Искусственный интеллект добавит веса ВВП

Согласно прогнозам правительства Российской Федерации, внедрение искусственного интеллекта (ИИ) добавит к ВВП России к 2030 году 11,2 трлн рублей накопленным итогом. Сегодня наиболее активно ИИ используют финансовый, промышленный сектора, ритейл, здравоохранение, сельское хозяйство и логистика. Большинство экспертов сходится во мнении, что окупаемость вложений в искусственный интеллект происходит за два-три года.

Выйти из полноэкранного режима

Развернуть на весь экран

Искусственный интеллект становится ключевым элементом цифровой трансформации, внедряясь в различные отрасли: финансы, здравоохранение, производство и логистику. Особенно активно ИИ применяется в финансовом секторе, где алгоритмы машинного обучения помогают анализировать данные и управлять рисками. В здравоохранении технологии ИИ используются для диагностики заболеваний и персонализированного лечения, а в производстве — для оптимизации процессов и повышения эффективности. Искусственный интеллект также находит применение в автоматизации производственных процессов, развитии «умных городов» и транспорте.

«В ближайшее время ожидается максимальное развитие ИИ в области автоматизации процессов, аналитики больших данных и предиктивной аналитики»,— прогнозирует Сергей Толокольников, руководитель группы продуктов факультетов гейм-дизайна и искусственного интеллекта университета «Синергия». По его мнению, это связано с увеличением объемов информации и необходимостью быстрого принятия решений, что способствует ускорению цифровизации и роботизации процессов.

Победить мошенников

Банки и страховые компании активно внедряют ИИ в нескольких направлениях: анализ данных, управление рисками, предотвращения мошенничества и клиентские сервисы. Это позволяет значительно повысить эффективность операций и улучшить клиентский опыт, а также снизить риски человеческих ошибок.

Павел Бутенко, эксперт по цифровой трансформации, говорит, что, например, в России страховые компании используют ИИ для выявления мошеннических действий в медицинском страховании, таких как поддельные или завышенные страховые претензии со стороны клиентов или партнеров. В некоторых случаях эффект от внедрения ИИ в этой сфере может достигать 10% от объема выручки. Банки активно используют ИИ для оценки кредитоспособности клиентов, что позволяет более точно прогнозировать риски невозврата кредита и принимать быстрые решения о выдаче займов. Также банки в реальном времени анализируют транзакции и выявляют подозрительные активности. «Для большинства проектов срок окупаемости внедрения ИИ в финансовой сфере — от года до трех лет, для больших внедрений — до пяти лет»,— говорит господин Бутенко.

В сфере здравоохранения ИИ уже активно используется в диагностике заболеваний и анализе медицинских данных, когда выявление закономерностей или аномалий у ИИ получается быстрее и точнее, чем у человека. Также ИИ применим в разработке новых методов лечения и разработке новых лекарств, значительно сокращая время и затраты на исследования. В клиентских сервисах активно развиваются персонализированные цифровые ассистенты, которые анализируют данные с носимых устройств, истории болезни, генетическую информацию, образ жизни, результаты анализов и предупреждают об изменениях здоровья, создают индивидуальные планы лечения, сопровождают пациента и помогают вести здоровый образ жизни.

«В целом внедрение ИИ в здравоохранении не только влияет на улучшение качества диагностики и лечения, но и значительно оптимизирует ресурсы (в среднем сокращение затрат до 20%) и повышает доступность качественной медицинской помощи. Окупаемость инвестиций в ИИ в здравоохранении зависит от размера компании, качества инфраструктуры и технологической зрелости компании, а также готовности данных и внутренних процессов для внедрения ИИ-инструментов. Срок окупаемости может варьироваться от шести месяцев до пяти лет в зависимости от сложности внедрения»,— рассуждает господин Бутенко.

Повысить урожайность

Применение ИИ в сельском хозяйстве в некоторых случаях позволяет увеличить урожайность на 20–30% и снизить затраты благодаря оптимизации посевных стратегий и управлению ресурсами. ИИ используется для анализа погодных данных, данных с датчиков в реальном времени, спутниковых изображений, что помогает фермерам принимать более обоснованные решения по использованию воды, удобрений и пестицидов. Также ИИ-технологии используются для точного определения вспышек болезней или атаки вредителей, что позволяет своевременно принимать меры для их устранения. «В будущем это поможет экономить сельскохозяйственной отрасли 3–5% в год от общего объема затрат. Срок окупаемости — в среднем два-три года»,— приводит данные господин Бутенко.

Вячеслав Береснев, глава «ЦТИИ Нейролаб», говорит, что ранее внедрение ИИ в сельском хозяйстве сталкивалось с трудностями: экономической нецелесообразностью, сложными техническими задачами и отсутствием ощутимых результатов. Это приводило к тому, что традиционные методы оставались основными, несмотря на их погрешности. Однако сегодня ИИ все больше внедряется на всех уровнях производственного процесса — от полевых работ до контроля качества продукции. «Несмотря на успехи, существуют определенные препятствия для более широкого использования ИИ в сельском хозяйстве. Одним из главных факторов остается высокая стоимость технологий, а также нехватка квалифицированных специалистов. Кроме того, некоторые технические задачи требуют дополнительных усилий для их решения»,— подчеркивает эксперт.

Александр Бухановский, директор мегафакультета трансляционных информационных технологий Университета ИТМО, научный руководитель исследовательского центра «Сильный искусственный интеллект в промышленности», говорит: «Несмотря на то, что системно ИИ до сих пор применяется в постцифровой сфере (финансы, ритейл, развлечения), наибольший экономический потенциал от его внедрения может быть достигнут именно в промышленности (по всем отраслям). Но здесь он становится полноценным драйвером цифровой трансформации только тогда, когда его применение кардинально изменяет сам производственный процесс. Так, например, использование ИИ для контроля ручных операций на конвейере полезно, но не сказывается на организации труда и средствах производства. ИИ для предиктивной аналитики оборудования оптимизирует вспомогательные процессы (переход от плановых ремонтов к ремонтам по требованию), но сам технологический процесс остается неизменным. А вот генеративное проектирование или планирование посредством ИИ меняет и сам процесс: получается, что ИИ не просто сэкономил время сотрудников, а значимо (например, с месяцев до суток) сократил сроки важного этапа работ».

А это, рассуждает эксперт, приводит к тому, что сама продукция выйдет на рынок гораздо раньше. Таким образом, эффект внедрения ИИ заключается не в сокращении прямых затрат, а в увеличении инновационной стоимости. Господин Бухановский отмечает, что сейчас на рынке решений ИИ в промышленности есть два основных направления. Первое ориентировано на автоматизацию разного рода типовых рутинных операций (например, контроль техники безопасности на стройплощадке) и реализуется механизмами слабого ИИ. Как правило, гарантировать окупаемость таких систем не всегда возможно с точки зрения повышения дохода компании. Второе направление связано с технологиями ИИ, автоматизирующими профессиональные функции высококвалифицированных специалистов (конструкторов, технологов, управленцев и пр.). Например, они решают задачи оптимального планирования производственных процессов, генеративного проектирования и ускорения тяжелых инженерных расчетов.

«Внедрение таких решений может окупиться за год-три; конкретный срок зависит от масштабов задачи, готовности персонала использовать технологию, а также от того, что кардинальное снижение сроков конкретного этапа может упереться в необходимость перенастройки всего производства. Потому вдумчивое внедрение ИИ в промышленности должно предваряться изучением различных вариантов развития производства с помощью компьютерного моделирования на основе цифровых двойников»,— указывает он.

Артем Ищук, директор по развитию Tegratech, обращает внимание, что, по данным исследований, до 40% крупных компаний Петербурга в 2023 году сократили количество низкоквалифицированных позиций благодаря внедрению ИИ. В то же время, отмечает он, с ростом масштабов использования ИИ растет и потребность в квалифицированных специалистах в области аналитики данных, программирования и управления AI-системами.

«Компании активно инвестируют в обучение персонала новым навыкам, особенно в области цифровых технологий. С точки зрения оптимизации расходов, автоматизация рутинных задач с помощью ИИ позволила компаниям сократить операционные затраты на 10–15%, одновременно улучшая производительность труда. Важно отметить, что, несмотря на сокращение числа рутинных задач, появление ИИ-систем приведет не к массовому сокращению рабочих мест, а скорее к перераспределению и переобучению сотрудников на более сложные и ответственные роли»,— рассуждает эксперт.

Отстающие

Есть и отрасли, которые отстают во внедрении ИИ. Виталий Ершов, директор по строительству Setl Group, констатирует: «Сейчас все говорят о применении искусственного интеллекта в строительстве. Думаю, в ближайшие годы его вряд ли удастся внедрить, так как есть множество неопределенностей, отмечается низкая готовность отрасли к изменениям, высокая стоимость его применения».

Эксперт признает, что есть локальные области, где можно попробовать использование искусственного интеллекта. «Роботы смогут высвободить человека для выполнения операций, в которых они сами неэффективны или их использование нецелесообразно из-за дороговизны. А в тяжелом физическом труде, например на стройке, робот в будущем вполне сможет заменить человека»,— рассуждает он.

Александр Кравцов, управляющий партнер ГК Fizika Development, полагает, что для строителей искусственный интеллект может стать серьезным помощником при проектировании, организации управления строительными процессами. В первую очередь — за счет экономии времени. «Основными же направлениями развития девелопмента за счет ИИ в настоящее время являются маркетинг, дизайн и архитектура. С помощью ИИ можно быстрее и детальнее проанализировать поведение клиентов на основе полученных данных. Это позволяет, в свою очередь, разрабатывать более эффективные маркетинговые стратегии. Кроме того, искусственный интеллект существенно помогает в создании визуализации девелоперских проектов. В будущем без ИИ невозможно представить "умные города", о которых уже более десяти лет говорят урбанисты со всего мира. Управление городской инфраструктурой, коммуникациями, транспортом, энергетикой — все это в ближайшей перспективе может быть отдано в управление искусственному интеллекту»,— рассуждает господин Кравцов.

Кирилл Федулов, сооснователь и директор по развитию Okdesk, при этом замечает, что ИИ может быть успешно интегрирован далеко не во все сферы. «Например, наша компания пыталась внедрить ИИ в бот для b2b-техподдержки пользователей help desk. В отличие от большинства чат-ботов, функционирующих на основе простых алгоритмов, наша цель заключалась в том, чтобы ИИ не просто выдавал стандартные ответы, ссылаясь на статьи из базы знаний, а действительно решал конкретные проблемы пользователей. Мы разработали обучающую базу, основанную на нашей документации, и в течение двух недель обрабатывали запросы. Однако ни один из ответов не был успешно передан клиенту, обратившемуся в техническую поддержку нашего сервиса. Так, на сегодняшний момент, ИИ пока не способен полностью заменить человека в задачах, где требуется размышлять, генерировать новые смыслы и использовать приобретенные знания в нестандартных ситуациях. Вряд ли этому ИИ сможет "научиться" и в ближайшем будущем»,— сокрушается эксперт.

На государственном контроле

Евгений Зараменских, профессор, руководитель департамента бизнес-информатики Высшей школы бизнеса НИУ ВШЭ, говорит, что искусственный интеллект занимает настолько важное место в цифровой трансформации российских предприятий, что мониторинг соответствующих показателей регулярно осуществляется на государственном уровне. Показательным, на его взгляд, является уровень внедрения ИИ-решений российскими организациями, который рассчитывается в рамках индекса готовности приоритетных отраслей экономики РФ к внедрению ИИ.

«Еще по итогам 2023 года больше половины российских организаций в сфере ИКТ и финансовых услуг в том или ином виде применяли ИИ. Искусственный интеллект также использовала каждая третья организация в здравоохранении, науке, социальной сфере, торговле, высшем образовании, топливно-энергетическом комплексе, медиа и СМИ. Можно ожидать, что именно в этих отраслях экономики ИИ-проекты будут реализовываться наиболее активно. Даже компании-лидеры сегодня находятся на начальных этапах процесса повсеместного использования ИИ-решений. Но компании, которые уже успели опробовать ИИ, смогли на практике убедиться в его эффективности. Можно ожидать, что именно они будут стремительно увеличивать инвестиции в ИИ-проекты»,— рассуждает господин Зараменских.

Впрочем, он полагает, что не стоит сбрасывать со счетов и те отрасли экономики, где распространение ИИ идет более медленными темпами. Низкие темпы проникновения ИИ зачастую объясняются не инертностью компаний и их руководителей. Чаще всего это низкомаржинальные отрасли вроде сельского хозяйства или обрабатывающей промышленности. «Компании из этих отраслей попросту не могут позволить себе лишний риск, связанный с внедрением технологий, эффект от которых не может быть точно спрогнозирован. По мере появления более дешевых отраслевых ИИ-решений, а также по мере накопления опыта по применению ИИ российскими компаниями, даже наиболее "традиционные" отрасли экономики будут увеличивать инвестиции в соответствующие проекты. Эти тезисы подтверждаются и другими статистическими данными, собранными при расчете индекса готовности»,— говорит профессор.

По его словам, именно финансовые ограничения были и остаются основным барьером для использования ИИ в российских организациях: «В пятерку наиболее распространенных барьеров также вошли недостаток данных и недостаточная осведомленность о возможностях по использованию ИИ. При реализации ИИ-проектов во главу угла ставится снижение издержек, а не увеличение выручки. Согласно отдельным исследованиям, всего лишь треть компаний из отраслей с высоким уровнем проникновения ИИ ожидает, что подобные проекты помогут увеличить выручку. А снижение издержек, напротив, наблюдается в 94% компаний, причем у 68% предприятий EBITDA увеличилась в среднем на 1–5%».

Окупаемость ИИ-проектов сильно зависит от отрасли. По мнению господина Зараменских, в производстве ИИ может увеличить производительность труда до 15–20%, а по мнению отдельных экспертов, это позволяет промышленным ИИ-решениям окупаться за год-три. «Такой срок отчасти компенсируется тем, что решение будет использоваться длительное время и может быть масштабировано на другие процессы. А в области ритейла, потребительских товаров и банковских услуг период окупаемости становится значительно более коротким. Другой важный фактор, влияющий на окупаемость,— это выбор между готовым решением и разработкой с нуля. Во втором случае, помимо разовых затрат на закупку IT-инфраструктуры и разработку ИИ-решения, компания сталкивается с необходимостью поддерживать созданный продукт в актуальном состоянии. Этот вариант могут позволить себе только наиболее крупные компании, которые зачастую рассчитывают в будущем вывести создаваемое ИИ-решение на открытый рынок в виде самостоятельного продукта»,— считает эксперт. Внедрение готовых ИИ-решений от сторонних поставщиков, напротив, позволяет многим компаниям окупить затраты на цифровую трансформацию значительно быстрее.

Кирилл Орлов