Несмотря на многомиллиардные инвестиции в искусственный интеллект, технологические гиганты сталкиваются с суровой реальностью: генеративный ИИ пока не обеспечивает той масштабной экономической трансформации, на которую многие рассчитывали. Даже глава Microsoft Сатья Наделла призывает к осторожности, предупреждая, что не стоит гнаться за вехами в создании общего искусственного интеллекта (AGI) без реального влияния на мир. Он утверждает, что истинный потенциал ИИ следует измерять ощутимым ростом производительности, сопоставимым с тем, что наблюдался во время промышленной революции. Однако такого роста пока не наблюдается.
Недавний отчет о доходах Salesforce подчеркивает эти трудности. Внедрение платформы Agentforce на базе ИИ идет медленнее, чем ожидалось, что способствовало неутешительному прогнозу выручки и падению акций компании на 5%. Тем временем самые передовые модели ИИ от OpenAI, рекламируемые как революционные, все еще требуют значительного контроля со стороны человека и не обладают скоростью, необходимой для реального прорыва в рабочих процессах.
Поскольку технологические гиганты продолжают делать крупные ставки на ИИ, растущий разрыв между ожиданиями и реальностью ставит ключевой вопрос: действительно ли ИИ революционизирует производительность, или мы все еще ждем обещанного прорыва?
Генеративный ИИ продолжает менять отрасли, но возникает новая проблема: разработчики с трудом успевают за темпами развития. Январский опрос, проведенный IBM, показывает, что нехватка навыков, чрезмерно сложные стеки ИИ и другие проблемы мешают техническим специалистам внедрять искусственный интеллект. Ритика Гуннар, генеральный менеджер по данным и ИИ в IBM, сообщает, что согласно опросу, специалисты по ИИ и исследователи данных чувствуют себя уверенно в своих способностях, однако только 24% разработчиков приложений считают себя экспертами в этой области.
Гуннар отмечает, что дефицит знаний усугубляется отсутствием четких фреймворков и лучших практик для разработки ИИ. 33% разработчиков указывают на отсутствие стандартизированного процесса разработки ИИ как на серьезную проблему. Одновременно разработчики перегружены огромным количеством инструментов, необходимых для создания ИИ-приложений. Почти три четверти (72%) респондентов используют от пяти до 15 различных инструментов, а 13% полагаются на 15 и более. Несмотря на потребность в производительности, гибкости, простоте использования и интеграции, многие из этих качеств остаются редкими в существующих инструментах, что еще больше усложняет процесс разработки ИИ.
IBM выступает за упрощенный стек разработки ИИ, включающий фреймворки с открытым исходным кодом и оптимизированные инструменты, для решения этих проблем. Стоит отметить, что IBM действительно предлагает такие решения, включая платформу watsonx.ai, watsonx Code Assistant и решения IBM Application Integration, но пока неясно, насколько эффективным окажется этот подход.
Ситуация с внедрением ИИ среди рядовых сотрудников выглядит еще менее оптимистично. Чейни Хэмилтон, генеральный директор и аналитик Bloor Research, сообщает Reworked, что энтузиазм, проявляемый крупными технологическими компаниями в их инвестициях в генеративный ИИ, не находит отклика у работников. Проблема, по ее словам, заключается не в самом ИИ, а в том, что компании пытаются вписать его в устаревшие модели работы, не понимая, как люди работают на самом деле. Она приводит данные, согласно которым 90% сотрудников утверждают, что их должностная инструкция не соответствует их повседневным обязанностям. Хэмилтон задается вопросом, как компании могут ожидать, что ИИ улучшит работу, если они не знают, как эта работа выглядит в действительности.
Она добавляет, что хотя компании предполагают, что ИИ интуитивно понятен, предстоит еще долгий путь к достижению того уровня сложности, который обеспечит значительный прирост производительности. Сотрудникам необходимо реальное обучение тому, как работает ИИ, а также тому, как он облегчает их работу и для чего его можно использовать. Без такого обучения принятие ИИ будет тормозиться, утверждает Хэмилтон. Она считает, что компаниям нужно перестать угадывать, что должен автоматизировать ИИ, и начать изучать текущие реальные рабочие процессы человека. ИИ должен улучшать то, что люди уже делают, а не просто заменять задачи, которые руководители считают избыточными.
Мариса Здроик из NTT DATA объясняет разрыв между инвестициями крупных технологических компаний в ИИ и уровнем его внедрения сотрудниками несколькими факторами. Во-первых, это быстрые технологические достижения. Крупные технологические компании вкладывают значительные средства в инфраструктуру и разработку ИИ, ожидается, что в следующем году расходы превысят четверть триллиона долларов. Здроик говорит, что проблема в том, что темпы технологической эволюции могут быть ошеломляющими для работников, что затрудняет адаптацию и полную интеграцию ИИ в их рабочие процессы. Во-вторых, это недостаточная зрелость ИИ. Здроик продолжает, что лишь небольшой процент компаний считают себя зрелыми в развертывании ИИ. Это означает, что хотя инструменты ИИ доступны, они еще не полностью интегрированы в бизнес-процессы. В-третьих, это готовность руководства и организации. Успешное внедрение ИИ требует сильного лидерства и организационной готовности. Реальность такова, что компании все еще выясняют, как наилучшим образом интегрировать ИИ в свою деятельность, не имея надежных лучших практик и извлеченных уроков для руководства. Здроик сообщает Reworked, что решение этих проблем включает инвестиции в обучение сотрудников, формирование культуры инноваций и обеспечение того, чтобы инструменты ИИ были удобными и доступными.
Узи Двир, ИТ-директор WalkMe, сообщает Reworked, что отставание во внедрении ИИ среди работников сводится к разрыву в цифровой готовности и возможностях. Он продолжает, что внедрение ИИ не происходит само по себе по умолчанию. Если не уделять приоритетное внимание стратегии цифрового внедрения с правильными технологиями и подходом к управлению изменениями, сотрудникам может быть сложно адаптировать ИИ к своим рабочим процессам или даже не понять необходимость попробовать. Двир утверждает, что это в конечном итоге приводит к тому, что инструменты ИИ остаются неиспользованными или используются недостаточно. Успешная интеграция ИИ требует преодоления разрыва между видением руководства и готовностью сотрудников посредством комплексного цифрового внедрения и практической поддержки реализации. Предприятия, которые последуют этому, смогут реализовать трансформационный потенциал ИИ.
Он добавляет, что ИИ предлагает огромные возможности, но сложность замедляет внедрение. Сотрудники теряют до 36 рабочих дней в году из-за сочетания неэффективности программного обеспечения и устаревших технологий, что подчеркивает необходимость удобной для пользователя интеграции ИИ. Двир говорит, что для устранения разрыва в навыках ИИ компании должны сосредоточиться на том, как сотрудники используют цифровые инструменты, выявлять точки трения и предоставлять целевое повышение квалификации. Он подчеркивает, что ИИ должен улучшать рабочие процессы, а не усложнять их. Эффективное управление изменениями имеет решающее значение для успешного внедрения ИИ, так как это больше касается руководства сотрудниками, чем самой технологии, говорит он. Двир заключает, что организации, которые добиваются успеха, отдают приоритет подходу, ориентированному на человека, предлагая руководство в режиме реального времени в рамках существующих рабочих процессов сотрудников. Инструменты ИИ приносят пользу только тогда, когда сотрудники должным образом обучены и оснащены для их использования.
Серена Хуанг, советник по ИИ из списка Fortune 100 и основной докладчик, сообщает Reworked, что огромные капитальные затраты на ИИ со стороны технологических гигантов, таких как Microsoft, Google, Amazon и Meta, которые, по прогнозам, превысят 320 миллиардов долларов в 2025 году, резко контрастируют с вялыми темпами внедрения на рабочих местах. Этот разрыв представляет собой одну из самых значительных проблем на текущем этапе развертывания ИИ. Она говорит, что хотя руководители высшего звена могут недооценивать фактическое использование, даже самые оптимистичные оценки показывают, что внедрение ИИ находится значительно ниже уровня, который оправдывал бы такие чрезвычайные инвестиции.
Хуанг утверждает, что разрыв связан с несколькими взаимосвязанными факторами. Во-первых, по ее словам, это фундаментальное несоответствие между тем, как разрабатываются инструменты ИИ, и тем, как работа происходит в повседневной жизни сотрудников. Результатом являются мощные, но плохо интегрированные инструменты, которые создают трение, а не уменьшают его. В результате причина, по которой работодатель продвигает эти инструменты ИИ, не всегда находит отклик у сотрудников. Она добавляет, что цикл ажиотажа вокруг ИИ привел к корпоративным инициативам в области ИИ, которые были вызваны страхом упустить выгоду (FOMO), а не четко определенными вариантами использования, связанными с более широкой бизнес-стратегией. Когда руководству не хватает стратегического видения того, как ИИ трансформирует их бизнес-модель в долгосрочной перспективе, внедрение становится скорее технологическим решением, чем настоящей трансформацией, которой оно может быть.
Однако наиболее важным, по словам Хуанг, является глубокое недоверие сотрудников, связанное с целями и последствиями ИИ. Она отмечает, что многие работники опасаются, что внедрение ИИ направлено в первую очередь на сокращение расходов за счет ликвидации рабочих мест или на мониторинг их производительности, а не на расширение возможностей. Хуанг заключает, что без устранения этого недоверия посредством прозрачной коммуникации о предполагаемых преимуществах и ограничениях ИИ, а также планов по повышению квалификации и переподготовке сотрудников, внедрение будет продолжать отставать, независимо от объема обучения ИИ и коммуникации со стороны компании.