5 главных вопросов перед внедрением ИИ

Поделиться в pinterest
Поделиться в facebook
Поделиться в linkedin
Поделиться в twitter
Поделиться в telegram

Внедрить искусственный интеллект в бизнес-процессы пытаются практически все крупные компании в мире. Но такие попытки не всегда приносят желаемый результат, так как руководством часто движет любопытство и хайп вокруг ИИ. Поэтому перед внедрением новой технологии необходимо дать ответы на ряд вопросов.

По данным McKinsey, в 2019 году искусственный интеллект использовался на 25% чаще, по сравнению с прошлым годом. Основная причина — возможность сократить расходы и повысить прибыль. К примеру, благодаря ИИ Google снизил затраты на оплату электроэнергии на 40%.

Может показаться, что «искусственные» бухгалтеры, юристы и сотрудники колл-центров обогащают владельцев компаний. Поэтому у многих топ-менеджеров появляется синдром упущенной выгоды. Они пытаются как можно быстрее внедрить ИИ, чтобы не отставать от конкурентов. Но такой эксперимент может дорого обойтись организации, если не дать ответ на следующие вопросы.

А зачем это нужно?

Необходимо понять, какую пользу принесет внедрение алгоритмов ИИ в вашу компанию. Около 40% случаев их использование не приносит существенной прибыли.

Данная проблема отлично сформулирована Престоном Макафи — бывшим экономистом Microsoft. Большинство алгоритмов ИИ направлено на улучшение точности прогнозов.

К примеру, ИИ может порекомендовать заключить 5 контрактов. Но если в месяц таких нужно минимум 50, то выгода от алгоритмов будет минимальной.

Сначала нужно понять, какая метрика нуждается в улучшении и сколько денег необходимо на внедрение ИИ. Рекомендуется обратиться к экспертам, которые смогут объективно оценить эффективность использования алгоритмов и помогут не поддаться общему хайпу.

Разработать новую технологию или использовать готовую?

Компания может заказать создание уникальных алгоритмов на базе ИИ. Для этого нужны значительные инвестиции и поиск специалистов. Установка SaaS-сервисов может быть выгоднее, так как не нужно создавать продукт с нуля.

Перед топ-менедрежами постает вопрос о поиске подрядчиков для внедрения ИИ. Специалисты MMC Ventures обнаружили, что только 60% ИИ-стартапов Европы используют технологию машинного обучения. Другие компании пользуются дешевой рабочей силой для выполнения задач ИИ.

Так, компания Expensify, которая якобы использовала умную систему сканирования для расчета корпоративных затрат работников, на самом деле нанимала для этой цели фрилансеров.

Собственный продукт — это прибыль или затраты?

Перед разработкой собственного ИИ-продукта необходимо проанализировать его жизнеспособность и целесообразность. В мире есть около 5 тысяч стартапов, работающих с ИИ.

Просмотрите рейтинг 100 лучших проектов в сфере машинного обучения. Здесь наблюдается перенасыщение и представлены компании в самых разных областях.

В индустрии есть достаточное количество готовых сервисов, которые могут решать ваши задачи. Но если вы считаете целесообразным разработать собственный аналог, это может стать вам на голову выше конкурентов.

Сравните затраты на создание и поддержку своего проекта с абонентской платой за готовый сервис. Помните, что для разработки могут понадобиться годы, а большинство трендов недолговечно. Будет ли ваш сервис актуальным через 1, 3 или 10 лет?

Есть ли материалы для обучения ИИ?

Крупные массивы информации называют новой нефтью. Но они не принесут никакой пользы, если будут просто копиться на серверах. Они нуждаются в переработке и превращении в продукт Big Data.

Значительную роль играет качество информации. Искусственный интеллект можно обучить и на небольшом массиве данных. Необходимо понять, можно ли постоянно пополнять базу свежей информации для совершенствования модели ИИ.

Учитывайте, что форс-мажорные обстоятельства негативно влияют на точность алгоритмов. Особенно это проявилось во время пандемии коронавируса, когда стандартные паттерны поведения изменились.

Может ли ИИ нарушить закон и кто будет ответственен?

Единого решения по поводу того, кто отвечает за действия ИИ, еще нет. К примеру, если беспилотное авто совершило ДТП, кто виноват: производитель или владелец? А если алгоритмы рекламы настраивают таргеты по половому или расовому признаку?

Компания, которая внедряет ИИ, должна прописывать границы ответственности в договоре. Это может никогда и не понадобиться, но лучше перестраховаться.

Можно предусмотреть 2 формата сотрудничества: когда клиент передает абсолютную ответственность ИИ, и когда он получает только рекомендации.

Если вы хотите достигнуть максимального эффекта от внедрения машинного обучения, следуйте таким советам:

  • Не нужно внедрять ИИ только потому, что так делают все.
  • Определите метрику для оптимизации и удостоверьтесь в том, что ИИ принесет желаемые результаты.
  • Выясните, каким объемом и качеством данных обладает компания для машинного обучения.
  • Проанализируйте рынок, который может быть перенасыщен такими предложениями.
Пролистать наверх