Сегодня крупный и даже средний бизнес на любом вертикальном рынке нередко является ИТ-компанией. Однако в современных условиях для достижения желаемого уровня эффективности оказывается недостаточно располагать объемом данных, компетентными сотрудниками и вычислительными мощностями для построения моделей, обучения, управления жизненным циклом и т.д. Нужно уметь объединять усилия и ресурсы игроков рынка – инвестиции, экспертизу, кадровые ресурсы и пр.
Развитие и применение технологий ИИ в России обсудили эксперты в области ИИ и data science на форуме «Искусственный интеллект в отрасли: барьеры и стимулы». Мероприятие, на котором рассматривали актуальные задачи, возможности, драйверы и ингибиторы сегмента, а также особенности текущей ситуации, проводил Институт перспективных исследований проблем искусственного интеллекта и интеллектуальных систем МГУ имени М.В. Ломоносова. Одной из ключевых дискуссий стала сессия «ИИ в индустрии: неограниченные возможности vs актуальные задачи», в которой выступили крупнейшие эксперты в области искусственного интеллекта из компаний-лидеров в разных отраслях экономики.
Почему к ИИ такое внимание
По данным исследования Национального центра искусственного интеллекта, инструменты на основе искусственного интеллекта пока не получили повсеместное распространение: только порядка 20% российских компаний используют ИИ-технологии. Однако, уже сейчас, при относительно небольшом распространении, примерно 1-2% роста ВВП страны до 2025 года может принести внедрение технологий ИИ в ключевые отрасли экономики.
Важность внедрений ИИ-инструментов в масштабах национальной экономики признана на государственном уровне, отметил Алексей Сидорюк, директор по направлению «Цифровая трансформация отраслей» в АНО «Цифровая экономика»: государство активно инвестирует в развитие ИИ (3,6 млрд. рублей только в прошлом году вложено в различные меры поддержки). На государственные деньги поддерживают создание собственных решений и первое пилотное внедрение в отраслях, финансируют исследовательские центры, вкладывают в акселерацию стартапов, создание собственной инфраструктуры и т.д.
Сегмент ИИ в экономике рублевой зоны занимает значительный объем в денежном выражении и продолжает активный рост, уверен Сергей Голицын, вице-президент ВТБ, заместитель руководителя департамента анализа данных и моделирования. И это подтверждено цифрами исследования АНО «Цифровая экономика»: объем рынка ИИ в России по состоянию на 2021 год составил 550 млрд рублей, и в непростом 2022 году результаты будут не ниже – эксперты предсказывают 10-15% рост.
Где и как используют ИИ
На первом месте по внедрениям ИИ-решений сегодня банковская сфера. За последние несколько лет применение таких технологий радикально изменили ряд задач, в частности, крайне важное для банков направление скоринга, напомнил Алексей Каширин, директор центра продвинутой аналитики «Альфа-Банка». «Мы живем в благословенное время, когда технологии машинного обучения становятся значимой силой», – сказал Алексей Каширин. Сказанное про банкинг справедливо и для других индустрий – кейсов практического применения ИИ сегодня очень много.
В российских компаниях активно используют системы компьютерного зрения, построенные на ИИ, отметили выступающие. Их применяют в охранных системах и в решениях контроля, в частности, определяющих полноту исполнения промежуточных технологических процессов, качество продукции и т.д. ИИ-технологии крайне активно применяют в медицине, как для упрощения повседневных технических задач врача (например, для автоматизации заполнения документов), так и его основной деятельности (например, системы компьютерного зрения для процессов диагностики), отметил Ярослав Марков, директор по инвестициям ГК «Ташир Медика».
ИИ-системы поддержки принятия бизнес- и управленческих решений широко применяют на всех вертикальных рынках. Например, в медицине используют ИИ для оптимизации управленческих задач – улучшения клиентского опыта, прогнозирование потоков пациентов и т.д. Сейчас для медицины вопрос оптимизации расходов стоит особенно остро.
В числе основных кейсов и сценариев применения ИИ-технологий, по данным исследования АНО «Цифровая экономика», решения для анализа состояния оборудования. Переход от регламентного ремонта к ремонту по состоянию минимизирует непроизводительные расходы, а также снижает риски внеплановых поломок и остановок производства. Искусственный интеллект способен прогнозировать выход оборудования из строя до возникновения неисправности и подсказать, какие компоненты нужно менять.
Кроме упомянутых выше задач ИИ применяют в «цифровых двойниках», при внедрении роботизированных технологий на производстве и т.д. Высок интерес к ИИ со стороны сельскохозяйственного сектора, которому нужны цифровые системы управления агро-бизнесом с применением больших данных и предиктивной аналитики, мониторинг повышения эффективности содержания скота, автономная техника для посевов, выращивания, уборки урожая (от посадки и полива, до применения средств защиты растений и уборки урожая) и т.д.
От штучных кейсов до повсеместного использования
Российские компании уже успешно используют ИИ для принятия взвешенных решений на базе анализа массивов данных и предиктивных моделей. Например, при строительстве нового жилого комплекса девелоперам важно рассчитать оптимальную квартирографию: определить количество квартир и комнат в них, их площадь и стоимость квадратного метра на каждом этапе строительства.
Роман Стятюгин, директор центра аналитических продуктов VK Predict, рассказал про сервис «Девелопер», который позволяет решать эти задачи. Алгоритмы анализируют накопленные данные о спросе и предложении на жилые объекты в точке застройки, цены и темпы продаж квартир в похожих ЖК, информацию о социальной и транспортной инфраструктуре района. Сервис прогнозирует, какое количество квартир — студий, однокомнатных, двухкомнатных, трехкомнатных и четырехкомнатных — должно быть в новостройках. Корректная оценка позволяет реализовать весь объем жилья в нужный срок и получить максимальную прибыль. Технологическое решение уже протестировали крупные застройщики: точность прогнозирования стоимости квартир составила 91%.
Российский ИИ: ингибиторы
Существует ряд факторов, мешающих более активному развитию ИИ в российских условиях. Следует выделить технические проблемы и экономические особенности. Например, некоторые ИИ-инструменты еще недостаточно зрелы, что усложняет и удорожает их внедрение на предприятиях и госучреждениях.
Тормозит развитие ИИ в национальном масштабе недостаток профильных кадров, уверен Алексей Сидорюк, отмечая дефицит тандемов «отраслевой эксперт + эксперт в машинном обучении», которые особенно эффективны для решения практических задач. К ингибиторам процессов внедрения ИИ следует отнести невысокую стоимость рабочей силы в РФ: зачастую в регионах проще поставить на выполнение простых операций отдельного сотрудника, чем нести затраты на внедрение ИИ-инструментов.
Важно, что сегодня далеко не все компании могут самостоятельно определить приоритетные направления для внедрения ИИ-инструментов, адаптировать для практического применения в их основной деятельности имеющиеся на рынке технологии, провести анализ финансовых аспектов данных процессов. Возможность оценки сроков возврата инвестиций – важный фактор для распространения ИИ, но в настоящее время не всегда присутствует понимание экономического эффекта от внедрения ИИ.
В качестве ингибиторов для ИИ работают те же факторы, что и для цифровизации или для «цифровой трансформации»: для эффективного внедрения процессов нужен соответствующий уровень цифровой зрелости у заказчиков – он достаточен далеко не всегда и не может быть поднят моментально. Однако, все участники сессии согласились с тем, что в этом направлении надо активно работать, причем объединяя усилия.
Кооперация ради развития
Развитие технологий ИИ требует качественных датасетов, а одним из важнейших трендов становится безопасное объедение данных, в том числе из разных источников (концепция Data Fusion). Совместное использование данных из разных отраслей дает возможность значительно повысить уровень обучения моделей и вывести эффективность работы с данными на качественно новый уровень. Это позволит улучшать и создавать новые полезные продукты и сервисы для пользователей, делать их более персонализированными, а также строить более точные прогнозы для развития бизнеса, например, в отраслях ритейл, телеком и других. Такое объединение данных возможно только с соблюдением требований законодательства, в частности, касающиеся защиты персональных данных. Оно должно быть обезличенным и происходить в доверенной и защищенной среде.
Технологии, способные обеспечить эффективную защиту данных и соблюдение требований регуляторов, безусловно, существуют. В контексте больших данных, одним из наиболее перспективных подходов является создание криптоанклавов, позволяющих объединять данные для последующего анализа с соблюдением требований конфиденциальности. Ранее ВТБ уже протестировал созданное совместно с МФТИ собственное технологическое решение для безопасного объединения больших данных. Технологическим партнером для реализации этого проекта и его дальнейшего развития на рынке стала группа «Иннотех».
«Вне зависимости от физического размещения анклава, всем участникам процесса объединения данных гарантируется посредством крипто-протоколов отсутствие доступа к передаваемым в защищённый контур первичным данным», – рассказал во время дискуссии Дмитрий Берестнев, директор дивизиона анализа данных и моделирования группы «Иннотех». Кроме того, он убежден в необходимости создания единых национальных стандартов для объединенных данных, которые позволят радикально упростить доступ к синтетическим дата-сетам и существенно ускорят процессы обучения моделей.
Вместо заключения
Рынок ИИ ожидает бурный рост, уверены эксперты. При этом основным потенциалом обладает сегмент малого и среднего бизнеса, который пока только присматривается к внедрению и тестированию ИИ-инструментов крупными игроками.
Важность налаживания кросс-индустриального обмена опытом для всего рынка подчеркнул Константин Романов, директор по искусственному интеллекту и цифровым продуктам в «Вымпелкоме»: «К сожалению, процесс внедрения технологий ИИ идет достаточно медленно, так как у компаний нет уверенности в быстром возврате инвестиций. При этом большинство аналогичных проектов и решений уже были реализованы, у них есть коммерческие результаты, в том числе публичные. Поэтому одну из ключевых задач мы видим в просветительской работе, чтобы компании больше узнавали об успехах своих коллег и возможностях партнеров».
Подводя итоги сессии, Сергей Голицын отметил высокую важность кооперации для быстрого и эффективного решения задач развития ИИ-технологий: «Необходимо налаженное сотрудничество коммерческих компаний с академическими структурами, госорганами и объединение ресурсов различных бизнесов для решения задач, которые стоят перед всем рынком. Нужна активная работа по демократизации ИИ-инструментов, которые должны быть коммодитизированы настолько, чтобы их мог эффективно применять малый и средний бизнес. Нужен обмен успешными кейсами для привлечения внимания к ИИ-инструментам со стороны всех отраслей. Подобный подход даст необходимый синергетический эффект для полноценного внедрения ИИ в экономические процессы и его дальнейшего развития на качественно новом уровне».
Поделиться