ИИ для бизнеса: что идет не так и как исправить ситуацию

Несмотря на годы шумихи (и множества беспокойств) по поводу всепобеждающая сила искусственного интеллекта (ИИ), все еще остается значительный разрыв между обещаниями ИИ и его реальностью для бизнеса.

Технологические компании уже много лет рассказывают о возможностях ИИ, но для большинства организаций преимущества ИИ остаются неуловимыми.

Трудно оценить долю компаний, которые сегодня эффективно используют искусственный интеллект, и в какой степени. Скорость принятия показано в последних отчетах падает где-то между 20% и 30%, при этом внедрение обычно определяется как «внедрение ИИ в той или иной форме»..

Опрос, проведенный КПМГ среди 30 компаний из списка Global 500, показал, что, хотя 30% респондентов сообщили об использовании ИИ для избранного диапазона функций, только 17% компаний внедряли технологию «в масштабе» внутри предприятия.

ВИДЕТЬ: Как внедрить ИИ и машинное обучение (Специальный репортаж ZDNet) | Скачать отчет в формате PDF (Техреспублик)

Но все отчеты указывают на то, что интерес бизнеса к ИИ растет. По данным исследовательской компании Gartner, количество компаний, внедряющих технологии, связанные с ИИ, за последние четыре года выросло на 270%.

«Это не вопрос осведомленности, могу вас заверить», — сказал ZDNet Йохан Аурик, партнер глобальной стратегической консалтинговой компании Kearney. «Когда вы разговариваете с руководителями, становится очевидно, что они все ходят на все конференции по искусственному интеллекту, все читают об этом, все знают, на что способны эти технологии».

«Все об этом говорят, но на самом деле никто этого не сделал», — сказал Аурик.

Перспективы создания искусственного интеллекта, безусловно, заманчивы. Гораздо больший рост, которого может достичь технология, был широко одобрен экспертами до такой степени, что любому руководителю было бы трудно остаться в неведении относительно этой шумихи.

Одно из уже хорошо задокументированных применений ИИ — это использование машинного обучения для маркетинга и продаж. по оценкам аналитиков, может принести до $2,6 трлн. по стоимости во всем мире. Используя ИИ, компании могут получить гораздо лучшее представление о поведении клиентов и разрабатывать персонализированные предложения. В результате продажи обычных магазинов могут увеличиться до 2%.

Компания Kellogg, американский производитель продуктов питания, отвечающий за утренние напитки Coco Pops и полуночные Pringles, является пионером в использовании искусственного интеллекта для дальнейшего изучения поведенческих наук.

Совместно с Qualcomm компания Kellogg разработала разработанная технология отслеживания взгляда встроен в гарнитуру виртуальной реальности (VR), которая отслеживает поведение клиентов во время покупок. Когда пользователи просматривают симулированный магазин, устройство собирает данные о продуктах, которые привлекают их внимание или о том, где они находятся. они смотрят дольше всех — данные, которые затем передаются в алгоритмы машинного обучения, чтобы понять, что вызывает покупку решение.

Стивен Донайгродски, директор по поведенческим наукам в Kellogg, объяснил на недавней конференции в Лондоне, что ИИ помогает его команде точно понять, почему люди действуют; и как только поведенческие механизмы покупателей становятся кристально ясными, становится возможным влиять на их решение о покупке.

«ИИ и данные действительно полезны для понимания того, на что нам следует обратить внимание, выдвижения гипотез о том, где нам следует внести изменения, а затем оценить эти изменения», — сказал Донайгродски. «У нас в 400 раз больше шансов изменить чье-то поведение, если мы понимаем особенности поведения этого человека».

ВИДЕТЬ: Мы все еще пытаемся догнать ИИ, и играть в эту игру опасно.

Показательный пример: компания Kellogg протестировала новую гарнитуру виртуальной реальности в рамках пилотного испытания, когда компания выпустила новый продукт Pop Tarts Bites, и получила убедительные результаты. Алгоритм определил, что, вопреки распространённому мнению, лучшее место для демонстрации нового товара – это магазин находился на нижних полках — рекомендация, которая привела к увеличению продаж на 18% во время испытания.

«Эти системы помогают нам легче достигать конкретных целей», — сказал Донайгродский. «Как только вы получите лучшее представление об общей ситуации, вы получите гораздо лучшее представление о том, как изменить индивидуальное поведение».

Речь идет не только об управлении человеческими действиями. В отраслях с большим объемом данных, таких как производство, способность ИИ обрабатывать и анализировать огромные объемы информации также обещает повышение эффективности на всем протяжении цепочки поставок.

Возьмите нефтегазовую отрасль, куда каждый день поступает информация о трубопроводах, морских активах, резервуарах, месторождениях и скважинах и так далее. Многого можно добиться от технологии, способной точно обрабатывать и интерпретировать данные в режиме реального времени; например, аномалии или поломки можно обнаружить быстрее и обеспечить профилактическое обслуживание.

Chevron, по сути, является новейшим энергетический гигант, попавший в новости после объявления о новой инициативе совместно с Microsoft по созданию облачной платформы, использующей анализ данных для мониторинга и оптимизации производительности на местах.

Несмотря на доказательства того, что ИИ способствует росту, Аурик из Kearney подчеркнул, что такие примеры далеки от нормы во всех отраслях. «В разных секторах ситуация различается: энергетические и медицинские компании все чаще внедряют ИИ, — признал он, — но это исключения. Большинство авторитетных компаний по-прежнему работают в Excel. Большинство отраслей – финансовые услуги, производство потребительских товаров – очень ограничены в своем использовании».

Страх обычно называют основной причиной нежелания компаний использовать ИИ, а утверждение о том, что «роботы отнимут у нас рабочие места», по понятным причинам отталкивает руководителей и их сотрудников. Тем не менее, опросы, как правило, показывают, что тревога о «полностью автоматизированном труде» необоснованна и теряет актуальность. Недавний отчет показал, что до 87% организаций планируете увеличить или сохранить количество сотрудников после внедрения автоматизации.

Другой вопрос – это вопрос определений. ИИ может охватывать очень широкий спектр технологий, начиная от обработки данных и заканчивая машинным обучением. вплоть до передовых разработок в области искусственного интеллекта — то есть машин, которые думают как люди. Это довольно обширная область технологий. Когда вы привлекаете кучу технологических компаний и стартапов, стремящихся оказать влияние, переименовав свои усилия как «ИИ» для привлечения клиентов, следящих за духом времени, тогда истинное состояние использования ИИ становится еще труднее определить. мера.

Еще одним серьезным препятствием для внедрения ИИ является отсутствие навыков, которые более половины бизнес-лидеров называют главной задачей к усыновлению.

Марк Эспозито, профессор бизнеса и экономики в Международной бизнес-школе Хульта и Гарварде Университета объяснил, что преодоление разрыва между шумихой и реальностью действительно ставит эти предприятия в тяжелое положение. время. «Была первая тенденция, когда организации рассматривали ИИ как доказательство концепции», — рассказал Эспозито ZDNet. «Проблема сейчас в том, что многие из них не могут преобразовать свои идеи в код и алгоритмы и реализовать их вместе с существующей инфраструктурой».

Среди выбранных компаний из списка Global 500, опрошенных KPMG, в пяти компаниях с наиболее передовыми возможностями искусственного интеллекта в среднем работают 375 штатных сотрудников, работающих над этой технологией. Они тратят около 75 миллионов долларов каждый на таланты в области искусственного интеллекта и ожидают, что в течение следующих трех лет эти расходы будут расти.

Излишне говорить, что такой уровень инвестиций в новые ресурсы недоступен большинству организаций.

Но даже когда им удается обеспечить соответствующие средства и рабочую силу, предприятия, похоже, все еще спотыкаются о внедрении ИИ. Когда дело доходит до применения технологии в реальных условиях, организациям не хватает четкой стратегии и, в конечном итоге, они неспособны максимально использовать возможности ИИ.

«Компании склонны воспринимать ИИ как единую, готовую технологию», — сказал Эспозито. "Это не. Единственный работающий ИИ — это сделанный на заказ ИИ. Магия технологии происходит, когда цель определена очень узко».

«Вы не можете заниматься этим, заявляя, что хотите оцифровать или повысить эффективность — это недостаточно узко. До сих пор нет ясности в том, что компании пытаются делать с этим инструментом».

По мнению Аурика Кирни, первая ошибка большинства организаций также состоит в том, что они не оправдали своих ожиданий от ИИ. Снижение цены? Эффективность? По мнению консультанта, это слишком просто. «Конечно, вы можете легко обосновать это экономическое обоснование, — сказал он, — но это упущенная возможность. Ценность ИИ заключается не в транзакционных инициативах или инициативах по повышению эффективности. Речь идет о расширении или развитии новых направлений бизнеса».

Другими словами, думайте шире – и некоторые бизнес-лидеры с предпринимательской жилкой начинают это делать. Джеймс Ли — один из них. Проработав 20 лет профессиональным юристом, Ли понял, как ИИ может вписаться в юридический сектор как способ оптимизировать так называемую «раннюю Фаза открытия судебного разбирательства — трудоемкая и кропотливая задача рассмотрения жалобы для сбора информации, необходимой для составления первого ответ.

Ли обнаружил, что он может обучить модель IBM Watson тысячам жалоб и ответов на судебные иски. это, чтобы быстро определить сущности и отношения, которые будут иметь решающее значение для написания ранней фазы черновик. По его словам, то, что потребовало бы от рабочего-человека до восьми часов труда, благодаря новой технологии можно сделать за пару минут.

«Сначала я просто пытался выяснить, где находятся болевые точки», — рассказал Ли ZDNet. «И тогда я обнаружил эту невероятную возможность. Это меняет правила игры: примените такую ​​эффективность ко всему портфелю, и прибыль может быть огромной».

ВИДЕТЬ: 60 способов получить максимальную отдачу от ваших инициатив в области больших данных (бесплатный PDF-файл)

Ли основал собственную компанию. LegalMation, чтобы начать продавать технологию корпоративным юридическим отделам и юридическим фирмам, нацеленную на использование ИИ для решения конкретной проблемы, которую он обнаружил.

По мнению Аурика, именно недостаток воображения в настоящее время сдерживает развитие ИИ. «Ирония в том, что для того, чтобы ИИ мог внести больший вклад, нам нужны люди», — сказал он. «Технологии есть, но теперь нам нужны люди, которые смогут использовать их творчески».

Призвать к творчеству и воображению — это хорошо; но это не решает вопрос о том, как начать работу с ИИ – таким образом, чтобы предприятия могли на самом деле взаимодействовать с. Однако когда дело доходит до практических советов генеральным директорам, и Аурик, и Эспозито сходятся во мнении: думайте масштабно, да, но начинайте с малого.

В то время как Эспозито предлагал проводить пилотные проекты в небольших средах, Аурик рекомендовал найти конкретный бизнес-кейс, на который можно было бы потратить деньги. сделал — «Меня не волнует, что это такое, пусть это будет слияние, новый рынок, что угодно» — прежде чем медленно набирать обороты и «продвигаться вверх», шаг за шагом. шаг.

Если начать с автономного варианта использования, это не только обеспечит успешное создание ценности в дальнейшем. Как отметил Эспозито, это также единственный способ внедрить передовую деловую практику на самых ранних этапах.

«Компании еще более неохотно внедряют ИИ, когда они могут предвидеть проблемы с прозрачностью, соблюдением требований, конфиденциальностью, безопасностью и так далее», — пояснил он. «Если вы начнете с пилотного проекта, принимая во внимание все эти этические требования, а затем масштабируете его, это станет деловой практикой».

Этический искусственный интеллект, ответственные технологии, беспристрастные алгоритмы: в технологической отрасли растет беспокойство по поводу того, чтобы инновации не вышли из-под контроля. В этом контексте легко понять, почему многие компании могут неохотно внедрять алгоритм, который может превратиться в безответственно мощный и непрозрачный инструмент.

В ходе опроса компания Gartner обнаружила, что опасения по поводу объема или качества данных являются третьей по величине проблемой для внедрение искусственного интеллекта, указанного респондентами, поскольку ненадежные данные наверняка вызовут предвзятость и подорвут доверять.

«Люди беспокоятся о приватности и конфиденциальности, и это не способствует желанию использовать эту технологию», — признал Аурик. «Вот почему так важно с самого начала разработать правильную стратегию. Именно здесь все эти технологические гиганты ошиблись и почему сейчас так много негативной реакции».

ВИДЕТЬ: Большая проблема искусственного интеллекта: ленивые люди слишком доверяют алгоритмам

Будь то деньги, обновления функций или даже создание (весьма неудачное) Комитеты по этике ИИ, некоторые корпорации устраняют этический беспорядок, который они создали после того, как ущерб был нанесен. Исследователи отмечают, что, хотя такие компании сейчас прилагают усилия в области этики, понятие ответственных технологий в конечном итоге бросает вызов «основной логике» своей бизнес-модели.

Но это не обязательно должно идти по этому пути – и если компании достаточно рано включат этику в свою стратегию, этого не произойдет. «Это совсем непросто, — сказал Эспозито, — но если вы начнете с глобального проекта, вы можете быть уверены, что найдутся лазейки. Поэтому вам придется уменьшить масштаб».

Итак, ИИ или не ИИ? На самом деле, не похоже, что у бизнеса будет большой выбор. Аурик подчеркнул, что ни в чьих интересах не пропустить революцию, которую собираются принести алгоритмы. «Если вы не примете это, вы потеряете бизнес», - сказал он.

Аурик прогнозирует, что пройдет еще несколько десятилетий, прежде чем технология будет полностью внедрена. Но, по крайней мере на уровне предприятий, похоже, что еще одной «зимы ИИ» не предвидится. Пора приступить к действию.