ИИ — довольно широкое понятие. И сейчас модно называть искусственным интеллектом все подряд. Но громкие заявления и расплывчатые формулировки не добавляют очков непонятным в применении технологиям для бизнеса, которому они могли бы пригодиться.

Я буду вести речь о таких ИИ-технологиях как машинное обучение, нейронные сети и компьютерное зрение. Но это, если перевести на обычный язык, всего лишь инструменты для быстрой и гибкой обработки большого количества разрозненных данных (с датчиков, видеокамер, производственного оборудования, can-шины транспортных средств и т.п.).

Бизнесу, то есть руководителям, которые принимают решения, по большому счету все равно, как это называется и как устроены решения с технологической точки зрения — компаниями ведь далеко не всегда руководят специалисты из области ИТ. Значение имеет результат. Его дают инструменты, один из которых — предиктивная аналитика. Так называют прогнозы на основе статистически значимых и объективных данных. Именно такая аналитика позволяет строить точные производственные планы, видеть слабые места, где «проседают» операционка и бюджет.

Мы наблюдаем трансформацию в сфере применения технологий машинного обучения, компьютерного зрения и нейронных сетей. Еще недавно все вертелось вокруг внешних признаков человека: его идентифицировали, определяли пол и возраст, ему примеряли маски котят и грим Джокера, с ним делали фейковые видео. Сегодня все меняется.

Две отрасли, которые сразу серьезно отнеслись к инновациям, — это ретейл и транспорт. Сейчас мы видим, как методы машинного анализа успешно внедряются на промышленных предприятиях, в строительстве, энергетике и других тяжелых отраслях.

Например, военно-промышленная компания Raytheon собирает и анализирует данные своих производственных цехов. С помощью аналитического ПО и специальных датчиков производству задали точное количество поворотов шурупов в деталях, чтобы обеспечить максимальное качество сборки. Теперь если число поворотов не соответствует норме, процесс останавливается.

Другой пример — бостонская строительная корпорация Suffolk, которая пишет собственный софт для контроля средств индивидуальной защиты и предиктивного планирования проектов. Компания собрала и проанализировала более 700 тыс. изображений с 360 проектов за десять лет и сделала выводы, какие факторы влияют на травматизм в строительстве. По оценкам руководства этой компании, внедряемые инструменты искусственного интеллекта помогут повысить не только безопасность, но и производительность на 14–20% за несколько лет.

Конкурентные преимущества окончательно стали синонимом технологических преимуществ.

Машинная аналитика и предиктивные решения помогают снижать издержки за счет объективного контроля простоев. Они могут точно прогнозировать необходимость в тех или иных материалах, оценить реальную загрузку мощностей и персонала. Неудивительно, что такими производственными секретами компании делиться не торопятся.