Интеллект под вопросом: почему увлечение машинным обучением может привести
к провалу

Сегодня искусственный интеллект (ИИ) – горячая тема для обсуждения. В борьбе за место под солнцем многие компании заявляют о его внедрении в свои бизнес-процессы, однако, к сожалению, большинство таких попыток не увенчаются успехом. Дело не в том, что искусственный интеллект — это не более чем фикция, а в том, что компании неправильно подходят к вопросу о переходе на соответствующие технологии, причем подобную ошибку они совершают уже не в первый раз.

В 90-х годах, когда интернет стал трендом, многие компании ринулись заниматься бизнесом на его просторах, но преуспели в этом лишь единицы. После того, как лопнул пузырь «доткомов», многим пришлось существенно сократить масштабы своей деятельности или вовсе ее свернуть. Несколько лет спустя их застигли врасплох онлайн-стартапы, которые совершили революцию в музыке, путешествиях, новостях и дистрибуции видео, преобразив при этом множество других отраслей.

В середине 2000-х годов на первое место вышли облачные вычисления. И вновь некоторые компании решили прощупать почву. Однако на тот момент ряд вопросов, начиная с соблюдения нормативных требований и заканчивая обеспечением безопасности, оставались открытыми, поэтому многие не решились переносить свои данные и прикладные программы в облако. Те из них, кто отважился на такой шаг, сегодня стали неоспоримыми лидерами рынка, сумевшими трансформировать свои бизнес-процессы и добиться такой гибкости, о которой конкуренты могут только мечтать. Большинство компаний все еще пытаются наверстать упущенное.

Мы считаем, что похожая история первых неудач, вынуждающих компании безрассудно идти на попятную, ждет и искусственный интеллект. Уже сегодня факты указывают на то, что пионеры этого направления, по всей вероятности, не достигнут головокружительных результатов, о которых так много говорят технологические энтузиасты. Например, первые чат-боты, созданные для приложения Facebook Messenger, совершали ошибки в 70% случаев, обрабатывая запросы пользователей. При этом отказ крупных компаний от подобных инициатив был бы ошибкой. Потенциал искусственного интеллекта в деле преобразования экономики поистине безграничен. Согласно недавнему исследованию Глобального института McKinsey, 45% рабочих операций можно автоматизировать с помощью уже существующих технологий, и 80% из них приходятся на машинное обучение. В докладе также отмечается, что эффективность инвестиций, которые многие компании, работающие, например, в сфере производства или здравоохранения, осуществляют благодаря сбору и анализу данных, составляет менее 30%. Но раньше ситуация была еще менее оптимистична: неудачи часто замедляли или сводили на нет эти инвестиции.

Искусственный интеллект может коренным образом изменить облик компаний, которые еще не в полной мере освоили даже базовые аналитические инструменты и не получили от них ощутимую отдачу. Вот почему создание корпоративной программы обучения работе с ИИ гораздо важнее стремления достичь существенных результатов за короткий срок. Но как объяснить менеджменту, что нужно продолжать инвестировать в ИИ, если первые инициативы не дают результатов?

Мы советуем создать портфолио проектов, предусматривающих использование искусственного интеллекта: часть из них может принести вам выгоду уже в ближайшее время, а проекты, рассчитанные на длительную перспективу, позволят полностью преобразовывать рабочий процесс. Для быстрого достижения результатов имеет смысл сосредоточиться на изменении точек взаимодействия сотрудников компании друг с другом, используя для этого последние достижения в области систем распознавания речи, языка и изображений. Примерами таких проектов могут служить голосовой интерфейс, который помогает фармацевтам искать препараты-заменители, а также программа, составляющая расписание корпоративных совещаний. Для этих целей можно использовать такие недавно появившиеся системы искусственного интеллекта, как Cloud Speech API от Google и API для распознавания речи от Nuance, которые не требуют больших вложений в обучение и наем сотрудников. (Важное уточнение: один из нас занимает руководящую должность в компании Alphabet Inc., которой принадлежит Google.) Использование этих решений не приведет к кардинальным преобразованиям, но позволит компаниям прийти к общему пониманию того, каким потенциалом обладает искусственный интеллект. Подобные проекты по масштабному сбору, обработке и классификации данных позволяют компаниям набраться опыта и выработать навыки, необходимые для реализации более амбициозных замыслов по применению ИИ.

В рамках долгосрочных проектов можно перейти от точечной оптимизации к пересмотру процессов целиком, что позволит компаниям добиться наиболее ощутимого результата. Например, страховая компания могла бы полностью автоматизировать обработку заявлений на получение выплат, используя для этого систему распознавания речи и изображений. Владельцы автостраховок от компании Allstate уже могут фотографировать поврежденные участки автомобиля и оформлять страховые выплату через мобильное приложение. Система, обученная по фотографиям из полученных ранее заявлений, может точно рассчитать размер ущерба и автоматизировать весь процесс. Такие компании, как Google, уже поняли, что для достижения столь высокого уровня автоматизации работы требуются не только готовые технологии, но специалисты, хорошо разбирающиеся в алгоритмах машинного обучения.

Google, стремясь стать первой компанией, построенной на искусственном интеллекте, также занималась созданием портфолио проектов, о котором мы говорили выше. Вначале акцент был сделан на встраивании машинного обучения в некоторые составляющие системы (например, спам-фильтр в Gmail), однако уже сегодня компания заменяет машинным обучением целые наборы систем. Кроме того, для повышения квалификации своих сотрудников в машинном обучении Google направляет соответствующих специалистов в рабочие группы, которые занимаются различными продуктами компании, и преподает основы машинного обучения тысячам своих инженеров-программистов независимо от их специализации.

В связи со всем вышесказанным возникает вопрос: где взять на все это ресурсы? Хорошие новости заключаются в том, что сегодня доступ к платформам алгоритмов и массивов данных для искусственного интеллекта, например, Algorithmia или принадлежащий Google Kaggle, а также к масштабируемой облачной инфраструктуре, разработанной для соответствующих задач, не требуют больших затрат. Алгоритмы, данные, ИТ-инфраструктура для массового обучения машин становятся доступными даже для малого и среднего бизнеса.

Кроме того, стоимость найма специалистов по ИИ также снижается по мере увеличения числа профессионалов. Появление более совершенных инструментов разработки, внедрение соответствующих стандартов с привязкой к ряду платформ (Android и iOS), а также рост количества разработчиков мобильного программного обеспечения привел к существенному сокращению расходов на создание приложения: с $200-300 тысяч в 2010 году до менее чем $10 тысяч сегодня. Аналогичное снижение цен ждет и системы искусственного интеллекта. Таким образом, можно сделать следующий вывод: чтобы эффективно тратить деньги, компаниям не следует бросать все силы на поиск специалистов из данной области, их подбором необходимо заниматься без излишней спешки, а искать ПО и инфраструктуру для машинного обучения следует на специализированных платформах.

Без сомнения, нездоровый ажиотаж вокруг искусственного интеллекта закончится. Мы действительно верим, что ИИ преобразует экономику, но для того, чтобы преуспеть в этом деле, компаниям необходимо создать соответствующую среду обучения и изменить свою корпоративную ДНК. Те, кто будет стремиться к созданию портфолио проектов с ИИ вместо того, чтобы пытаться получить все и сразу, смогут лучше всех овладеть трансформирующей силой, которую может дать бизнесу искусственный интеллект.

Об авторах: Картик Хосанагар – профессор Уортонской школы бизнеса, Апурв Саксена – менеджер компании Google, специализируется на искусственном интеллекте.

* деятельность на территории РФ запрещена