О ней, среди прочего, зашла речь во время апрельского пресс-клуба РУССОФТ, посвященного применению искусственного интеллекта в самых разных сферах: в органах государственной власти, в крупных российских компаниях, для управления производственными процессами, а также в HR при подборе квалифицированных сотрудников.
Большинство спикеров согласилось с тем, что в данном случае разделение труда идет на пользу всем: как разработчикам программных продуктов, использующих технологии ИИ и анализа больших данных, так и конечным пользователям, т. е. предприятиям и организациям, стремящимся извлечь пользу из этих технологий.
Есть, конечно, и проблемы. Генеральный директор ГК DZ Systems Дмитрий Завалишин говорит о них так: «Одна из главных задач любого проекта — поиск профессионалов, которые могут принести в него ключевые и/или специальные знания. Такие специалисты могут быть сотрудниками компании или привлечёнными консультантами. Но в любом случае они обеспечивают привнесение в проект экспертных знаний.
Сегодня поиск таких экспертов зачастую превращается в обзвон друзей или знакомых, попытки прочесть тысячи статей в Интернете. Результат этих действий в изрядной степени стохастичен. В то же время, существует методика анализа публикаций, которая может быть использована для выявления степени профессионализма того или иного эксперта по определённой теме. Эту методику можно использовать как один из этапов работы по поиску ключевых и уникальных специалистов».
Руководитель пресейл-практики компании «Форсайт» Алексей Выскребенцев добавляет**:** «Нет ни одной „коробочной истории“, связанной с продвижением ИИ-продуктов через партнерскую сеть. Успех внедрения интеллектуальных систем зависит от ряда факторов, которые важно учесть на старте проекта, иначе — в компании появится дорогая и неэффективная „игрушка“, а руководство может составить представление об общей неэффективности цифровизации. Прежде всего, важно четко сформулировать цель проекта, оценить стоимость владения системой — она должна быть ниже финансовой выгоды от ее внедрения. Наши заказчики, как правило, сначала делают небольшой пилот, чтобы оценить эффективность и затраты. Важно также собрать качественные и полные данные, провести их „очистку“. Далее — определить „управляющие параметры“, с учетом которых система будет принимать решения. И, наконец, нужно трансформировать корпоративные бизнес-процессы, которые мешают эффективному внедрению системы и ее работе».
Он также отметил, что понятие «искусственный интеллект» сильно размыто: если обобщить популярные представления о функциональности бизнес-приложений с технологиями ИИ — речь пойдет о системах, которые анализируют большие массивы данных и на основе них описывают сценарии развития событий. Эти системы преимущественно используют алгоритмы, логику которых формирует человек. Некоторые алгоритмы настолько хороши, что работают лучше, чем человек, но они созданы человеком и решают определенную задачу. «Одним словом, пока преждевременно говорить о «полноценном искусственном интеллекте. Поэтому нам нравится более осторожное понятие — интеллектуальные системы поддержки принятия решений», — резюмирует Алексей Выскребенцев.
В терминах нового Классификатора Единого реестра отечественного ПО продукт «Форсайт. Аналитическая платформа интеллектуальных бизнес-приложений» закрывает задачи, относящиеся к таким классам, как:
11.01. Инструменты извлечения и трансформации данных (ETL);
11.03. Средства аналитической обработки в реальном времени (OLAP);
11.04. Средства интеллектуального анализа данных (Data Mining);
11.05. Средства поддержки принятия решений (DSS).
Барьеры и ожидания
Необходимо отметить, что в новом Классификаторе Единого реестра отечественного ПО, который был утвержден приказом Минцифры № 486 от 22.09.2020, нет такого раздела как «Системы искусственного интеллекта», но есть раздел «Средства анализа данных», включающий 6 классов программ:
Инструменты извлечения и трансформации данных (ETL);
Предметноориентированные информационные базы данных (EDW);
Средства аналитической обработки в реальном времени (OLAP);
Средства интеллектуального анализа данных (Data Mining);
Средства поддержки принятия решений (DSS);
Инструменты обработки, анализа и распознавания изображений.
Провести границу между этими классами не так-то просто даже профессионалам в области науки о данных (Data Science), рассматривающей все перечисленные выше инструменты в качестве «ветвей» одного большого и очень раскидистого «дерева». Да это, видимо, и не так важно. Для канала продаж гораздо важнее понять, что именно ждут от интеллектуальных систем конечные пользователи. Ответ на этот вопрос можно найти в недавнем исследовании ABBYY и PwC «Digital IQ 2020 Russia», основные итоги которого генеральный директор «ABBYY Россия» Дмитрий Шушкин докладывал как на упомянутом выше пресс-клубе РУССОФТ, так и на апрельском IT-Cаммите АПКИТ, который проходил в Сочи.
Так вот, из итогов этого исследования следует, что «российские» ожидания от цифровизации заметно отличаются от «общемировых». Так, отечественные респонденты от цифровизации чаще всего ожидают сокращения расходов (59% голосов), а не увеличения прибыли (46% голосов). Между этими пожеланиями располагаются «рост конкурентоспособности продукта» (49%) и «рост доходов» (48%).
И незаслуженно мало внимания уделяется таким важнейшим показателям, как «повышение удовлетворенности сотрудников» (32%), «выход на новые рынки» (34%), «улучшение клиентского опыта» (35%) и ряд других. А ещё эксперты PwC и ABBYY обращают внимание на такой тревожный факт: «Ответы наших респондентов показывают, что на практике реализация цифровых инициатив лишь частично оправдывает финансовые ожидания от них». Одним словом, не все так гладко и радужно в «ИИ-королевстве», как хотелось бы. Из исследования PwC и ABBYY также следует, что самое большое препятствие**,** с которым сталкиваются крупные российские компании в процессе цифровизации — это отсутствие навыков или ресурсов для управления и внедрения комплексных ИТ-проектов. Так полагают 62% респондентов.
Следующие два «бревна» на пути к светлому цифровому будущему по своим «размерам» не слишком сильно отличаются от главного препятствия. По 56% голосов набрали такие барьеры, как «отсутствие понимания бизнес-эффекта от реализации проекта» и «сопротивление изменениям со стороны сотрудников организации».
«Чтобы внедрить ту или иную технологию, необходимо четко понимать, какую пользу бизнесу она принесет и как быстро окупятся инвестиции, полагает Дмитрий Шушкин. — Страхи напрямую связаны с незнанием. Пока сотрудник не понимает, как решение повлияет на его работу, он всегда будет противиться изменениям. Бороться с этим можно, вкладываясь в обучение персонала, а также вовлекая людей в проект. Когда подчиненный знает, что именно благодаря ему в решении появилась та или иная „фишка“, он сам становится евангелистом этого продукта и помогает убеждать других в его необходимости, что в конечном итоге также способствует повышению Digital IQ организации».
Понятно, что итоги любого опроса, уровень его значимости и степень ценности существенно зависят от состава респондентов. Поэтому отметим, что респондентами упомянутого выше исследования (опрос проводился в IV квартале минувшего года) были представители 106 компаний, которые ФНС России относит к категории крупных налогоплательщиков. Причем 30% этих представителей являлись владельцами бизнеса, 40% — топ-менеджерам, а 30% — менеджерами среднего звена.
Резюме
Вот мы и вернулись к тому, что при продвижении технологий искусственного интеллекта все упирается не столько в готовность технологий для коммерчески выгодного использования, сколько в человеческий фактор. Поэтому главная роль канала продаж — донести до заказчиков сведения о пользе новейших технологий — будь то технологии ИИ, технологии анализа больших данных или другие технологии из различных разделов единой науки о данных (Data Science).
Для полноты картины необходимо добавить, что ИИ-разработчиков (то есть потенциальных ИИ-вендоров) в нашей стране не так много. В середине апреля в Аналитическом центре при Правительстве РФ в ходе презентации альманаха «Искусственный интеллект. Индекс 2020 года», содержащего результаты новейших исследований Центра компетенций Национальной технологической инициативы на базе МФТИ по направлению «Искусственный интеллект», было отмечено, что на конец марта в нашей стране насчитывалось 480 компаний, работающих в области ИИ. Причем, если исходить из основной области деятельности этих компаний, то 75 из них можно отнести к сегменту BI&A (Business Intelligence & Analitics), а 45 — к сегменту Data Analysis.
При этом к сегменту BI&A были отнесены компании, которые продают сервисы другим компаниям. В конечном итоге эти сервисы помогают предприятиям и организациям на основе накопленных данных оперативно принимать правильные операционные или стратегические решения. А к сегменту Data Analysis были отнесены компании, которые сами занимаются анализом данных, анализируют данные и продают решения/аналитику на основе этих данных.
Для сравнения: открывая упомянутый выше пресс-клуб, президент НП РУССОФТ Валентин Макаров отметил, что из 223 членов этого некоммерческого партнерства технологиями ИИ так или иначе занимаются 44 компании. Напомним также, что в марте в Ассоциации «Отечественный софт» был создан Комитет по искусственному интеллекту. Его возглавил Дмитрий Шушкин, а его участниками стали 11 отечественных компаний. Cведений об общем количестве партнеров, занимающихся в нашей стране продвижением современных технологий обработки данных, нет. Но их, надо полагать, достаточно много. Так например, только у компании «Форсайт» их свыше шести десятков.
0 комментариев