения продуктов и получения дополнительных данных (среди основных игроков с данной моделью развития ИИ – Microsoft, Amazon и Google). Малому бизнесу, как и стартапам, не требуется создавать свои собственные решения при такой модели работы. Но она не всегда осознается на рынке РФ ввиду консерватизма традиционных секторов и недостаточной информационности регионального МСП», – говорит Виктория Арабина.
Еще один фактор возможного роста – облачные инструменты с поддержкой ИИ: это любые сервисы, нацеленные на поддержку процессов малого бизнеса (бухгалтерский учет, управление кадрами, CRM-системы). Конечно, крупный бизнес свою работу в области ИИ сегодня строит вокруг прогнозирования и анализа больших данных, но и у малого бизнеса есть немало возможностей использовать эти инструменты при настройке собственных процессов. Однако данное решение может быть внедрено только при поддержке регулятора или системных игроков.
Президент Национального агентства по охране и управлению здоровьем, генеральный директор Первого клинического медицинского центра Максим Балясников приводит конкретные данные, связанные с опытом внедрения ИИ в сфере медицины. По его мнению, огромное количество данных, собираемых сегодня медицинскими организациями, открывает принципиально новые возможности для здравоохранения – от постановки диагноза, выбора лечения, подбора препаратов до анализа клиентского опыта в отношении медицинской услуги.
Например, компания Aurora Health Care из США ежегодно экономит 6 млн долларов за счет предписывающей аналитики: ей удалось снизить число повторных госпитализаций на 10 %. Всего в США с большими данными работает более 55 % компаний, в Европе и Азии – около 53 %. В России рынок больших данных новый и быстро растет. По мнению экспертов, в 2020 году объем медицинских данных удваивался каждые 73 дня. При этом они, как правило, не связаны друг с другом и нуждаются в дополнительной обработке.
Однако остаются нерешенными проблемы, тормозящие развитие медицинских технологий на основе ИИ. Во-первых, получаемые в ходе обследований данные оказываются неструктурированными и неполными, поэтому ИИ, обученный на такой выборке, будет давать некорректные результаты. Персональные данные по закону нельзя передавать, а при обезличивании теряется связь с данными других учреждений. Во-вторых, существует возможность непредсказуемых диагнозов и рекомендаций, выдаваемых ИИ, поэтому пока необходима ручная валидация данных. В-третьих, пока сохраняется нерегламентированной ответственность врача за последствия решений, принятых на основе данных, полученных с помощью ИИ. В-четвертых, для ИИ нужно много данных для обучения, а это дорогостоящая процедура.
«Безусловно, создание общедоступных массивов (датасетов) медицинских данных может снять многие проблемы. Необходимо внедрение механизмов хранения информации, которые предоставляют быстрый доступ к большим объемам данных», – резюмирует Балясников.
