Использование технологий искусственного интеллекта в управлении предприятием

Одним из самых прогрессивных и перспективных направлений нашего столетия является искусственный интеллект (ИИ). Из абстрактной идеи он превратился в мощный инструмент, который уже оказывает значительное влияние на различные сферы деятельности человека. Стремительное развитие технологий ИИ позволяет решать не только специализированные задачи, но и стать одним из основных элементов в бизнесе. Как показывает практика, современные системы ИИ выступают в роли полноценных партнеров, способных оптимизировать процессы, повышать производительность и снижать затраты.

Сегодня ИИ представляет собой систему, чьи алгоритмы могут собирать и анализировать данные для решения задач во многих сферах деятельности. Искусственный интеллект обладает характеристиками, которые ранее считались свойственными только человеку, – такими как самообучение, развитие, способность принимать решения на основе анализа данных, логики, статистики, анализировать и интерпретировать большие объемы информации с высокой скоростью и точностью.

Термин «искусственный интеллект» был введен в научный оборот в середине прошлого века. С этого момента началось развитие ИИ: были созданы первые программы, играющие в шахматы, однако в виду недостаточности мощности вычислительных систем дальнейшее развитие тормозилось. Лишь в начале XXI столетия произошел реальный прорыв в развитии ИИ, стала совершенствоваться и архитектура нейросети. Безусловно, и цифровая трансформация дала толчок к созданию огромных баз данных, ускорив развитие и обучение ИИ.

Следует отметить, что для оптимизации своей деятельности компании стали использовать нейросети. Так, компания Amazon активно использует ИИ в различных сферах своей деятельности, таких как прогнозирование спроса; автоматизированная доставка товаров дронами; роботизированные склады, позволяющие увеличиться скорость обработки заказов; анализ цен и корректировка стоимости товаров в режиме реального времени, система голосовых покупок и др.

Интерес представляет опыт сети кофеен Starbucks, использующей собственную нейросеть Deep Brew, основанную на алгоритмах машинного обучения. Применение Deep Brew дает возможность оптимизировать работу кофеен, предсказывать спрос с учетом времени и предпочтений клиентов, уменьшать издержки, улучшать логистику, управление запасами и планирование работы персонала.

Очевидно, что в промышленности искусственный интеллект также активно внедряется. Если раньше автоматизация нацеливалась на снижение ручного труда и уменьшение издержек, то сегодня создаются «цифровые производства», где большинство процессов, от разработки до выпуска продукции, осуществляется с использованием роботов, ИИ, больших данных и других технологий. ИИ помогает управлять производственными процессами и улучшать общую эффективность работы.

В последние годы Россия сделала серьезные шаги в развитии ИИ, особенно в научно-исследовательской сфере и нормативно-правовой области. В 2020 г. была принята Национальная стратегия развития ИИ до 2030 г., создан Национальный центр развития ИИ (НЦРАИ) при Аналитическом центре при Правительстве РФ; запущены федеральные программы по цифровизации, включая поддержку ИИ-стартапов и научных разработок; наметился рост числа российских ИИ-решений в бизнесе, связанных с прогнозированием спроса, автоматизацией производств, интеллектуальными чат-ботами и системами видеонаблюдения. В ответ на санкции и уход иностранных технологических компаний стали развиваться отечественные облачные платформ и ИИ-фреймворки.

Несмотря на определенный прогресс развития российского рынка ИИ: в 2020 г. рынок ИИ вырос с 43 млн долл. (2018 г.), до 291 млн долл. (0,5% мирового рынка, 58,3 млрд долл.) [2], этого недостаточно для приближения к уровню лидеров. Федеральный проект по ИИ в том же году предоставил индекс зрелости технологий ИИ, в котором сравнил Россию со станами лидерами, оценивая инфраструктуру, уровень развития науки и кадров в стране, доходы местных IT-компаний. Индекс зрелости ИИ в России составил всего 6 баллов, в то время как индекс США и Китая – 77, Великобритании, Канады и Германии – 26 (см. рис. 1). К 2030 г. прогнозируется индекс зрелости ИИ в России 78 баллов (США и Китай – 424) [2].

Рис. 1. Показатели развития ИИ по странам в 2023 году, баллы

Следует отметить, что 2024 г. на развитие искусственного интеллекта в федеральном бюджете России было заложено около 5,2 млрд руб. [4], в то время как Китай объявил в этом же году об инвестировании на ближайшие пять лет на развитие ИИ и его внедрение в разные отрасли 138 млрд долл. [3].

Сравнительный анализ по основным направлениям развития искусственного интеллекта США, Китая и России представлен в табл. 1.

Основные направления развития ИИ в США, Китае и России

Таблица 1

Критерий	Россия	США	Китай
Инвестиции в ИИ	Ограничены, в основном за счёт государства	Крупнейшие частные и государственные инвестиции в мире	Масштабные госпрограммы и активные вложения BigTech
Человеческий капитал	Высококвалифициро ванные специалисты, но массовый отток за границу	Привлечение лучших мировых талантов	Широкая система подготовки кадров в ИИ, активная мобилизация молодежи
Бизнес и стартапы	Сильные единичные игроки, но рынок ограничен	Развитая экосистема стартапов, венчурные фонды	Много государственных и частных стартапов, быстрая коммерциализация
Научные исследования	Много НИР, невысокий уровень публикаций	Лидер по числу публикаций и патентов	Резкий рост научных публикаций и патентов в ИИ
Внедрение в бизнес	Медленное внедрение, особенно в регионах	Широкое внедрение ИИ в корпорациях	Массовое внедрение в промышленность, торговлю, госуправление
Инфраструктура	Ограниченный доступ к современному оборудованию	Развитая ИИ-инфраструктура	Активно развивающаяся инфраструктура, но зависимость от чипов
Госпрограммы и стратегии	Стратегия до 2030 г., но реализация фрагментарная	Чёткая поддержка науки и инноваций через государственные фонды	Госпрограммы («Made in China 2025» и др.)

Интерес представляют результаты исследований искусственного интеллекта, отраженные в отчете Глобального инновационного индекса (GII) за 2023 г. Так, по показателю «Масштаб», который «измеряет абсолютный потен- циал ИИ страны, демонстрируя его результаты в мире», США занимают лидирующую позицию, сразу за ними следует Китай, на третье место с шестого (в 2021 г.) поднялся Сингапур. Россия же в данном рейтинге находится на 30-й из 62 позиций (22,1 балла из 100). Анализируя показатель «Интенсивность», который «определяет возможности ИИ по отношению к размеру населения или экономики страны», следует отметить, что в 2023 г. Сингапур опередили остальные страны, имея 100 баллов из 100, далее следуют Израиль (76,1 балла) и Швейцария (71,6 баллов). Что касается России, то она набрала 24,9 баллов, заняв 30 место из 62 (рис. 1) [1].

Следует отметить, что Россия отстает в развитии ИИ, в первую очередь из-за санкций, ограничивающих доступ к необходимым высокопроизводительным чипам, и отсутствия собственного производства аналогов. Это, наряду с массивной эмиграцией IT-специалистов и недостаточным притоком новых кадров, создает критическую нехватку квалифицированных специалистов.

Кроме того, технологическая изоляция, ограниченный доступ к международным ресурсам и базам знаний, а также низкий спрос на ИИ-решения со стороны российского бизнеса препятствуют развитию отрасли и превращению отдельных успехов в масштабный прорыв. Без решения этих проблем догнать мировых лидеров в области ИИ будет невозможно.

На основе анализа текущих практик применения ИИ были выделены основные барьеры для внедрения технологий ИИ в управление бизнесом. Именно они в значительной степени препятствуют быстрой и эффективной адаптации бизнеса к новым технологиям.

Первый барьер - техническая составляющая. Для получения хорошего результата необходима глубокая и подробная проработка технологий. Халатность, небрежность, некачественная разработка, а также внедрение могут принести за собой огромные проблемы. Именно это во многом пугает бизнес и останавливает от освоения ИИ. А негативный опыт от таких амбиций имеется: например, Американская риэлторская компания Zillow в 2021 году столкнулась с проблемой точности своих алгоритмов оценки стоимости недвижимости и зависимости от неточных данных [5]. Оценка недвижимости производилась ошибочно завышенной, а обнаружилась ошибка слишком поздно. Из-за этого компания потерпела убытки на сумму 304 млн долл.

Вторым главным барьером является проблема с финансированием. Технологии искусственного интеллекта являются новейшими, передовыми инновациями. Рынок труда не в состоянии так быстро адаптироваться к изменениям, в результате чего квалифицированных специалистов катастрофически не хватает, а их труд обходится слишком дорого. Также для разработок необходимы мощные производственные системы. Таким образом, поддерживать и инвестировать в такие НИОКР могут только крупные корпорации. Однако, как и в случае с другими проектами, разработка ИИ не всегда приводит к ожидаемым результатам, а затраты на НИОКР будут только увеличиваться [6].

Третьим барьером является проблема организационного характера, который возникает на этапе подготовки и внедрения ИИ в бизнес-процессы предприятия. Она касается адаптации корпоративной культуры, управления изменениями, взаимодействия с сотрудниками и координации работы подразделений. Для успешного и беспроблемного преодоления этого барьера структура предприятия должна быть гибкой и адаптивной, готовой к изменениям. Кроме того, важно заранее провести работу с сотрудниками, объяснив им суть изменений и подготовив необходимые материалы, чтобы процесс переобучения прошел быстрее. В противном случае внедрение ИИ может привести к негативному сценарию, что скажется не только на атмосфере в коллективе, но и на репутации компании.

Технологии искусственного интеллекта развиваются быстрыми темпами, и его участие в управлении предприятием способствует оптимизации бизнес-процессов. Одно из главных направлений применения ИИ в управлении компаниями - автоматизация рутинных процессов. За многие такие процессы уже стал ответственным робот. Самый популярный из них - Робот RPA (robotic process automation). Он самостоятельно передает файлы, заполняет формы, обрабатывает данные, благодаря чему снижает количество рутины при ведении бизнеса, повышает его гибкость и экономит ресурсы. Известные компании IBM, Microsoft активно внедряют RPA для автоматической обработки заявок, контрактов и бухгалтерских операций, Amazon и Walmart используют ИИ для прогнозирования спроса, управления складскими запасами и оптимизации логистики.

Другим перспективным направлением развития являются прогноз и аналитика. Самые распространенные и простые алгоритмы ИИ уже могут анализировать спрос на продукцию за прошлые годы, за аналогичные периоды и предсказывать поведение покупателя на рынке. Такие технологии помогают как в маркетинге, чтобы наиболее эффективно использовать рекламные инструменты, так и в логистике - позволяют внедрить систему Just in time, благодаря оптимизации складских запасов.

Кроме того, важным вектором является создание экосистем и новых бизнес-моделей, которые основаны на ИИ-технологиях. Благодаря таким платформам участник бизнес-процесса будет получать сразу набор приложений и услуг, которыми занимается нейросеть. Такие единые пространства значительно облегчат не только существование бизнеса, но и управление им. Одной из уже похожих платформ является AWS от Amazon. AWS по большей части направлена на развертывание приложений, а именно сбор информации и разработка в одном месте. Такой удачный опыт может быть примером для создания других экосистем.

В целом применения ИИ в управлении бизнесом сделает сферу предпринимательства более гибкой, более эффективной и облегчит многие процессы. Бизнес-модели смогут стать более адаптивными и менее подверженными разным ошибкам.

Таким образом, технологии ИИ представляет собой очень перспективное направление. В будущем успешное управление будет неразрывно связано с ними. Организации, которые не адаптируются и не интегрируют ИИ в свои процессы, обречены на отставание от конкурентов. Простой эксперимент с ИИ в отдельных областях недостаточен - лидеры рынка уже используют ИИ для коренного преобразования всей своей деятельности как стратегический актив, способствующий коренным образом трансформировать бизнес-модели, повысить эффективность и создать новые источники дохода.