В российском бизнесе вырос спрос на прогнозную аналитику
Суммарные доходы в мировой сфере ИИ в этом году вырастут на 12,3 процента по сравнению с прошлым годом, до 156,5 миллиарда долларов, прогнозируют в IDC. Опрос крупных компаний в сфере искусственного интеллекта и машинного обучения, проведенный Algorithmia, показал, что вследствие пандемии они больше сфокусировались на проектах по оптимизации расходов, маркетплейсах и работе с клиентами. Значимость ИИ-проектов по автоматизации офисных процессов и цепочек поставок снизилась.
- Пандемия повлияла на перераспределение потока финансирования исследований и области внимания аудитории, - отметил директор по развитию продуктов, идеолог инноваций RAMAX Group Николай Ситников. - Статьи из серии "ИИ для чайников" теперь в качестве примера приводят не рекомендацию фильмов для просмотра на платформе Netflix или торговлю акциями, а прогноз распространения коронавируса по миру. Исследователи стали уделять меньше внимания беспилотным автомобилям, а больше - алгоритмам компьютерного зрения для автоматизации анализа КТ легких, например. Но это не означает, что были придуманы какие-то новые революционные технологии, просто сместился фокус внимания.
Пассажирские перевозки, туризм, промышленность - отрасли, наиболее пострадавшие от пандемии. Здесь интерес к развитию решений ИИ может временно снижаться, полагает руководитель отдела Data Science компании "Иннодата" Леонид Казаков, поскольку эти компании в связи с закрытием границ вынуждены экономить деньги, сокращать бюджеты на развитие и внедрение новых технологий. В то же время, по его мнению, дополнительный импульс к развитию получают решения, связанные с медициной, бесконтактным обслуживанием, интернет-торговля.
- Растет интерес к проектам, связанным с компьютерным зрением в медицинской отрасли и в сфере безопасности, - рассказал Леонид Казаков. - Оживляется направление динамического ценообразования, позволяющее эффективно устанавливать цены в зависимости от уровня спроса. Бизнесу интересны интеллектуальные системы оптимизации логистических маршрутов, позволяющие повысить эффективность доставки заказов.
Участники рынка обращают внимание на то, что все проекты с применением машинного обучения и компьютерного зрения имеют долгосрочный характер. Поэтому наблюдать последствия пандемии можно будет уже в течение следующего года.
- Ближе к осени количество запросов на решение задач с помощью ИИ, приходящих к нам в компанию, существенно выросло, - отметил руководитель группы машинного обучения "Инфосистемы Джет" Виктор Конокотин. - Участники рынка все больше понимают, чего они хотят от технологий и как ими пользоваться. Но результаты этого роста активности мы, скорее всего, сможем зафиксировать только в 2021 году. Очень перспективной для внедрения решений ИИ я считаю промышленность. У нас много текущих проектов в этой сфере, есть поступающие запросы от предприятий, и результат работы ИИ-сервисов измеряется в конкретных суммах экономии ресурсов и увеличения прибыли.
Как рассказал генеральный директор SAS Россия/СНГ Александр Тихонов, в промышленности появился запрос на внедрение цифровых двойников - как для предприятия в целом, так и для отдельных процессов или видов оборудования. Цифровой двойник оборудования помогает прогнозировать поломки, планировать ремонты и настраивать оптимальные режимы эксплуатации.
- Мы делали такой проект на одном из золотодобывающих комбинатов. С помощью машинного обучения анализируются поступающие с датчиков данные и события, которые происходили до уже известных предыдущих поломок, далее система составляет прогноз и выдает предупреждения и рекомендации, - отметил Тихонов.
Для компаний, занимающихся капитальным строительством, есть цифровой двойник проектного офиса. Он позволяет прогнозировать срывы проекта по данным мониторинга графика работ.
Предсказуемо вырос спрос на прогнозную и поведенческую аналитику. Из-за пандемии резко изменились потребительское поведение, образ жизни и платежеспособность людей, и это влияет на все сферы. Для ретейлеров, например, важно обеспечивать бесперебойные поставки продовольствия, и аналитика помогает фиксировать изменения в структуре спроса, прогнозировать всплески и падения спроса на разные товарные категории, планировать запасы. Онлайн-гипермаркеты с помощью таких технологий прогнозируют спрос в режиме реального времени и предлагают покупателю альтернативы, если товар, который он хочет купить, закончился.
-Решения на базе искусственного интеллекта развиваются активнее там, где выше необходимость в эффективной обработке больших объемов данных, - пояснил Леонид Казаков. -Система здравоохранения экономит ресурсы за счет автоматической обработки медицинских снимков. Банки не только осуществляют скоринг клиентов и поиск мошенников с помощью искусственного интеллекта, но могут "на лету" подстраивать свои продукты под интересы клиентов, анализируя их поведение и новые тренды в социальных сетях.
По словам Александра Тихонова, банки отмечают снижение качества кредитных портфелей, появление новых схем мошенничества и готовятся к усилению этих тенденций. "Соответственно, мы помогаем с перекалибровкой и переобучением моделей оценки кредитного риска с учетом возможностей ИИ и новых данных, полученных по мере распространения вируса, - добавил эксперт. - В сельском хозяйстве много задач, связанных с планированием, распределением ресурсов и оптимизацией, и там сейчас очень много данных. Мы помогаем ответить на вопросы, какие культуры в какое время высаживать, сколько удобрений вносить, как распределить оборудование, чтобы собрать урожай в нужные сроки и с меньшими затратами".
Внедрять технологии искусственного интеллекта можно практически в любой бизнес-процесс, полагает Александр Тихонов. Это и кадровая служба, для которой искусственный интеллект может искать новых сотрудников или проводить оценку уже работающих в компании людей, и служба логистики, и маркетинг, и продажи, и управление рисками. Основные сложности, по мнению эксперта, - это отсутствие четкой цели внедрения ИИ, то есть ситуация, когда компания внедряет технологии, чтобы они просто были, и отсутствие сильного проектного менеджера, который понимает цели и задачи и может подобрать людей с необходимой экспертизой для их достижения.
- Важно понимать, что сам по себе ИИ, сама по себе аналитика в отрыве от реальных задач не особо интересны, - подчеркнул Александр Тихонов. - ИИ должен быть встроен в тот или иной бизнес-процесс и помогать принимать решения - например, выдать или не выдать кредит, куда отправить грузы, остановить или разрешить подозрительную транзакцию.
Часто возникают сложности с развертыванием и запуском модели, поэтому очень важен последний этап, когда модель уже создана, опробована, и ее надо перевести в промышленную эксплуатацию.
Виктор Конокотин основной проблемой внедрения ИИ-решений назвал отсутствие большого количества реализованных кейсов. Каждый новый проект, по его словам, выглядит как экспериментальная инвестиция. Заказчик не всегда понимает, что получит на выходе, поэтому не готов тратить слишком большие суммы на проект. В тех областях, где есть понятные, проверенные годами решения (например, распознавание речи и лица), бизнес не испытывает проблем с покупкой - ему понятно, как это работает. Но все, что находится в области заказной разработки, выглядит для заказчика зоной риска. Не всегда понятно, принесет ли проект желаемый результат. Бывают слишком завышенные ожидания, долгие процессы принятия решений, тяжелые выделения бюджетов и жесткий контроль внедрения.
- Бывает и такое, что модель машинного обучения, внедренная квалифицированными специалистами, не работает из-за человеческого фактора, - рассказал Виктор Конокотин. - Например, данные, которые поступают в модель, оказываются фальсифицированными или не соответствующими действительности из-за некорректной работы датчиков. С помощью этих данных невозможно получить результаты, а участникам процесса не хочется признаваться в том, что накопленные данные некорректны.
На проблему полноты и качества обработки данных обратил внимание и Николай Ситников. Чтобы ИИ в нормальном режиме обрабатывал показания датчика промышленного интернета вещей, по словам эксперта, он должен иметь информацию о том, что именно он измеряет.
- Датчик, который, к примеру, измеряет температуру в трубе с охлаждающей жидкостью, по ошибке занесен в систему как датчик на трубе с водой. В этом случае обязательно возникнут ошибки, связанные с некачественным предоставлением данных. В оптимальном случае искусственный интеллект "догадается", что что-то не так, и включит оповещение об ошибке, при наихудшем раскладе - примет решение, которое приведет к поломке всей системы, - привел пример Ситников.
В целом эксперты называют российский рынок ИИ очень перспективным. Специалисты, способные производить решения мирового уровня, и вовлеченность в область развития ИИ крупных игроков позволяют рынку быстро развиваться.
