Внедрение искусственного интеллекта: готова ли к нему ваша организация

Дмитрий Басистый

Rubytech

Директор департамента стратегии и развития

(На дату публикации статьи)

Тема искусственного интеллекта становится все более популярной в последние годы. Однако далеко не все компании пока еще готовы к внедрению инструментов ИИ. Дмитрий Басистый, директор департамента стратегии и консалтинга Rubytech, рассказал Клубу ОЦО, как компании оценить свою готовность к внедрению ИИ, с каких инструментов следует начинать и почему часто оптимизация и автоматизация бизнес-процессов могут принести гораздо больший эффект, чем ИИ.

Потребности человека и организации через призму теории Маслоу

В пирамиду потребностей человека (пирамида Маслоу) логично укладывается одна из популярных и известных теорий мотивации — теория иерархии потребностей: от простых физиологических потребностей через социальные потребности к самовыражению. 

Руководствуясь этой логикой, любую потребность организации нельзя рассматривать в отрыве от уровня автоматизации ее процессов: начальный уровень автоматизации указывает на начальные потребности из иерархической модели, и наоборот — высокий уровень автоматизации открывает двери к ее продвинутым уровням. 

Вот почему, планируя внедрение ИИ в компании, необходимо четко и строго выдерживать последовательность отдельных этапов развития — совершенствования, автоматизации, цифровизации и т.п. 

Если этого не сделать, последствия будут не самыми приятными: 

• автоматизация неупорядоченных бизнес-процессов приводит к возникновению «автоматизации хаоса»;
• начинать цифровизацию с низкого уровня автоматизации — это прямой путь к «цифровизации хаоса»;
• «недоцифровизованная» организация, которая еще не получила всех преимуществ перехода к цифровой модели деятельности, но смело внедряет технологии ИИ — угроза самой себе. 

Отклонение и «перескакивание» из одного состояния в другое (без должной автоматизации к цифровизации и далее), нарушение правила эволюционного развития ИТ приводит к лишним тратам и разочарованиям от не достигнутых в полной мере результатов. 

Собираем инструменты ИИ в классификационную пирамиду

Искусственный интеллект можно условно разделить на два сегмента: дискриминативный и генеративный. Инструменты из первого сегмента анализируют различия между типами данных и классифицируют их. Второй сегмент содержит средства, которые используют наборы данных для обучения и генерации (комбинации) на их основе новых данных — например, ответов на запросы.

К дискриминативному ИИ можно отнести такие технологии, как распознавание образов и видеоаналитика, системы преобразования текста в речь и обратно, системы советов на основе предпочтений и т.п. (так называемые «классификаторы»). Эти технологии — начальный уровень (уровень 1) в пирамиде потребностей в технологиях ИИ (см. рис. 1), освоить который сможет подавляющее большинство компаний. Стоит отметить, что такие технологии развиваются достаточно давно, и на отечественном ИТ-рынке существует множество апробированных продуктов и решений.  

Генеративный ИИ содержит 4 типа технологий и инструментов:

• чат-боты (уровень 2);
• роботизация бизнес-процессов (robotic process automation, RPA) (уровень 3); 
• системы поддержки принятия решений (уровень 4); 
• автономные интеллектуальные агенты (уровень 5, наивысший).

Их объединяет не только родственное назначение, но и общие технологии. Все чаще они опираются на специальный класс систем машинного обучения — большие языковые (LLM) или мультимодальные модели (LMM).

Технологии ИИ уровней 1–3 (классификаторы, чат-боты, роботы) уже достаточно хорошо известны и обладают общим свойством – действуют на основе поручений, то есть не способны к «самостоятельному» принятию решений «от рождения» — by design.

Следующие два уровня в пирамиде потребностей в технологиях ИИ (уровни 4 и 5) представлены инструментами, действующими уже на основе полномочий, то есть способны принимать «самостоятельные» решения. 

Системы поддержки принятия решений (уровень 4):

• генерируют прогнозы, тактические сценарии и/или предложения по стратегии организации, в том числе в ключевых областях ее деятельности, опираясь на всю доступную  разнородную информацию: данные, факты, суждения  — и используя для ее обработки LLM/LMM и векторные СУБД;
• часто должны сопровождаться вспомогательными системами ИИ, основным назначением которых является понятное человеку объяснение предлагаемых мер;
• окончательное решение в автоматизированном процессе принятия решения, как правило, остается за уполномоченным человеком.

Универсальные системы ИИ (уровень 5) — GAI (General-purpose Artificial Intelligence) – предназначены для решения достаточно широкого спектра задач, в том числе таких, которые не были детализированы в момент их проектирования/инструктирования. К этому классу решений ИИ относятся системы машинного обучения (ML, machine learning), которые могут выполнять различные задачи: распознавание изображений, языковые переводы и анализ данных и др., но не обязательно на уровне человеческого интеллекта.

От классификационной пирамиды к пирамиде потребностей в инструментах ИИ 

Уровень готовности и способности организации к использованию технологий ИИ, как было отмечено ранее, зависит от двух показателей:

• уровня автоматизации процессов;
• степени завершенности цифровизации (цифровой трансформации).

Степень завершенности цифровизации внутри организации условно можно разделить на следующие градации: «не началась», «достигнуты начальные цели», «достигнуты основные цели», «достигнуты все цели». По мере роста уровней автоматизации и цифровизации деятельности компании растет потребность в использовании более сложных инструментов ИИ (см. рис. 2). 

Советы тем, кто планирует внедрять ИИ

В завершение — несколько рекомендаций практического толка для тех, кто планирует внедрять ИИ.

1. Не умножайте хаос. Не автоматизируйте, не цифровизуйте и не интеллектуализируйте хаос. Общий хаос в деятельности организации и «тематический» хаос в бизнес-процессах нужно непременно ликвидировать до начала автоматизации, цифровизации, интеллектуализации. Прежде чем поднимать флаг цифровизации, честно ответьте на вопрос, готовы ли вы поменять ключевые бизнес-процессы под влиянием цифровых технологий.

Очевидно, что новые практики и техники автоматизации (например, пресловутый Scrum и его «приспешник» Agile) дарят надежду на то, что можно попробовать опровергнуть этот консервативный совет. Пробуйте!

2. Не бойтесь проводить реинжиниринг процессов. Это хорошее упражнение по наведению порядка и прекрасный повод не только для их переосмысления и кардинального улучшения, но и для разработки гипотез по автоматизации, цифровизации, роботизации, интеллектуализации. 

3. Наведите порядок в ИТ-ландшафте. Перестаньте думать об ИИ, проведите глубокий анализ текущего ИТ-ландшафта, разберитесь с прикладными системами: уберите ненужные, добавьте нужные, реформируйте работающие. Сделайте это одновременно с реинжинирингом процессов. Помните: хорошая автоматизация лучше плохого ИИ!

4. Оцените уровни зрелости. Если уровень автоматизации ваших процессов не выше среднего, а уровень зрелости ИТ — примерно такой же, то семь раз отмерьте и трижды подумайте о том, чтобы идти в историю с ИИ.

5. И все-таки — за ИИ! Если все же принято решение внедрять инструменты ИИ, то для начала освойте первые два или три уровня в пирамиде потребностей в ИИ, а на сэкономленные средства подтяните традиционную автоматизацию.