Бауыржан Жакиев 
Все стремятся к повышению эффективности за счет искусственного интеллекта, причем как можно скорее. Однако ключевой вопрос заключается в том, как успешно внедрить ИИ в организации. Ответ, полученный от одной из ИИ-платформ, предельно ясен: необходимо доказать, что технология работает, прежде чем ей можно будет полностью доверять.
Подтверждение преимуществ ИИ позволяет создавать масштабируемые и надежные модели, которые легко интегрируются в сложную ИТ-инфраструктуру. Практический опыт показывает, что три ключевых фактора способствуют принятию искусственного интеллекта: четко определенный объем задач, высококачественные данные и ясно очерченная ответственность за его функционирование. Эти аспекты играют решающую роль в долгосрочном успехе внедрения ИИ.
Даже при использовании такой перспективной и трансформационной технологии, как ИИ, нельзя сразу переходить к повсеместному внедрению. Вместо этого требуется целенаправленный, измеримый процесс и стратегия, согласованные с операционными целями компании. Начинать следует с областей, где много структурированных, ориентированных на процессы задач. Тестирование ИИ на повторяемых, объемных рабочих процессах позволяет оценивать его полезность на каждом этапе и создавать циклы обратной связи для постепенного улучшения. Обычно рекомендуется начинать с трех отделов: ИТ, финансов и HR.
В сфере ИТ сложно найти лучшее применение для ИИ, чем обработка большого количества заявок в службу поддержки. ИИ идеально подходит для классификации и обобщения заявок, отправки автоматических ответов и предоставления предиктивной аналитики, что помогает сократить среднее время решения проблем. Поэтому многие ИТ-отделы уже используют ИИ-ассистентов для обработки запросов на сброс пароля и автоматизации других рутинных задач. Сочетание ИИ с другими технологиями может дать еще более впечатляющие результаты. Например, одна финансовая компания использовала автоматизацию, запускаемую датчиками, для предотвращения 207 000 ИТ-заявок ежемесячно.
В финансовом секторе, по данным Gartner, почти 60% функций использовали ИИ в прошлом году, что логично, учитывая сильные стороны ИИ в обработке структурированных, основанных на правилах рабочих процессов. Тем не менее, здесь все еще есть значительный потенциал для роста. IBM считает, что финансовый сектор «готов к революции генеративного ИИ». Огромные объемы финансовых данных открывают возможности для значительной окупаемости инвестиций, будь то использование агента Microsoft AI для автоматизации обработки счетов и экономии «миллионов долларов на транспортных расходах», или достижение 20% экономии затрат благодаря применению программного обеспечения на базе ИИ в моделях финансовых операций, как сообщает IBM.
Относительно сферы HR один из консультантов делает смелое заявление, что ИИ «вероятно, может выполнять 50-75% работы, которую мы делаем в HR». Практика подтверждает такие оценки. Например, компания Chipotle использовала ИИ-ассистента, чтобы сократить время от подачи заявки кандидатом до его выхода на работу «с 12 до четырех дней». Ценность ИИ заключается не только в выполнении предсказуемых задач; он также позволяет сотрудникам сосредоточиться на стратегических, более значимых инициативах, тем самым раскрывая «нереализованный человеческий потенциал» во всей организации.
Несмотря на множество задокументированных преимуществ, важно помнить, что ИИ «не отличает хорошие данные от плохих», как отмечается в недавнем отчете Enterprise Strategy Group. Утверждается, что «он просто знает данные, и любые данные, используемые для обучения модели, в конечном итоге становятся самой моделью». Это одна из причин, почему главной проблемой для ИТ-директоров часто является доступ к качественным данным. Получение таких данных требует целенаправленного подхода к их характеристикам: насколько они точны, как часто собираются, осуществляется ли круглосуточный мониторинг ноутбуков и других устройств с помощью конечных точек и датчиков. Данные – это основа для ИИ, и результаты будут настолько хороши, насколько качественны входные данные.
Для максимальной эффективности ИИ также требуются структурированные данные. По данным IBM, более 70% ведущих финансовых организаций имеют стандартизированную архитектуру данных. Такая структура позволяет компаниям более эффективно использовать ИИ, включая определение ключевых показателей эффективности (KPI) и достижение результатов. С развитием так называемого агентивного ИИ, который еще меньше зависит от взаимодействия с человеком, необходимо уделять еще больше внимания данным, которые питают этих агентов.
Как и в случае с любой технологической платформой, ИТ-отдел должен играть ведущую роль в построении доверия и внедрении ИИ во всей организации, особенно потому, что тестирование и развертывание ИИ задействуют сильные стороны, навыки и опыт, которыми обладают ИТ-специалисты. Например, ИИ может подвергать организацию рискам, отчасти потому, что он не всегда на 100% точен. Если вице-президент разместит заказ на 2 миллиона долларов на основе неверного прогноза продаж, сделанного ИИ, это будет дорогостоящей ошибкой. Но риски на этом не заканчиваются. Подобно тому, как сотрудники приносят на работу свои собственные устройства, Microsoft сообщает, что 78% пользователей ИИ приносят на работу собственные ИИ-инструменты (концепция BYOAI), что является серьезной проблемой, если пользователи загружают и обрабатывают корпоративные данные. ИТ-отдел может обучать сотрудников лучшим практикам, но следует помнить, что и у самого ИТ-отдела могут быть свои предубеждения и «слепые зоны».
ИТ-отдел также должен сотрудничать с другими командами для управления конкретными инструментами ИИ. Все начинается с ИТ: от внедрения и управления до решения этических вопросов, связанных с ИИ. Именно поэтому крайне важно постоянно повышать квалификацию ИТ-персонала.
В конечном счете, стратегический подход к внедрению ИИ должен строиться на доверии. Как отмечается в отчете Enterprise Strategy Group, «без доверия невозможно полное внедрение, а без полного внедрения невозможно достижение общих целей». Учитывая долгосрочное влияние ИИ, инвестиции в него сейчас и подтверждение его эффективности краткосрочными успехами, вероятно, окупятся значительными будущими выгодами.
