Где
найти триллион

Хотя искусственный интеллект по-прежнему используют немногие компании (около 20%, согласно нашему недавнему исследованию), руководители высшего звена знают, что искусственный интеллект — это не просто дань моде. Компании в различных секторах экономики внимательно присматриваются к ИИ, пытаясь понять, чем он может быть полезен их бизнесу. И правильно делают. По нашим оценкам, 40% всей потенциальной ценности, которая может быть создана сегодня с помощью аналитики, создается с помощью технологий ИИ из области «глубокого обучения». Глубокое обучение предполагает использование множества слоев искусственных нейронных сетей, которые называются так, потому что напоминают по своей структуре и функциям человеческий мозг. В целом, по нашим оценкам, глубокое обучение может приносить ежегодный доход от $3,5 трлн до $5,8 трлн.

Однако многие руководители бизнеса по-прежнему точно не знают, где им применить ИИ с наибольшей выгодой. При этом внедрение ИИ в бизнес требует значительных инвестиций в специалистов и обновление технологий, а также радикальных перемен, которые позволят создаваемой ИИ ценности, будь то помощь в принятии решений или улучшение потребительских приложений, быть значимой.

Подробно изучив более 400 реальных вариантов использования ИИ в 19 отраслях и девяти подразделениях компаний, мы обнаружили, что ответ на вопрос, где применить ИИ звучит так: ищите выгоду.

Как правило, самое сильное воздействие искусственный интеллект может оказать на области бизнеса, традиционно обеспечивающие наибольшую ценность компаниям. Например, в области розничной торговли значительную ценность обеспечивают маркетинг и продажи. Наше исследование показывает, что использование ИИ в области персонализированной рекламы ведет к росту продаж в розничных магазинах на 1-2%.

А на передовых производствах наибольшую ценность создает операционная деятельность. Здесь ИИ может помочь в составлении прогнозов, опирающихся на причинно-следственные факторы, а не статистику, и увеличить точность прогнозов на 10-20%. Это приведет к потенциальному сокращению затрат на хранение продукции на 5% и росту выручки на 2-3%.

Применение искусственного интеллекта возможно во всех областях, однако, на наш взгляд, особенно стоит отметить два направления, где сегодня он может оказать наибольшее воздействие:

1) управление цепочками поставок и производством;

2) маркетинг и продажи.

В области маркетинга и продаж ИИ может создать ценность на $1,4-$2,6 трлн, а в сфере управления цепочками поставок и производством — на $1,2-$2 трлн. Часть этой ценности получат компании, часть достанется потребителям. На производствах с помощью ИИ наибольшую ценность можно получить за счет прогнозного технического обслуживания (около $0,5-$0,7 трлн в мировом масштабе). Способность ИИ обрабатывать огромные объемы данных, в том числе в аудио- и видеоформате, означает, что он может быстро находить и предотвращать поломки, будь то посторонний звук в двигателе самолета или неисправности в работе конвейера, обнаруженные с помощью сенсоров.

Еще один способ решить, где применить ИИ, — рассмотреть направления, которые используют традиционные методы аналитики. Мы обнаружили, что наибольший потенциал для создания ценности с помощью ИИ лежит в областях, где нейронные сети могут обеспечить более высокую производительность и качество аналитики или сгенерировать новые данные и способы их применения. Это относится к 69% вариантов использования ИИ, выявленных в нашем исследовании. И всего в 16% случаев можно было применить лишь ИИ, потому что другие аналитические методы были бы неэффективны. Отметим, что возможности применения глубокого обучения, вероятно, будут быстро расти вместе с разнообразием алгоритмов и доступностью данных, и использование этой методики будет все-таки ограниченным, так как более проверенные методы машинного обучения также будут совершенствоваться и получать более широкое распространение.

Но не будем наивными. Даже учитывая экономический потенциал искусственного интеллекта, мы признаем ощутимые препятствия и ограничения к его применению. Довольно проблематично получить набор данных, достаточно больших и всесторонних, чтобы удовлетворить высокие потребности метода глубокого обучения. Кроме того, все большее беспокойство вызывает использование подобных данных, в том числе связанных с вопросами безопасности, конфиденциальности и потенциальной предвзятости, которая может быть передана алгоритмам ИИ от человека. В таких сферах, как здравоохранение и страхование, компаниям необходимо найти способы объяснить регулирующим органам, почему машина пришла к определенным выводам. Хорошая новость заключается в том, что технологии развиваются и начинают преодолевать некоторые из этих ограничений.

Но есть и более сложные организационные проблемы, с которыми сталкиваются компании при внедрении искусственного интеллекта. Освоение технологий требует нового уровня знаний, и это может стать основной помехой к их успешному внедрению. Компаниям придется разрабатывать надежные процессы хранения данных и управления ими, а также сосредоточиться не только на начальном этапе (приобретение данных и организация работы с ними), но и на гораздо более сложном конечном этапе — интеграции результатов работы ИИ в рабочий процесс (от менеджеров до поставщиков).

Компаниям, внедряющим искусственный интеллект, следует проявлять бдительность и ответственность, однако, учитывая масштаб и благотворное влияние технологий на бизнес, потребителей и общество, возможности применения ИИ заслуживают тщательного исследования. Путь не будет простым, но его можно начать, следуя простой мысли: ищите выгоду.

Об авторах

Майкл Чуи — партнер McKinsey Global Institute.

Николаус Хенке — старший партнер лондонского офиса McKinsey.

Мехди Миремади — руководитель чикагского офиса McKinsey.