ИИ не приносит ожидаемых результатов — три совета, где нужно поправить
![](https://s0.rbk.ru/v6_top_pics/media/img/4/81/756239976586814.jpg)
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.