Получить измеримый эффект от внедрения искусственного интеллекта удается, увы, не сразу и не всем. На то есть три причины: скепсис команд, нехватка кадров и неготовность ИТ-инфраструктуры. Татьяна Сорокина, глава IBM в России, дает совет, как действовать
Известно, что большинство крупных предприятий уже внедряют когнитивные решения на базе искусственного интеллекта (ИИ) или же изучают возможности, как это сделать. За последние два—три года ИИ корпоративного класса стал более доступным, а прогресс в машинном обучении достиг той стадии, когда алгоритм способен помочь в принятии значимых решений.
До недавнего времени масштабно ИИ внедряли в основном банки, но сейчас технологию осваивает и реальный сектор, где ИИ помогает решать производственные задачи. Также руководители бизнеса часто интересуются, как с помощью ИИ оптимизировать бизнес-процессы. При этом в приоритете решения, которые генерируют денежные потоки, а не просто обрабатывают массивы данных. Например, помогают целенаправленно расширять ассортимент, повышать качество продукции и услуг, привлекать новую аудиторию.
Внедрение искусственного интеллекта начинается с постановки цели и задач:
- надо определить, какие бизнес-процессы целесообразно ускорить, автоматизировать или вывести на новый качественный уровень с применением возможностей ИИ;
- затем — наладить работу с необходимыми для ИИ данными: их сбор, организацию и хранение;
- после этого можно приступить к обучению моделей машинного обучения, пилотированию проекта и анализу полученных результатов;
- только после этого наступает очередь масштабирования проекта и ввода в эксплуатацию.
Поэтому на практике получить измеримый эффект от решений на базе ИИ удается не сразу и не всем. Однако чаще всего компании сталкиваются со схожими препятствиями, которые заключаются в скептическом отношении команд, нехватке специалистов в сфере ИИ и неготовности ИТ-инфраструктуры. Эти препятствия можно преодолеть понятными шагами.
Препятствие первое. Скептическое отношение команд
