Кто внедряет искусственный интеллект

Главные выводы:

«Одной из таких моделей может стать платформа распределенных вычислений — она позволит владельцам мощных компьютеров или вычислительных кластеров напрямую сдавать мощности в аренду AI/ML-разработчикам, испытывающим нехватку вычислительных мощностей для реализации проектов. Такая модель позволит решить проблему нехватки вычислительных мощностей и даст дополнительные возможности заработка владельцам мощных компьютеров и вычислительных кластеров», — заключил Евгений Черешнев.

Как минимум пятая часть крупных компаний в России использует искусственный интеллект (ИИ) в том числе для общения с клиентами, выяснили в компании «Яков и Партнеры». Бизнес экономит на сотрудниках-операторах и увеличивает выручку. Однако далеко не все клиенты готовы общаться с роботами, считают эксперты. По их мнению, внедрение ИИ идет слишком быстро, с большим числом ошибок, тем временем растет раздражение клиентов, которых слишком прогрессивные компании в итоге могут потерять.

Все респонденты ответили на вопрос, какие проблемы становятся либо стоп-фактором к внедрению ИИ, либо ограничением для этого. Результаты опроса показали, что более половины (51%) компаний заявили о неготовности ИТ-инфраструктуры к внедрению ИИ: из них 34% заявили о нехватке на рынке инфраструктурных решений и готовых инструментов для развертывания ИИ, остальные — о необходимости расширения вычислительных мощностей в контуре компании под эту задачу.

ИТ-инфраструктура 51% российских компаний не готова к внедрению искусственного интеллекта (ИИ). Из них 34% заявили о нехватке на рынке инфраструктурных решений и готовых инструментов для развертывания ИИ, остальные — о необходимости расширения вычислительных мощностей в контуре компании под эту задачу.

Данный выпуск начинает серию экспресс-информаций по итогам мониторинга. Также ИСИЭЗ НИУ ВШЭ готовит к публикации доклад «Разработчики и пользователи искусственного интеллекта в России», в котором будут отражены ключевые тенденции развития технологий ИИ, особенности их разработки и направления внедрения в различных отраслях экономики и социальной сферы страны.

Чтобы решить вопрос найма ИТ-специалистов и закупки дорогостоящего оборудования Иван Степнов советует сотрудничать с техническими партнерами: помимо оптимизации затрат такой подход позволяет компаниям сократить время на внедрение ИИ и быстрее начать получать профит от использования.

Одним из главных трендов последних лет стали мегамодели (мультизадачные, мультимодальные и мультиязычные), обрабатывающие различные типы данных (текст, речь, изображения, др.). Так, этой весной рынок буквально «взорвала» модель GPT-4, способная работать не только с текстами на разных языках (как ChatGPT), но и с изображениями (как Midjourney).

Источники: результаты обследования организаций — пользователей технологий и продуктов искусственного интеллекта в рамках проекта «Мониторинг развития и распространения искусственного интеллекта» тематического плана научно-исследовательских работ, предусмотренных Государственным заданием НИУ ВШЭ.

Комментирует

Две трети (65%) обследованных организаций применяют ИИ пока в тестовом (экспериментальном) режиме, изучая и оценивая возможности новых решений для бизнеса. Примерно 3 /₄ респондентов используют ИИ совместно с другими цифровыми технологиями. В половине случаев речь идет о различных видах промышленного ПО, включая системы автоматизированного проектирования, управления процессами и др. Более четверти (27%) организаций применяют ИИ наряду с технологиями Интернета вещей, 38% — в связке с коммуникационными сервисами, обеспечивающими взаимодействие с клиентами и решение маркетинговых задач.

Институт статистических исследований и экономики знаний НИУ ВШЭ запустил мониторинг развития и распространения искусственного интеллекта (ИИ) в России. Полученные в ходе его первого раунда результаты дают представление о главных тенденциях и специфике использования данного направления технологий.

Одним из основных барьеров для распространения ИИ являются значительные объемы требуемых инвестиций, а также нехватка кадров. Более 60% организаций тратят на ИИ менее 1% от затрат на внедрение и использование цифровых технологий. Осторожное поведение объясняется тем, что ИИ-проекты, как правило, имеют длительный цикл реализации и отложенные во времени эффекты. Даже при оценке таких эффектов пользователи сталкиваются со сложностями, в том числе из-за нехватки экспертизы и стандартов по разным аспектам разработки и внедрения ИИ-решений и уникальности проектов для каждой отдельной компании.

Наиболее востребованы продукты на основе технологий компьютерного зрения и распознавания и синтеза речи (78,7 и 62% ответов соответственно) (рис. 1). Активно применяются и рекомендательные системы на основе предиктивной аналитики и больших данных (40,7%), обеспечивающие функции прогнозирования развития ситуаций и поведения объектов, например, при обслуживании оборудования и транспортных средств. Чаще всего ИИ-решения оптимизируют управленческие задачи (продажи и маркетинг, финансовый и бухгалтерский учет), в меньшей степени — производственные процессы. Гораздо реже (около 10%) респонденты применяют интеллектуальные системы управления для автоматизации сложных процессов, которые трудно контролировать традиционными методами. Подобные системы — необходимый элемент цифровых фабрик (полностью распределенных производств), позволяющий гибко подстраивать производственные процессы под изменения спроса и внешних условий.

Следующим по популярности сценарием, исходя из данных «К2 НейроТех», стала генерация контента (31,3%); пятое место (23,9%) поделили сразу четыре сценария: разработка новых материалов с заданными свойствами, создание голосовых помощников и антифрод-систем, а также прогнозирование (спроса, трендов и т.д.).

По его мнению, для подготовки ИТ-инфраструктуры к внедрению ИИ компаниям стоит определить, какие именно процессы нуждаются в улучшении. «Для решения многих задач значительных вложений в инфраструктуру не требуется, поскольку часть данных уже доступна и существующих мощностей может быть достаточно. Если речь идет о пилотных проектах и тестировании гипотез, предприятия могут использовать облачные решения, которые позволяют обойти ограничения локальной инфраструктуры», — объясняет Илья Муха.

По итогам опроса, аналитики «К2 НейроТех» составили топ-5 сценариев, в которых, по мнению респондентов, технологии машинного обучения и ИИ наиболее полезны: самым популярным (47,8%) стала обработка и анализ больших данных (big data); на втором месте — обработка документов (41,8%); 32,8% респондентов отметили разработку и обучение рекомендательных систем (которые анализируют поведение и предпочтения пользователей и на основе этих данных фокусно предлагают конкретному пользователю то, что ему будет интересно, такие системы распространены в ретейле).

Руководитель продуктового направления NLP технологий ООО «Центр искусственного интеллекта МТС» (ООО «МТС ИИ», MTS AI) Сергей Кобец тоже считает, что обратиться в компании, которые специализируются на ИИ, — эффективнее и дешевле. «Если делать все самим, минимальный порог входа для SotA-уровня составит минимум 2 млрд руб.», — отметил он.

Таковы результаты опроса «К2 НейроТех» (подразделение ООО «К2 Тех»), в котором приняли участие около 100 компаний с выручкой от 2 млрд руб. в год из сектора ИТ и телеком, финсектора, ретейла и FMCG, а также промышленности (нефтегаз, химия, добывающая промышленность, машиностроение).

Заместитель руководителя Ассоциации лабораторий по развитию искусственного интеллекта (АЛРИИ) по направлению «Трансфер технологий» Роберт Васильев отметил, что решением проблем, препятствующих внедрению ИИ, может стать создание компаниями внутренних подразделений хотя бы базовой экспертизы и выделение больших ресурсов на пилотирование решений.

Менеджер практики «Технологическая трансформация» «Рексофт Консалтинга» Илья Муха считает, что вопрос подготовки ИТ-инфраструктуры под внедрение ИИ особенно актуален для компаний в производственном секторе — в них процессы зачастую уже покрыты инфраструктурой, однако вспомогательные остаются без должного внимания.

«С точки зрения государственной поддержки, одним из подходов может быть предоставление грантов на развитие инфраструктуры и создание совместных предприятий. Государство также может сотрудничать с разработчиками, предлагая готовые решения и продукты, что способствует ускорению внедрения ИИ-технологий», — считает Илья Муха.