Искусственный интеллект уже используют или тестируют 92% российских компаний, однако подтвердить реальный бизнес-эффект от его внедрения могут лишь 12%. При этом почти 70% организаций либо вообще не измеряют результат применения ИИ, либо отслеживают отдельные показатели, не связывая их с экономикой бизнеса. К таким выводам пришла ГК «КОРУС Консалтинг» по итогам исследования зрелости внедрения искусственного интеллекта в российских компаниях.
От экспериментов - к системному использованию ИИ
Несмотря на высокий интерес бизнеса к технологии, управление ИИ во многих компаниях пока остается несистемным. 58% участников исследования либо вообще не включили искусственный интеллект в ИТ-стратегию, либо рассматривают его только как перспективное направление. Цели и ответственные за развитие ИИ определены у 22% компаний, утвержденная стратегия есть у 11%, а отдельную организационную структуру для работы с ИИ создали только 9%.
При этом ИИ постепенно выходит за рамки технологии, доступной только крупнейшим корпорациям и специализированным командам.
«За последние годы ИИ перестал быть нишевой технологией для дата-сайентистов. Зрелые решения на базе машинного обучения и компьютерного зрения уже приносят измеримый эффект в антифроде, промышленности, логистике и ритейле. Сейчас к ним добавился настоящий бум, связанный с демократизацией генеративного ИИ». – комментирует исследование Константин Смирнов, управляющий партнер «ДАР». – «Доступные языковые модели, нейроассистенты и low-code-платформы резко снизили порог входа: ИИ становится рабочим инструментом для рядовых сотрудников и среднего бизнеса, а не только для технологических лидеров и крупнейших корпораций. Поэтому компании постепенно переходят от точечных пилотов к системной работе с кейсами, которые можно масштабировать и встраивать в ежедневные процессы. Среди наиболее востребованных направлений - прикладные решения для оптимизации, цифровые сотрудники и ускорение бизнес-процессов».
Главная проблема - перейти от успешного пилота к масштабу
Самой распространенной моделью внедрения ИИ пока остаются отдельные эксперименты — такой подход используют 44% опрошенных компаний. Еще 22% применяют технологию сразу в нескольких подразделениях, 14% постоянно используют ее в одном или нескольких бизнес-процессах. И только 12% смогли встроить ИИ в ключевые процессы как стандартный рабочий инструмент.
Один из факторов, мешающих масштабированию, - недостаток внутренних компетенций. У 48% компаний внедрение ИИ фактически зависит от отдельных специалистов. Специализированные команды сформированы только у 19% респондентов, а системные программы развития ИИ-компетенций существуют у 14%.
«Главный барьер при переходе к масштабированию ИИ почти всегда организационный. Успешный пилот может держаться на энтузиазме отдельной команды, но для регулярного использования нужны зрелые и доступные данные, интеграция с действующими корпоративными системами, понятная экономика - стоимость владения и измеримый эффект - и ответственный за продукт. На уровне организации необходимо закреплять владельцев ИИ-продуктов и выстраивать продуктовый цикл их развития, развивать компетенции на стыке бизнеса и данных - от Data/AI Product Owner до ML-инженеров и специалистов по качеству и контролю моделей. Одновременно нужно обучать линейных сотрудников работать с ИИ как с обычным рабочим инструментом и постепенно включать получаемый эффект в регулярные KPI,» - подчеркивает Игорь Терехин, руководитель направления GenAI «ДАР».
Инфраструктура становится экономическим вопросом
Еще одно ограничение - технологическая инфраструктура. По данным исследования, 45% компаний используют отдельные облачные сервисы и специализированные инструменты для конкретных задач. Единую масштабируемую ИИ-платформу развивают только 13% организаций.
Переход от экспериментов к промышленной эксплуатации требует значительно большего объема ресурсов, чем запуск отдельного пилота.
«Инфраструктура остается одним из главных барьеров масштабирования ИИ, поскольку переход от экспериментов к промышленному применению требует устойчивого вычислительного контура, подготовленных данных, интеграций, безопасности и эксплуатации. Компании сталкиваются с дефицитом и высокой стоимостью ИИ-ускорителей, серверов и мощностей ЦОД. Для российского рынка проблема дополнительно усиливается зависимостью от внешних цепочек поставок и ограниченным доступом к современным инфраструктурным компонентам. Вторая сторона вопроса - экономика ИИ. Компании, которые уже получили измеримый эффект на стадии PoC, могут обосновать дальнейшие инвестиции. Если же эффект пилота не подтвержден, расходы на инфраструктуру закономерно воспринимаются бизнесом как слишком рискованные,» - утверждает Роман Таранов, директор по стратегическим направлениям «ДАР».
69% компаний не видят ИИ в экономике бизнеса
Проблема оценки результата остается одной из самых заметных. 44% опрошенных компаний вообще не измеряют эффект от внедрения ИИ, еще 25% контролируют отдельные показатели, но не связывают их с финансовым результатом. Таким образом, почти семь из десяти компаний пока не могут показать, как применение ИИ изменило экономику бизнеса.
При этом именно способность заранее определить задачу, подготовить данные и сформулировать критерии результата во многом определяет судьбу ИИ-проекта.
Екатерина Торсукова, руководитель направления Data Science «ДАР», отмечает, что многие ИИ-проекты фактически оказываются обречены еще до начала разработки. Причина зачастую заключается не в качестве алгоритмов, а в неверно выбранных задачах, неподготовленных данных и процессах, а также в отсутствии понятного способа измерить результат. Более того, часть задач, которые компании сегодня пытаются решить с помощью ИИ, может быть дешевле и быстрее закрыта обычной автоматизацией, бизнес-правилами или BI-инструментами.
Подробнее об ошибках при выборе ИИ-кейсов, причинах, по которым пилоты не доходят до промышленного внедрения, и способах избежать неоправданных затрат - читайте в статье Екатерины.
Ознакомиться с полным списком услуг по внедрению ИИ-решений - на сайте «ДАР», в разделе услуги.
Хотите получить полную версию исследования? Напишите нам data@korusconsulting.ru
Остались вопросы? Пишите на data@korusconsulting.ru
И подписывайтесь на наш телеграм-канал про аналитику и данные Analytics
Now
