16.09.22 13:14

Новости

Автор:

Администратор

Измерение влияния искусственного интеллекта на бизнес

 Оценить рентабельность инвестиций в искусственный интеллект сложно, но это необходимая задача. ИТ-лидеры и отраслевые наблюдатели делятся своими мыслями о том, как получить четкое представление,...

Оценить рентабельность инвестиций в искусственный интеллект сложно, но это необходимая задача. ИТ-лидеры и отраслевые наблюдатели делятся своими мыслями о том, как получить четкое представление, окупаются ли ваши усилия в области искусственного интеллекта.


Автор: Мария Королев, автор CIO

 

Искусственный интеллект находится в переходном периоде, как в качестве технологии, так и в плане использования. Компании все чаще выводят пилотные проекты искусственного интеллекта из тестовых лабораторий и внедряют их в больших масштабах, и в результате некоторые видят значительные преимущества. Независимо от любой неопределенности, связанной с ИИ, игнорирование его потенциала создает риск того, что компании, ведущие бизнес по-старому, разорятся.

 

Однако для многих организаций извлечение ценности из ИИ может оказаться труднодостижимым. Их модели могут быть не настроены. Их наборы обучающих данных могут быть недостаточно большими. Клиенты могут быть подозрительными. Существуют также опасения по поводу предвзятости, этики и прозрачности. Запуск инициативы в области ИИ в производство до того, как она будет готова, или расширение стратегии ИИ за пределы начальной фазы до надлежащей проверки ее результатов может стоить компании денег или, что еще хуже, нанести ущерб бизнесу. 

 

Итак, как узнать, изменит ли проект искусственного интеллекта вашу компанию или нанесет ей вред? Без точных показателей рентабельности инвестиций компаниям приходится изобретательно подходить к способам получения достоверной информации. Вот взгляд на то, как ИТ-лидеры и инсайдеры отрасли измеряют ценность искусственного интеллекта.

 

Зрелые и новаторские технологии

 

Измерение бизнес-ценности любой инициативы или технологии не всегда является линейным расчетом. Искусственный интеллект, безусловно, не является исключением, особенно когда принимаются во внимание степень зрелости и бизнес-потенциал. Проверенные и предсказуемые переменные, такие как интеллектуальный анализ данных, экономия на затратах и обучении, инвестиции и способность облегчать новые виды использования, влияют на решения, когда речь идет о приемлемой рентабельности инвестиций, но очень важно доверять технологии, независимо от того, насколько она новая или зарекомендовавшая себя.

 

Например, в Лаборатории реактивного движения НАСА (NASA JPL) ключевым фактором для измерения рентабельности инвестиций в проект искусственного интеллекта является технологическая зрелость.

Некоторые варианты использования искусственного интеллекта находятся на высоком уровне зрелости, говорит Крис Маттманн, директор по технологиям и инновациям NASA JPL. Возьмем, к примеру, автоматизацию бизнес-процессов.

 

«Скучные вещи, которые есть в каждой компании, есть и у нас», - говорит он. «Поэтому мы автоматизируем многие вещи, такие как обработка тикетов, поиск, интеллектуальный анализ данных, просмотр контрактов и субподрядов с использованием искусственного интеллекта».

 

Для этого JPL использует коммерчески доступные технологии, включая DataRobot и Google Cloud. По словам Маттманна, чтобы определить, стоит ли инвестировать в ту или иную технологию, организация смотрит, сэкономит ли она затраты, время и ресурсы. «Это зрело, так что вы должны быть в состоянии показать это».

 

Для технологий среднего уровня зрелости JPL рассматривает, обладает ли технология способностью создавать новые варианты использования и по какой цене. «Например, мы отправляемся на Марс, и у нас есть тонкая труба для связи в дальнем космосе», - объясняет он, и сегодня пропускной способности достаточно, чтобы отправлять около 200 снимков в день с Марса на Землю.

 

«В тех блестящих марсоходах, которые мы отправляем, мозги размером с горошину», - говорит Маттманн. «Они используют процессоры первого поколения iPhone. Мы размещаем в космосе только те предметы, которые защищены от радиации, и мы уверены, что они смогут противостоять условиям глубокого космоса. Чипы, которые, как мы знаем, работают хорошо, – это старые чипы, поэтому мы не используем продвинутый искусственный интеллект или машинное обучение на марсоходах».

 

Но вертолет Ingenuity, который изначально задумывался просто для демонстрации технологий и не был ключевым для миссии, имел на борту процессор Qualcomm Snapdragon, чип искусственного интеллекта. «Это продемонстрировало нам, что можно иметь новые чипы и создавать больше искусственного интеллекта», - говорит он.

 

В этом случае искусственный интеллект позволит воплощать новые варианты использования, которые в настоящее время невозможны. Например, вместо того, чтобы отправлять обратно 200 изображений в день, марсоход мог бы сам анализировать изображения с помощью искусственного интеллекта и отправлять обратно на Землю миллион текстовых подписей, чтобы описать, например, что в определенном направлении находится высохшее дно озера. «Мы могли бы добиться большей наглядности с помощью текста, чем сегодня с помощью изображений», - говорит Маттманн.

 

Наконец, для самых передовых экспериментальных технологий искусственного интеллекта мерилом успеха является то, позволяют ли они проводить новые научные исследования, а также писать и публиковать новые статьи.

 

«Обучение и создание моделей сопряжены с определенными затратами», - говорит он.

 

Такие компании, как Google и Microsoft, имеют свободный доступ к гигантским объемам обучающих данных, но в JPL такие наборы данных трудно получить, и для их анализа и маркировки требуются эксперты с докторской степенью.

 

«В НАСА наши затраты на обучение новой модели искусственного интеллекта в 10-20 раз выше, чем в коммерческой промышленности», - говорит Маттманн.

 

Здесь появляются новые технологии, которые могут позволить НАСА создавать модели искусственного интеллекта с меньшим количеством ручной маркировки. Например, генеративные сети можно было бы использовать для создания синтетических обучающих данных. Дипфейки, но на благо науки.

 

Измерение искусственного интеллекта и сферы его влияния

 

Когда нет прямого способа измерить влияние проекта искусственного интеллекта на бизнес, компании вместо этого извлекают данные из соответствующих ключевых показателей эффективности (KPI). Эти косвенные переменные обычно связаны с бизнес-целями и могут включать удовлетворенность клиентов, время выхода на рынок или показатели удержания сотрудников.

 

Примером может служить Atlantic Health System, где пациенты находятся в центре каждого решения, говорит Сунил Дадлани, старший вице-президент и директор по информационным технологиям компании. Таким образом, во многих отношениях окупаемость инвестиций в ИИ измеряется улучшением ухода за пациентами. По его словам, эти показатели, ориентированные на пациента, включают в себя сокращение продолжительности пребывания в стационаре, более быстрое время до лечения, более быструю проверку соответствия требованиям страхования и более быстрые предварительные разрешения на страхование.

 

Другой проект предполагает использование искусственного интеллекта для поддержки рентгенологов при изучении снимков. Ключевой показатель эффективности – это то, как часто рентгенологи получают предупреждение о потенциально аномальных результатах. «По состоянию на апрель 2022 года 99% наших радиологов сообщили об использовании искусственного интеллекта для анализа более 12 000 исследований», - говорит Дадлани, добавляя, что это вызвало почти 600 предупреждений. «Таким образом, врачи могут решать потенциально серьезные проблемы как можно быстрее».

 

В RSM, пятой по величине бухгалтерской компании в США, инвестиции в искусственный интеллект идут по двум тесно связанным путям: один из них связан с производительностью и аналитическими инструментами, которые помогают сотрудникам лучше выполнять свою работу. Другой – это те же самые или похожие инструменты, но используемые клиентами, говорит Ричард Дэвис, партнер группы управленческого консалтинга, трансформации бизнеса и технологий компании.

 

Например, при работе с клиентами RSM может собирать данные из нескольких систем – бухгалтерского учета, продаж и маркетинга, управления персоналом, логистики – и объединять все в одной панели. Искусственный интеллект может помочь ускорить этот процесс, говорит Дэвис. Затем с помощью искусственного интеллекта можно определить, как работа проходит через эти системы, и где могут быть основные проблемы и препятствия.

 

Итак, как компания узнает, движется ли ее искусственный интеллект в правильном направлении?

«Во-первых, мы можем очень четко измерить использование инструментов», - говорит Дэвис, который отказался предоставить подробную информацию об инвестициях RSM в инициативы в области искусственного интеллекта или рентабельности инвестиций. «То, что мы хотим видеть со временем, – это более эффективное взаимодействие».

 

По словам Дэвиса, это усиление вовлеченности должно затем привести к повышению производительности. «Так что, если раньше на что-то у нас уходила неделя, цель может состоять в том, чтобы сократить это до одного дня», - говорит он.

 

Сосредоточьтесь на преимуществах для бизнеса

 

Измерение успеха искусственного интеллекта также может быть субъективным. Оценка проекта искусственного интеллекта – это такое же искусство, как и разработка самого искусственного интеллекта, говорит Эудженио Цуккарелли, ученый-исследователь ИИ в Массачусетском технологическом институте, который также работает специалистом по обработке данных в сфере розничной торговли.

 

Тем не менее, по словам Цуккарелли, важно иметь возможность объяснить влияние искусственного интеллекта на бизнес. «Ключевые показатели эффективности должны устанавливаться не на основе самой модели, а на основе показателей бизнеса и персонала, которые должны быть конечными целями проекта», - говорит он. В противном случае можно выбрать техническую метрику, которая, казалось бы, показывает успех, но на самом деле не окажет эффективного воздействия на компанию.

 

Цуккарелли, который также занимал должности в области анализа данных в BMW и Telstra, предостерегает и от измерения прогресса в изоляции. Например, если проект ИИ был разработан для улучшения чего-то, что уже улучшалось по другим причинам, то необходима контрольная группа, чтобы определить, насколько улучшение на самом деле связано с ИИ.

 

Другими ценными ключевыми показателями эффективности для проектов ИИ могут быть, например, сокращение ложных предупреждений или автоматическое удаление чрезмерных привилегий, говорит Владислав Шапиро, который имеет многолетний опыт работы в индустрии финансовых услуг и является основателем Costidity, консультативной группы, специализирующейся на ИТ-безопасности и управлении идентификацией.

 

По его словам, в недавнем развертывании системы безопасности на базе искусственного интеллекта, над которым работал Шапиро, частота ложноположительных предупреждений была снижена в три раза, а многие ранее выполнявшиеся вручную процессы были автоматизированы.

 

«Когда вы показываете эти цифры высшему руководству, они понимают, что все вышеперечисленное снижает риск нарушений и повышает подотчетность и управление», - говорит он.

 

Постепенное измерение успеха

 

Автоматизация, ведущая к снижению затрат, – это самый простой и наглядный способ продемонстрировать экономические преимущества ИИ, говорит Санджай Шривастава, главный специалист по цифровым стратегиям Genpact, глобальной компании, предоставляющей профессиональные услуги. Но искусственный интеллект также может способствовать появлению новых источников дохода или даже полностью трансформировать бизнес-модель компании.

 

Например, с помощью искусственного интеллекта производитель авиационных двигателей увидел, что он может лучше прогнозировать сбои и улучшать логистику, чтобы начать предлагать двигатели в качестве услуги. «Для конечного потребителя лучше купить налетанные мили, чем сам двигатель», - говорит он. «Это новая бизнес-модель. Это меняет способ работы компании, потому что искусственный интеллект позволяет это делать».

По его словам, и влияние на бизнес также сразу становится очевидным.

 

Итак, чтобы оправдать инвестиции в искусственный интеллект за определенное время, этому конкретному производителю нужна была эта долгосрочная цель, но он преобразовал ее в краткосрочные проекты, которые можно было измерить другими способами.

 

«Вместо того, чтобы говорить: «Через десять лет мы изменим отрасль», скажите: «В первый год мы начнем смотреть, какие запчасти нам нужны на складе», - говорит он. «Вы еще не меняете отрасль на воздушные мили. Вы просто говорите: «Нам понадобятся нужные детали в нужных количествах». Это годовой проект по оптимизации ваших складских систем и сокращению объема инвестиций в товарно-материальные запасы».

 

Помимо оптимизации цепочки поставок, другие краткосрочные показатели прогресса могут включать удовлетворенность клиентов.

«Например, если самолет застрянет в Мумбаи на пять дней в ожидании детали, клиент это почувствует», - говорит он.

 

Соответствие стратегическому видению

 

Кроме того, существует реальность, что в краткосрочной перспективе некоторые проекты в области искусственного интеллекта могут нанести ущерб конечным результатам, но все равно будут важными и преобразующими в долгосрочной перспективе. Например, компания, которая внедряет чат-бота для обслуживания клиентов, может отказаться от рутинных задач. «Но чат-боты могут навредить, потому что некоторые сотрудники хорошо умеют продавать и хотят взаимодействовать с людьми», - говорит аналитик Gartner Уит Эндрюс. «Так что организация может этого не захотеть».

 

По его словам, все зависит от того, какой компанией вы хотите быть. «В какой-то момент вы должны спросить себя, относитесь ли вы к тому типу компаний, которым, например, клиент может позвонить в случае сбоя в доставке и спросить, где она находится, и вы вступаете с ними в контакт, а затем пытаетесь продать им товар раз в месяц».

 

Если организация привержена как трансформации на основе искусственного интеллекта, так и измеряемой рентабельности инвестиций для ее поддержки, и у нее есть видение того, чтобы быть ориентированной на клиента, тогда она может не обращать внимание на непосредственный результат в сторону других потенциально более значимых показателей.

 

«Более автоматизированная организация может быть успешнее, потому что она увеличивает долю рынка», - говорит Эндрюс. «Но вы можете развить свои данные таким образом, чтобы иметь возможность связаться с кем-то в то время, которое для него более актуально. Если есть что-то, на что вы можете указать и сказать, и логика просто подсказывает, что это сделает клиентов счастливее, а сотрудников успешнее, тогда дерзайте».

 

Ссылка на источник