Оседлать ИИ и вырваться вперед | Большие Идеи

・ Технологии
Статья, опубликованная в журнале «Гарвард Бизнес Ревью Россия»

Оседлать ИИ и
вырваться вперед

Что помогает компаниям успешно использовать искусственный интеллект

Авторы: Виджей Д’Силва , Брюс Лоулер

Оседлать ИИ и вырваться вперед
Фото: Jonathan Kitchen/Getty Images

читайте также

Экономика сотрудничества

Петров Сергей

Почем проблемы с кадрами?

Защитите стратегически важные расходы

Дэвид Нортон,  Роберт Каплан

Венчурному капиталисту

Компания Vistra, крупный американский производитель электроэнергии, столкнулась с проблемой. Для эффективной работы ее электростанций сотрудникам нужно было постоянно отслеживать сотни разных индикаторов, чтобы контролировать температуру и давление в различных зонах, уровни кислорода, скорость насосов и вентиляторов — и регулировать эти показатели в режиме реального времени. Процесс был очень сложным, и даже самым искусным операторам не удавалось все всегда делать правильно. Чтобы справиться с этой проблемой, компания установила оптимизатор нагрева на основе искусственного интеллекта. Он анализирует сотни показателей и каждые полчаса выдает рекомендации. Результат — повышение эффективности на 1%. На первый взгляд, это скромное достижение, однако оно позволило организации сэкономить миллионы и уменьшить выбросы парниковых газов.

Фирмы из самых разных отраслей стараются использовать аналитику и данные, чтобы повысить эффективность работы. Компания Wayfair, специализирующаяся на интернет-коммерции, одной из первых переместила свои данные в облако и вложила деньги в машинное обучение. С началом пандемии COVID-19 и резким изменением тенденций потребительского спроса фирма смогла усовершенствовать логистику морских грузоперевозок, непрерывно корректируя распределение грузов по портам. Результат — снижение затрат на входящую логистику на целых 7,5%.

Однако не все организации так же преуспели. На самом деле лидеры, подобные Wayfair, могут внедрять искусственный интеллект вдвое быстрее среднестатистических компаний и достигать при этом в два раза более существенного эффекта. Почему одни настолько обгоняют других?

Чтобы ответить на этот вопрос, McKinsey и Machine Intelligence for Manufacturing and Operations (MIT MIMO) изучили 100 компаний из разных отраслей — от автомобилестроительной до горнодобывающей. Проводя интервью, исследования и опросы, мы старались получить представление о том, как эти фирмы используют цифровые технологии, анализ данных и искусственный интеллект; чего они хотят достичь; как они оценивают свой прогресс. Отслеживая 21 показатель эффективности в девяти категориях (стратегия, концентрация на возможности, администрирование, партнерства, люди, использование данных, бюджет и результаты), мы смогли разделить 100 компаний на четыре категории: лидеры, планирующие, исполнители и начинающие. Это позволило нам определить соотношение между действиями и инвестициями, с одной стороны, и ощутимыми, устойчивыми результатами — с другой.

У всех компаний из категорий планирующих, исполнителей и начинающих есть возможность изучить передовые практики плодотворного использования продвинутых цифровых технологий. Мы посмотрим, что стоит за самыми высокими показателями эффективности, чтобы понять первопричины успехов, достигнутых лидерами.

Секреты превосходства

Побеждает в состязании на самое плодотворное использование данных и аналитики не тот, кто делает один смелый ход, а тот, кто совершает множество скоординированных действий. Все четыре категории — лидеры, планирующие, исполнители и начинающие — работают в динамичном пространстве. Планка постоянно повышается, и появляется все больше направлений использования машинного обучения, становящегося элементом повседневного бизнеса.

Не всем нужно стремиться немедленно стать лидером. Вместо этого следует попытаться подняться на уровень выше.

Лидеры достигают самых высоких результатов и составляют около 15% выборки. Благодаря правильному распределению инвестиций они извлекли из использования продвинутых цифровых технологий больше всего пользы. Среди лидеров гораздо больше компаний, создавших четкий процесс оценки и внедрения цифровых инноваций. Они чаще дисциплинированно следуют этому процессу и постоянно его обновляют. В итоге они достигли гораздо более существенных улучшений по 20 из 21 проанализированного нами показателя. Их результаты вошли в верхние 25% по всем девяти категориям, на которые мы разделили показатели эффективности.

Планирующие составляют около четверти выборки. У многих из них хорошие навыки работы с людьми и наработки в области использования данных. Они методичны и сосредоточены на правильном распределении инвестиций. Однако для многих из них эти инвестиции еще не окупились. Впрочем, несколько планирующих почти догнали лидеров. У одних на счету успешное внедрение технологий, а другим не удается подобрать ключ к масштабированию действительно ценных проектов по их использованию. Третьи никак не могут выбраться из «чистилища пилотных проектов», о чем писали в McKinsey в 2018 году.

Исполнители (примерно треть выборки) приобщаются к постоянно пополняемому общему фонду компетенций — привлекают партнеров, чтобы создать конкретные решения для освоения самых многообещающих возможностей. Затем они как можно шире внедряют эти решения. Исполнители ориентированы на результат. Они могут достичь и достигают существенных результатов, хотя не строят таких обширных инфраструктур, как лидеры или планирующие. С другой стороны, им иногда бывает трудно связать воедино разрозненные проекты, чтобы повысить эффективность работы компании в целом.

Начинающие (около четверти выборки) находятся на самом низком уровне зрелости и преуспели меньше остальных. Многие из них в самом начале процесса. Некоторые сообщают об умеренном успехе в отдельных случаях. Другим сложно даже выбрать направления инвестиций. Только у меньшинства есть стратегия, навыки или инфраструктура, позволяющие существенно продвинуться вперед.

Пять слагаемых успешного внедрения ИИ

В целом мы обнаружили, что компании, успешно внедрившие передовые цифровые технологии, честно оценили свое исходное положение в разрезе девяти перечисленных выше категорий эффективности. Это позволило им понять, где бы они хотели оказаться через три-четыре года. В то же время они выявили несколько многообещающих направлений использования технологий, чтобы добиться быстрых побед. Если конкретизировать, в ходе нашего исследования мы определили пять направлений, на которых лидеры добились выдающихся успехов.

Администрирование. Искусственный интеллект — стратегический приоритет для компаний-лидеров. Многие из них создали специализированные центры передовых технологий для сопровождения процессов внедрения ИИ — либо входящие в состав коммерческих подразделений, либо представляющие собой самостоятельные отделы, централизованно обслуживающие организацию в целом (обеспечивающие соблюдение стандартов и ускоряющие внедрение ИИ). Специализированный централизованный отдел также помогает им не отклоняться от изначального плана внедрения цифровых технологий и документирует развертывание этого процесса. У лидеров чаще, чем у менее успешных компаний, есть четкий процесс оценки и внедрения цифровых инноваций. Например, фармацевтическая фирма Bayer использует тщательно задокументированный процесс, чтобы внедрить на одном заводе нескольких технологий, которые затем распространяются на всю сеть производственных подразделений, в результате чего растет выручка.

Однако лидеры также признают, что без изменений им не обойтись. Большинство лидеров, о которых мы собрали данные, постоянно дорабатывают и совершенствуют свои процессы, тогда как исполнители и планирующие часто застревают в одной точке, и это ограничивает их способность успешно масштабировать процессы.

Внедрение. Организации-лидеры применяют ИИ шире и используют для этого более сложные подходы. Например, буквально каждая из этих компаний внедрила ИИ в такие направления, как прогнозирование, оптимизация технического обслуживания, логистика и перевозки. Лидеры также гораздо чаще выбирают продвинутые подходы, такие как использование машинного зрения для обеспечения качества продукции. Биофармацевтическая компания Amgen установила, что в работе системы визуального контроля существует много возможностей для автоматизации и использования технологий ИИ. Amgen разрабатывает полноценную систему визуального контроля, основанную на ИИ. Она позволит на 70% увеличить точность обнаружения частиц и на 60% уменьшить количество ложного брака.

Хотя такое применение ИИ может привести к впечатляющим результатам, в этих компаниях также понимают, что для долговременного эффекта необходимо объединение и согласование всех используемых инструментов, а широкое, в масштабах всего предприятия внедрение технологий — ключ к успеху.

Партнерства. Многие из изученных нами компаний вступают в партнерства, особенно часто — с научным сообществом, стартапами, поставщиками готовых технологий, внешними консультантами. Однако лидеры особенно активно работают в этом направлении и расширяют круг партнерств, чтобы максимально ускорить обучение и повысить эффективность. Например, потребительские компании Colgate-Palmolive и Pepsico/Frito-lay в сотрудничестве с поставщиком технологических решений Augury внедрили системы диагностики в свои производственные линии. В одном случае это предотвратило восьмидневный простой. Производитель полупроводников Analog Devices в сотрудничестве с MIT разработал новую систему контроля качества, основанную на ИИ. Она позволяет определять, в каких партиях товара и инструментах могут быть дефекты. Благодаря этому инженерам компании нужно проверять всего 5% от объема технологических данных, который они прорабатывали раньше.

Хотя у лидеров больше возможностей самостоятельно ускорить процесс обучения и достижения необходимых результатов, они полагаются на внешних партнеров в большей степени, чем организации из других категорий.

Люди. Компании-лидеры принимают меры, чтобы навыки использования продвинутых цифровых подходов и нужные для этого ресурсы были не только у профильных специалистов, но и у максимально возможного числа заинтересованных сторон. Например, более половины из них обучают персонал, обслуживающий клиентов, основам ИИ. В остальных категориях этот показатель составляет всего 4%. Международная сеть ресторанов быстрого питания McDonald’s применила ИИ, чтобы усовершенствовать процессы, предназначенные для решения широкого спектра операционных задач, от моделирования реакции на запросы потребителей до прогнозирования посещаемости ресторанов в реальном времени. Для этого компания избрала гибридный подход. Ее корпоративный центр передовых технологий разрабатывает и тестирует новые методы, которые затем преобразуются в простые в использовании и широко доступные инструменты. Эта система помогает членам команд на местах понимать важность качественных данных и оттачивать навыки выявления проблем.

Выяснилось, что лидеры считают использование данных и аналитики неотъемлемой частью своей повседневной деятельности, а не отдают этот ресурс на откуп только небольшого числа сотрудников.

Доступность данных. Лидеры делают данные доступными. Все компании из этой категории предоставляют доступ к данным персоналу, обслуживающему клиентов. В остальных группах доля таких фирм составляет 62%. Лидеры также получают информацию от потребителей и поставщиков, и 89% из них делится своими данными в ответ. Самые успешные компании почти вдвое чаще дают другим удаленный доступ к информации и существенную ее часть хранят в облаке. Другими словами, демократизация данных — критически важный аспект эффективного использования аналитики. Хороший пример — Cooper Standard, поставщик систем и компонентов для автомобилей. Эта организация требует, чтобы команды на начальном этапе создания нового процесса с использованием ИИ прорабатывали стратегию применения информации. Благодаря этому все направления использования технологий построены на полноценных и хорошо управляемых данных. Подход, основанный на такой демократизации данных, принципиально отличается от методов многих фирм, которые воспринимают информацию как атрибут власти и ревниво ее охраняют.

Составные части цифровой трансформации

Мы обнаружили, что эти пять направлений: администрирование, внедрение, партнерства, люди и данные — наиболее эффективны, если включить их в единый сценарий. Часто его действие координируется центром передовых технологий. Но сначала компания должна объективно оценить свое исходное положение по девяти категориям. Затем можно приступать к формированию плана перехода. Даже если он приблизительный, в нем будут установлены реалистичные цели, необходимые для преодоления препятствий на пути к изменениям: обучение персонала, объем инвестиций, критически важная инфраструктура (например, миграция данных из традиционных систем в облако). Амбиции компании могут быть безграничными, но достигать их лучше постепенно, маленькими шагами. Большинство лидеров начинали с использования данных и простых инструментов для принятия решений и перешли к более продвинутым техникам, когда достигли большей зрелости и полнее изучили свои данные.

Несмотря на недавние существенные успехи в области ИИ, полный масштаб открываемых им возможностей только начинает проявляться. И это подводит нас к самому важному показателю, отличающему лидеров от всех остальных, — речь идет о величине расходов. Лидеры тратили на 30—60% больше и рассчитывали увеличить свои бюджеты на 10—15%, тогда как другие компании отмечали, что их вложения не выросли или выросли незначительно. Это означает, что разрыв между лидерами и остальными может увеличиться.

У каждой компании будет свой путь, зависящий от ее исходного положения. Но лидеры показывают, какие методы работают, и на их опыт можно ориентироваться.

Авторы хотели бы поблагодарить Дуэйна Бонинга, Эреза Камински, Пита Кимболла, Ретсефа Леви, Ингрид Миллан и Аарона Вана, а также программу LGO MIT за их вклад в исследование и эту статью.