Почему российский бизнес буксует при внедрении ИИ. Основные проблемы и решения
Зачем внедряют ИИ
Как и любая автоматизация производства, ИИ помогает:
- ускорить выполнение рутинных задач;
- снизить операционные расходы и другие издержки;
- повысить точность операций;
- разрабатывать новые форматы взаимодействия с клиентами;
- тестировать гипотезы и генерировать различные идеи.
Основные проблемы при внедрении ИИ в России
1. Несоответствие ожиданий от ИИ
Первый из барьеров — несоответствие ожиданий из-за идеализации технологии.
От ИИ-систем часто ждут «вау-эффекта» с первого дня внедрения, но по факту может показаться, что в процессах ничего существенно не изменилось.
Егор Ершов
к. ф.-м. н., руководитель группы «Цветовая вычислительная фотография» AIRI, руководитель сектора репродукции и синтеза цвета ИППИ РАН и СТО EKSLi
Это издержки избирательного мышления: нам свойственно обращать внимание на ошибки, поэтому наличие хотя бы одной может привести к заключению «ничего не работает». К тому же эффект от внедрения автоматизированных систем (и ИИ здесь не исключение) оценивается не сразу, а на дистанции в 1–2 года.
2. Не оправдывает затрат на внедрение
Виталий Попов
директор департамента инфраструктурных решений ГК Softline
Часто слышу от заказчиков: «Да что там, купил подписку за $20, и у тебя есть ИИ». Но покупка подписки на готовое решение — это лишь верхушка айсберга.
Реальные затраты включают интеграцию ИИ с локальными системами; покупку, настройку и обслуживание серверов с GPU; обучение и адаптацию самой модели, а также сотрудников для работы с ней.
Как решить
Важно заранее рассчитать все расходы и потенциальные выгоды. При этом нужно учитывать, что технологии не обязательно дорогая и сложная вещь. На практике всё зависит от конкретной задачи и подхода к внедрению: кому-то подойдёт готовое специализированное решение в своей нише, а кому-то — собственная нейроразработка.
3. Недостаточно данных для корректной работы ИИ
ИИ-модели всегда обучаются на данных, и их качество играет ключевую роль, указал эксперт Softline Виталий Попов. Если данные содержат ошибки и нерелевантны, даже самая продвинутая модель ИИ не сможет помочь.
Екатерина Мовсесян
генеральный директор КРОС
Искусственный интеллект работает на основе больших массивов информации, но, если данные разрозненны, устарели или содержат ошибки, это сильно снижает точность моделей и их полезность для бизнеса. Кроме того, данных просто может быть недостаточно, от чего появляются ошибки и неправильные выводы.
Как решить
Одно из потенциальных решений — отказ от использования какой-то «общей модели» и общих баз данных и доработка ИИ под нужды конкретного бизнеса. Но эта задача требует совершенно другого масштаба. В отношении отдельных кейсов одних только данных может оказаться недостаточно — и тогда приходится фактически допрограммировать ИИ, создавая для него новые правила, по которым он будет с этими данными работать.
4. Проблемы масштабирования
Нередко нейросети невольно обманывают пользователей своими блестящими результатами по каким-то отдельным задачам и запросам. Легко может сложиться впечатление, что прогресс уже достиг той точки, когда «вкалывают роботы, счастлив человек».
Увы, эта иллюзия разбивается сразу же, как нейросеть пытаются прикрутить к решению более масштабных повторяющихся задач. Если даже на десять запросов из десяти она отвечает правильно, это вовсе не гарантирует аналогичный результат, когда счёт запросов пойдёт на тысячи и миллионы.
Как решить
Чтобы масштабировать ИИ под конкретные задачи, нужно увеличить сроки тестирования и дообучения его и запастись терпением. В целом над этой задачей сейчас бьются сильнейшие умы планеты, и модели с каждым годом становятся всё сильнее, так что, возможно, скоро проблема решится сама собой.
5. Галлюцинации
Нейросети часто «галлюцинируют» — то есть при неимении точного ответа начинают выдумывать факты и выдавать их за истину. Чтобы поймать их на этом, нужно быть специалистом в своей теме либо скрупулёзно перепроверять за нейросетью каждый ответ.
И это, конечно, сильно подтачивает веру в силу искусственного интеллекта. А главное, сводит к минимуму потенциальную полезность нейросетей для экономии человеческих ресурсов.
Ведь если ты действительно специалист, зачастую сделать всё правильно самому быстрее, чем искать блох в чужом решении или часами пытаться подобрать правильный промпт.
Как решить
Проблема галлюцинаций и выдуманных фактов — вызов при использовании генеративного искусственного интеллекта. Как показывает исследование новостного контента, генеративные ИИ в среднем в 60% случаев ссылаются на несуществующие источники.
6. Предвзятость ИИ-моделей
Нейросеть, хоть и базируется на принципах работы человеческого мозга, пока всё-таки уступает человеку по части анализа новой информации. Большинство моделей без сложных алгоритмов «рассуждения» и способности искать новую информацию в режиме реального времени могут выдать только то, что в неё заложено.
Особенно опасно полагаться на ИИ, когда речь идёт о реальных деньгах. Например, некоторые мошенники от мира криптовалют нередко завлекают своих жертв обещанием невиданно выгодного трейдинга с использованием ИИ-инструментов, которые якобы сами будут выдавать оптимальную стратегию вместо неопытного инвестора.
Как решить
Совсем от галлюцинаций пока не защититься, но можно снизить их процент, используя мощные ИИ-модели последних поколений с подключением к интернету, чтобы они хотя бы могли обновлять свои знания.
Но и это не гарантия правильных ответов, ведь и в интернете часто пишут, мягко говоря, неправду.
7. Человеческий фактор и саботаж перехода на ИИ
Cерьёзным барьером автоматизации может стать сопротивление сотрудников, которые, собственно, должны этим заниматься. Из-за опасений потерять рабочие места, консерватизма или нежелания осваивать новое люди могут незаметно саботировать внедрение ИИ и намеренно провоцировать его ошибки.
Как решить
К счастью, саботирование ИИ случается всё реже, отметил Егор Ершов. Благодаря просветительским инициативам, успешным кейсам и популяризации ИИ от технологических гигантов от Google до «Сбера» за последние годы кредит доверия к ИИ со стороны бизнеса заметно вырос.
8. Трудности перевода
Нейросети — удобный инструмент для пользователей, далёких от сферы IT, потому что обучены понимать человеческую речь. С ними можно не пытаться перевести ваши желания на «язык роботов» и логические команды «если-то», а говорить как с человеком.
Однако пока, признают эксперты, с пониманием каких-то сложных моментов у ИИ регулярно возникают проблемы.
Как решить
Здесь бизнес оказывается перед выбором: либо тратить ресурсы на обучении ИИ лучшему пониманию, либо тратить ресурсы на обучение сотрудников искусству промптинга, чтобы говорить с нейросетями на одном языке.
Но, так или иначе, учиться разговаривать на одном языке надо. Пригодится, особенно на случай восстания машин.
Итоги: как всё-таки внедрять ИИ
Несмотря на все означенные препятствия, большинство из них вполне можно обойти, если грамотно подойти к процессу внедрения. Эксперт Егор Ершов подытожил главные принципы:
- Рассчитывайте экономическую целесообразность
Главное правило перед внедрением — детально рассчитайте экономический эффект, изучив карту процессов, их стоимость и объём экономии за счёт автоматизации. Как правило, ИИ выгодно внедрять, если в компании много однотипных дорогостоящих операций или мест, где есть упущенная выгода.
- Убедитесь в цифровой готовности
Убедитесь, что у вас налажены процессы сбора и обработки данных, которые потребуются для работы ИИ-системы. В компании должна быть полноценная IT-инфраструктура для работы с данными, их обмена, хранения и передачи.
- Не экономьте на тестировании
Уделите особое внимание тестированию ИИ-системы, сформируйте набор тестовых сценариев и испытательных мероприятий. В тестировании должны участвовать все сотрудники, которые будет взаимодействовать с системой, — так вы сможете заранее выявить возможные проблемы и успеть внести корректировки.
- Обеспечьте информационную безопасность
В любых процессах автоматизации важно уделять особое внимание защите информации и персональных данных — это относится и к ИИ-системам. Если при интеграции искусственного интеллекта не озаботиться вопросами информационной безопасности и не протестировать технические решения, вы рискуете утечками данных.
- Убедитесь в качестве поддержки
Если вы приобретаете стороннее ИИ-решение, обратите внимание на качество поддержки поставщика. На первых порах система потребует постоянной корректировки и консалтинга — и без оперативной помощи по всем вопросам наладить процессы будет сложно.
Комментариев пока нет.