Аудиторско-консалтинговая компания Kept, специализирующаяся на вопросах реструктуризации и оптимизации бизнес-процессов, провела собственное исследование «Искусственный интеллект — драйвер изменений экономики и финансов», целью которого стало выяснить насколько проникли технологии искусственного интеллекта в разные отрасли российской экономики. Главное читайте в нашем материале.
Если проникновение Интернета вещей в отечественные компании оценивается экспертами как достаточно высокое с положительной динамикой (IoT фокусируется на сборе и предоставлении данных для дальнейшего анализа), то использование AI-технологий, собственно, для самого анализа, интерпретации и принятии решений — остается на низком уровне и не пока получило широкого применения в России.
Сравнивая собранные данные, специалисты Kept отмечают, что сегодня искусственный интеллект (ИИ) активно применяется в большинстве современных европейских и североамериканских компаниях для управления различными функциями, что позволяет не просто нарастить конкурентные преимущества, но в большей степени является обязательным требованием к функционированию компании в условиях происходящих экономических изменений.
Тем не менее, на российском рынке ИИ пока еще не получил широкого распространения. Чтобы понять, с чем это связано, а также сформировать представление об актуальных тенденциях развития ИИ, компания Kept провела опрос среди представителей финансово-экономических департаментов крупных компаний, представляющих различные отрасли: горно-металлургическую, нефтедобывающую, нефтеперерабатывающую, энергосбытовую, машиностроительную, фармацевтическую и др.
На текущий момент, отмечается в исследовании, искусственный интеллект в большей степени используется для повышения операционной эффективности бизнес-процессов, в меньшей мере — для решения задач аналитического характера.
Результаты исследования демонстрируют зависимость между сложностью задач и ИТ-решениями на базе ИИ, которые могут применяться для их выполнения.
Где искать и как внедрять?
Согласно результатам опроса, 50% респондентов, которым уже приходилось внедрять ИТ-решения на базе ИИ, делали это самостоятельно — силами внутренних ИТ-подразделений. Вторая половина участников опроса привлекала для создания специализированных ИТ-решений внешних подрядчиков. Это связано с тем, что готовые решения не всегда отвечают бизнес-потребностям компаний с учетом их специфики деятельности.
Среди способов внедрения ИИ с использованием услуг сторонних организаций можно выделить следующие:
1. Аутсорсинг разработки ИТ-решения внешним подрядчикам, специализирующимся на создании моделей ИИ, обучении и проведении экспериментов с большим объемом данных на основе бизнес-запросов компании.
2. Привлечение консалтинговых компаний, оказывающих услуги по анализу текущего состояния бизнес-процессов финансово-экономической функции, выявлению зон для развития, а также по разработке рекомендаций для выбора оптимальных ИТ-решений на базе ИИ и способа их внедрения.
3. Обучение моделей на внешних платформах. Данные платформы предлагают ИТ-инструменты для обучения и экспериментирования с моделями, освобождая компании от необходимости иметь собственную инфраструктуру.
Каждый из перечисленных способов внедрения ИИ, безусловно, имеет свои преимущества и может быть наиболее подходящим для компании в зависимости от ее запросов и бизнес- требований, доступности финансовых ресурсов, уровня зрелости для внедрения инновационных технологий.
Необходимо отметить, что никто из опрошенных компаний не закупал готовые решения у внешнего подрядчика. Это может быть связано со следующими факторами:
- уход иностранных вендоров с российского рынка, повлекший за собой дефицит предложения;
- сложность удовлетворения потребностей компаний за счет готовых решений ввиду их индивидуальности с учетом специфики деятельности.
Почему – нет: основные аргументы против
Исследование показало, что достаточно большая доля опрошенных не готовы и не планируют внедрять ИИ в работу своих компаний. В частности, 17% респондентов отметили, что тема внедрения ИИ-технологий им неинтересна — прежде всего из-за высоких затрат на их внедрение, а также из-за недоверия к безопасности технологии.
Основные барьеры, сдерживающие использование ИИ в компаниях:
· Отсутствие необходимости использования — 29%
· Недостаток информации о возможностях — 27%
· Отсутствие необходимой ИТ-инфраструктуры — 22%
· Отсутствие стратегии развития в области ИИ — 16%
· Разрозненность данных информационных систем — 4%
· Отсутствие методологии — 2%
Только 39% опрошенных компаний подтвердили, что уже применяют ИТ-решения на базе искусственного интеллекта. Такой невысокий по мировым стандартам результат объясняется существованием ряда барьеров, которые сдерживают внедрение AI. Среди них:
1. Неоднородность данных информационных систем – ключевой фактор, препятствующий развитию ИИ. Как правило, у многих компаний отсутствует единый информационный ландшафт с едиными информационными базами и потоками, и сотрудникам приходится собирать и структурировать большой объем данных из различных источников. Для эффективной работы ИИ необходимо иметь доступ к большому массиву данных. Решением этой проблемы может стать использование консолидированных хранилищ данных, корпоративных/локальных справочников ИТ-решений, обеспечивающих единство источников информации и единое информационное пространство.
2. Недостаточная осведомленность об ИИ. Несмотря на динамичное развитие цифровых инструментов, многие отечественные компании все еще не полностью признают их потенциал.
3. Отсутствие необходимой ИТ-инфраструктуры. Компаниям необходимо наращивать технологические возможности для качественного обучения и использования алгоритмов ИИ, консолидировать большой объем данных, уделяя при этом внимание вопросам их безопасности.
4. Отсутствие стратегии развития ИИ, которая определяла бы цели и ожидания от его внедрения, а также выбор подходящих ИТ-решений для автоматизации бизнес-процессов.
Как правило, основными аргументами против применения ИИ-технологий становятся:
- Высокие затраты на внедрение ИИ, требующие значительных финансовых ресурсов. Некоторые компании не готовы к таким вложениям, учитывая неопределенность итогового результата.
- Недостаточный уровень доверия и наличие опасений относительно безопасности и надежности ИИ.
- Риск сокращения штата сотрудников: использование ИИ может вызвать негативную реакцию персонала и иметь отрицательные последствия.
Необходимо отметить, что скорость внедрения ИИ-технологий зависит от множества факторов, в связи с чем достаточно сложно предсказать ее с полной уверенностью. Часто на ранних стадиях внедрения темпы развития ИИ начинают значительно ускоряться. Однако затем по мере усложнения методики и технологии они замедляются. Это связано с наличием таких ограничений, как неготовность технологических возможностей, отсутствие доступности информации и качественных данных, а также угроза для их безопасности и конфиденциальности.
ИИ в роли оперативника, но не стратега
Несмотря на достаточно высокую степень недоверия к ИИ практически половина опрошенных отметила, что уверены в положительном эффекте от использования технологий на базе искусственного интеллекта. Результаты исследования показали, что ИИ чаще используется как инструмент повышения операционной эффективности, нежели для решения задач аналитического характера. Среди основных причин можно выделить следующие:
1. Приоритизация задач: в некоторых случаях повышение эффективности и скорости выполнение бизнес-процессов может быть более срочной задачей для компаний.
2. Разработка и обучение аналитических моделей на базе ИИ требует большого количества точных данных, времени и ресурсов, в то время как использование ИИ для автоматизации задач и оптимизации бизнес-процессов может быть более прямым и быстрым способом повышения операционной эффективности.
В настоящее время компании активно применяют ИИ для решения задач транзакционного характера. Вместе с тем им необходимо переходить на более активное использование технологий искусственного интеллекта для решения задач аналитического характера (прогнозирование ликвидности, управление денежными средствами, оборотным капиталом), чтобы повысить качество их исполнения.
Уже сейчас российские менеджеры отметили следующие положительные эффекты от использования ИИ:
- Повышение качества принимаемых решений – 14%
- Снижение затрат на обработку, хранение и анализ больших объемов данных – 24%
- Повышение скорости выполнения процессов – 24%
- Снижение количества ошибок, допускаемых по причине человеческого фактора – 24%
Самыми популярными ИТ-решения на базе ИИ стали:
· Технология анализа процессов (Process mining) — 7%
· Машинное обучение (Machine learning) — 14%
· Большие данные (Big data) — 21%
· Оптическое распознавание символов (OCR) — 29%
· Роботизация процессов (RPA) — 29%
Результаты исследования показали положительную динамику в применении технологии Process mining (прирост в 3%) по сравнению с предыдущим обзором по долгосрочному развитию финансово-экономической функции в новой реальности.
После ухода зарубежных вендоров RPA и OCR многие компании оперативно переключили свое внимание на отечественных поставщиков и интеграторов, в связи с чем спрос на эти решения вырос на 14%. Связано это, прежде всего, с низкой стоимостью решений по сравнению с зарубежными аналогами; активным инвестированием отечественных вендоров в свои продукты; необходимостью осуществлять мониторинг всех бизнес-процессов, искать новые способы для их оптимизации и повышения эффективности.
По мнению экспертов Kept, доля пользователей RPA и OCR будет только расти, в основном за счет роста потребностей бизнеса в автоматизации новых процессов.
Аналогичная тенденция роста отмечается в использовании ML и Big data (8%), позволяющих повышать показатели прогнозных данных за счет изучения исторических вариантов решениях аналогичных задач, скорость обработки и принятие качественных управленческих решений.
Авторы исследования уверены, что все вышеуказанные решения найдут свое развитие в ближайшем будущем на фоне стремительного развития цифровых технологий на базе ИИ.
