Ожидается, что число компаний, экспериментирующих с возможностями автоматизации генерирующих платформ ИИ, удвоится. Но оправдывает ли ожидаемая финансовая отдача высокие затраты на технологию? К 2030 году компании будут тратить 42 миллиарда долларов в год на проекты генеративного искусственного интеллекта (genAI), такие как чат-боты, инструменты для исследований, написания текстов и подведения итогов. И хотя технология была объявлена благом для производительности, добиться возврата инвестиций (ROI) в genAI может оказаться труднодостижимой задачей.

“Фиксация и измерение точных показателей повышения производительности было сложной задачей для многих наших клиентов”, - сказала Рита Саллам, аналитик Gartner. “Для [genAI] мы не говорим, что найти рентабельность инвестиций может быть сложно, но выразить рентабельность инвестиций было сложно, потому что многие преимущества, такие как производительность... имеют косвенные или нефинансовые последствия, которые создают финансовые результаты в будущем". Например, использование genAI для автоматизации генерации кода может повысить продуктивность разработчиков программного обеспечения, предоставив им дополнительное время для повышения производительности и внедрения инноваций. В итоге это может означать более быстрый вывод на рынок новых функций — и более счастливых клиентов.

Но как оценить эти нематериальные активы? ”В конечном счете, вы сможете использовать менее квалифицированных разработчиков, поэтому затраты могут снизиться, и вы сможете выполнять больше работы с тем же количеством разработчиков", - сказал Саллам. “Эти преимущества в итоге могут привести к более раннему получению дохода и, возможно, к меньшему оттоку клиентов и разработчиков и увеличению расходов клиентов. "Но прямой путь к снижению затрат (без сокращения численности персонала) не является прямым”. Прошлый год рассматривался как год внедрения корпоративного искусственного интеллекта: согласно августовскому отчету консалтинговой фирмы McKinsey & Co, 55% организаций экспериментировали с genAI в рабочих процессах. Однако в то время менее трети опрошенных предприятий заявили, что они используют ИИ более чем для одной функции, “предполагая, что масштабы использования ИИ остаются ограниченными”. В этом году ожидается, что внедрение ИИ будет быстро расширяться по мере того, как проекты достигнут “критической массы опыта и квалификации”.

Сначала несколько плохих новостей

По данным Gartner, к 2025 году 90% корпоративных развертываний genAI замедлятся, поскольку затраты превысят ценность, и 30% этих проектов будут заброшены после подтверждения концепции (POC) из—за низкого качества данных, неадекватного контроля рисков, растущих затрат или неясной ценности для бизнеса. К 2028 году более 50% предприятий, создавших большие языковые модели (LLM) с нуля, откажутся от своих усилий из-за затрат, сложности и технической задолженности при развертывании. “Измерить рентабельность инвестиций сложно”, - говорит Брет Гринштейн, руководитель отдела обработки данных и искусственного интеллекта в фирме профессиональных услуг PricewaterhouseCoopers (PwC). Но, адаптируя LLM для выполнения функции или процесса, легче сравнить его производительность — стоимость, точность и скорость — с более ранними процессами.

Проще говоря, рентабельность инвестиций - это финансовое соотношение прибыли или убытка от инвестиций по отношению к их стоимости; поэтому, когда компания инвестирует в genAI, выгоды от этих расходов должны перевешивать затраты. “Как только вы заставите [genAI] последовательно достигать этого нового уровня производительности, вы внедряете его в производство с надлежащим управлением и операционными процессами и отслеживаете его использование”, - сказал Гринштейн. “Когда у вас есть вариант использования, который экономит два часа при шестичасовом процессе, и вы отслеживаете его использование, вы можете суммировать экономию".

Теперь хорошие новости

Согласно опросу Gartner Generative AI 2024, в котором приняли участие 822 бизнес-лидера, подавляющее большинство руководителей бизнеса, внедряющих или планирующих внедрить инструменты genAI, ожидают или уже осознали выгоды от своих решений. В среднем респонденты опроса сообщают об:

• увеличении выручки на 15,8%
• экономии затрат на 15,2%, 4,6% за счет сокращения численности персонала
• повышения производительности на 22,6%

Также было доказано, что ChatGPT повышает производительность труда работников на 37%.

• Помощники по кодированию GenAI могут повысить производительность труда работников на 7-55%.
• Разговорные ассистенты GenAI (чат-боты) могут улучшить обслуживание клиентов и производительность агентов службы поддержки от 14% до 35%.

Согласно исследованию PwC "Новые технологии 2023", семьдесят три процента американских компаний уже внедрили искусственный интеллект в некоторых областях своего бизнеса, причем genAI лидирует в этом направлении. По данным исследовательской фирмы IDC, к 2027 году расходы, как ожидается, достигнут 151,1 миллиарда долларов, что представляет собой совокупный годовой темп роста в 85,9% за период 2023-27 годов. По данным McKinsey & Co, которая проанализировала 63 случая использования genAI, о влиянии genAI на производительность почти не спорят, поскольку это может увеличить годовой эквивалент от 2,6 трлн до 4,4 трлн долларов по всему миру.

Около 75% стоимости приходится на четыре области:

• Работа с клиентами;
• Маркетинг и продажи;
• Разработка программного обеспечения;
• НИОКР.

В рамках 16 бизнес-функций McKinsey использовала кейсы, в которых инструменты genAI могут решать конкретные бизнес-задачи способами, приводящими к одному или нескольким измеримым результатам. Примеры включают его способность поддерживать взаимодействие с клиентами (чат-боты), генерировать креативный контент для маркетинга и продаж и составлять компьютерный код на основе подсказок на естественном языке. По данным McKinsey, банковское дело, высокие технологии и науки о жизни входят в число отраслей, которые могут получить наибольший эффект в процентном отношении к своим доходам от genAI.

Например, в банковской отрасли эта технология могла бы приносить добавленную стоимость на сумму от 200 до 340 миллиардов долларов в год, если бы варианты использования были полностью реализованы. В сфере розничной торговли и потребительских товаров в упаковке потенциальная стоимость может составлять от 400 до 660 миллиардов долларов в год.

По мнению McKinsey, GenAI также может быть более полезен для усилий по цифровой трансформации. Его способность осмысливать неструктурированные данные, например, в сочетании с облаком, может ускорить практически любую инициативу по преобразованию, связанную с данными. Это также может помочь компаниям перепрыгнуть через несколько этапов. Например, ИТ часто могут решать сложные задачи, которые ранее были недоступны финансовым, налоговым, юридическим и ИТ-отделам, а также другим подразделениям. Ит может, например, помочь компании более эффективно выполнять новые требования к налоговой отчетности по второму компоненту. В более общем плане это может вскоре устранить необходимость в обновлении обычных корпоративных приложений. Вместо этого приложения можно было бы перенести в облако, где настраиваемые модули genAI могли бы помочь им постоянно развиваться в соответствии с меняющимися потребностями бизнеса.

Согласно Sallam из Gartner, подавляющее большинство улучшений будет связано с ведущими показателями будущей финансовой ценности или косвенной ценности, такими как производительность, время цикла, опыт работы с клиентами, бренд, качество и более быстрое повышение квалификации менее опытных работников. “Если эти преимущества не приведут к немедленному сокращению численности персонала и другим сокращениям затрат, финансовые выгоды будут накапливаться с течением времени, в зависимости от того, как используется полученная ценность”, - сказала она.

Другими словами, genAI должен позволить организациям делать больше с меньшими затратами — даже при увеличении спроса; использовать меньше сотрудников старшего звена; снизить потребность в поставщиках услуг; и повысить ценность клиентов и сотрудников, что может привести к более высокому удержанию персонала. “Таким образом, измеряйте и оценивайте время, сэкономленное как для этих конкретных задач, так и для совокупности задач, связанных с конкретными процессами, — в течение определенных периодов времени”, - сказал Саллам. “Само по себе повышение производительности может со временем стать уменьшающимся источником дифференциации, но интеграция этих возможностей в другие бизнес-процессы может помочь предприятиям сохранить конкурентные преимущества.

По данным Gartner, повышение производительности - это самые большие первоначальные выгоды, о которых сообщают первые пользователи. Но поскольку эти сиюминутные выгоды со временем уменьшаются, компаниям необходимо набраться терпения, поскольку более эффективные бизнес-процессы позволяют экономить деньги в долгосрочной перспективе.

Полную версию статьи Лукаса Меариан можно найти на сайте Computerworld