Ни одного дня без ИИ: новая реальность российского бизнеса

Бдительный охранник — хорошо, но видеоаналитика круче. «Один из наших топовых программных продуктов для торговых сетей — решение для предотвращения краж в супермаркетах. За доли секунд ИИ анализирует видеопоток с камер наблюдения, распознает подозрительные действия и оповещает персонал», — объясняет гендиректор NtechLab Александр Паламарчук. Такое есть уже на 15 тысячах объектов ретейла по всей стране.

На промышленных предприятиях видеоаналитика обеспечивает многоуровневый доступ по биометрии, контролирует использование средств защиты и оценивает вовлеченность персонала в рабочие процессы. В морском торговом порту во Владивостоке, принадлежащем транспортной группе FESCO, эта система еще и ябедничает: «Если сотрудник порта не надел каску, жилет или перчатки, наша система передает сигнал о нарушении соответствующим службам».

Безопасность — одна из многих ниш, которые бизнес сейчас готов автоматизировать. Надежда Малова, начальник Центра цифровой трансформации НИУ ВШЭ в Нижнем Новгороде, предлагает разделить цифровые инструменты на две категории. Первая — «быст­рые победы» — это платформы автоматизации бизнес-процессов (RPA). «Такое решение можно развернуть за пару недель, а обслуживание почти не требует знания языков программирования. RPA не спят, не пьют кофе. Они освобождают аналитиков, интеллектуалов и экспертов от операций, не требующих их знаний и опыта», — объясняет она. А вторая группа — это умный ИИ, то есть «инструмент для полноценного управления бизнес-процессами компании». Но Надежда Малова предостерегает от увлечения автоматизацией. Потому что настроение, ценности, социальный контекст трудно передать машине, а в бизнесе понимание таких штук стратегически и тактически не менее важно, чем четкость на всех этапах. «Прорыв рождается на стыке интуиции, управленческой смелости и «квантовой иррациональности». Пример? Решение действовать вопреки очевидной выгоде ради доверия команды. Машинное обучение вам такое не предложит».

Если ИИ внедряется, кто-то должен уметь им управлять. Сейчас все в голос говорят, что надо срочно обучать людей профессиям «с приставкой ИИ»: от ИИ-доярок до ИИ-финдиректоров. Но директор «Школы 21» Рустам Айнетдинов говорит, что профессий с такими названиями нет и не будет: «Это хайп, который уже очень скоро пройдет. Знаете, что точно случится? Исчезнет граница между «айтишниками» и «всеми остальными». По его данным, 95% попыток внедрить ИИ в компаниях заканчиваются ничем из-за нехватки специалистов, способных превратить технологию в работающее решение. «Оценивается, что к 2030 году дефицит кадров в ИИ только в России достигнет 89 тысяч специалистов. И это не программисты. Это врачи, инженеры, управленцы, которые в равной степени понимают и свою отрасль, и новые технологии».

«Школа 21» открывает специализированные кампусы совместно с Сеченовским университетом, Центром Алмазова, ВГИК и РУДН. «Врач, который работает с ИИ-диагностикой, ценнее десяти врачей без этого навыка», — уверен Айнетдинов. Но он врач, а не ­ какой-то отдельный ИИ-врач. Забавно, хотя логично, что методика обучения общению с искусственым интеллектом включает занятия, которые проводит ИИ, но его допускают до студентов далеко не сразу. «Получается цепочка из трех звеньев. Первое — человек учит человека. Второе — ИИ помогает человеку. Третье — человек проверяет ИИ». Критически важно, чтобы студент сначала решал задачи сам: «Тот, кто понимает, как устроена задача изнутри, управляет инструментом. А тот, кто начал сразу с ИИ, становится инструментом в руках ИИ». И это тонкий, бесконечно важный момент в том, что касается участия ИИ-агентов в образовании. Да, эти ребята берут на себя роль справочников, которые всегда под рукой. Но они, если попросить, еще и думают за студента. И у него постепенно атрофируются способности к аналитическому мышлению.

А Наталья Касперская, президент ГК InfoWatch и председатель правления АРПП «Отечественный софт», вообще считает, что разговоры про ИИ отвлекают от проблем, которые гораздо важнее и срочнее. «Мы находимся на пике хайпа вокруг ИИ. Критически важно не поддаваться ему и не подменять внедрением модной технологии решение актуальных для общества проблем и задач». Ее очень тревожит применение ИИ в госуправлении и социальной сфере.

И тем не менее ИИ всех очаровывает. В больших розничных сетях эти технологии проникли во многие бизнес-цепочки. «Еще до открытия магазина ИИ помогает подобрать наиболее подходящую локацию на основе анализа трафика, конкурентного окружения и множества других параметров», — рассказывает главный директор по цифровым технологиям группы компаний «Магнит» Вячеслав Кубаев.

Ретейлер разработал собственную систему прогнозирования спроса и планирования заказов F&R (Forecasting & Replenishment), охватывающую весь путь товара — от заявки поставщику до поставки в магазин. В торговых залах «Магнита» работают умные весы, распознающие продукты и экономящие кассирам до часа рабочего времени ежедневно. В магазинах «М.Косметик» тестируется технология BeautyScan для индивидуального подбора средств. «Системы персонализированного маркетинга в реальном времени адаптируют предложение для покупателя, предлагая наиболее релевантные продукты», — поясняет Кубаев.

В мобильном приложении «Магнит» проверяет эффективность GenAI-­ ассистента «Мэджик». Он понимает как угодно сформулированный (даже мутно, косноязычно и ассоциативно) покупателем запрос и преобразует его в точный поиск, чтобы предложить и продать то, что человек даже не знает, как назвать. И это, кстати, огромное поле работы как раз для ИИ. Маркетплейсы сделали так, что покупатель больше не выбирает из предложенного ассортимента. Он заходит в торговое пространство с ощущением «чего-то хочется, а чего не знаю», и только мощная нейросеть способна угадать мечту и удовлетворить ее.

Главная претензия к ИИ сейчас в том, что он галлюцинирует. И просто врет. Не со зла, а потому что пока плохо отличает достоверные источники от инфошлака. Но это вопрос тренировки машины под себя, обучения и сонастроек.

Георгий Лобушкин («Агентство стратегического косалтинга К2») видит в ИИ полезный инструмент как раз для фактчекинга: «Прогоняешь новость через ИИ и сразу видишь, какие именно два-три источника про это сообщили». Но он очень скептически относится к идее ИИ-журналистики: «Представьте, что человеку, у которого произошла катастрофа, звонит ИИ-агент?» В PR, по мнению Лобушкина, ИИ на данный момент тоже бессилен: «Весь пиар — это про любовь. Может ли ИИ любить? Нет, он может только имитировать любовь».

А вот в рекламе и маркетинге ИИ очень сильно сокращает время производства. Это плюс. А минус в том, что он приводит к засилью нейросетевых креативов, не выполняющих свою главную задачу — закрывать проблему аудитории, которой предназначена эта реклама. «И вот мы просто смотрим на то, как впустую сливается бюджет, потому что начальство сказало: «Необходимо использовать ИИ». Такой, знаете, ­ креатив-оправдание. С помощью ИИ вполне можно создавать вирусный и эмоциональный контент. Но тут очень важно участие человека. Это он придумывает и задает эмоции. А ИИ — просто ручка в руках пиарщика, маркетолога и журналиста».

Лучшим средством против дипфейков и галлюцинаций ИИ медиаменеджер Георгий Лобушкин считает борьбу человека с ленью: «В каждой редакции у каждого журналиста на столе должно быть дежурное напоминание: Seek truth and report it. Тогда ИИ не будет находить в сети вранье, которое на старте запустил все-таки человек — сознательно или по ошибке».
 

Надо помнить, что все основные ИИ-модели — иностранной разработки, а их данные и запросы могут использоваться и для обучения нейро­сетей, и для действий, направленных против интересов нашей страны. Это, конечно, не значит, что мы не должны использовать искусственный интеллект. 

Просто защиту от рисков, которые он несет, следует выстраивать уже на этапе проектирования системы, а не постфактум, когда ИИ везде внедрили, а что внедрили, зачем и насколько это повысило эффективность работы — никто объяснить не может.
 

Мы видим эффект от ИИ в самых разных бизнес-процессах. Например, он помогает нам повысить точность прогнозирования более чем на 10%. Его помощь в выявлении пустот на полках в торговых залах уже сейчас выражается в приросте товарооборота примерно на 1%. В сфере разработки в отдельных задачах за счет применения ИИ скорость реализации идей в готовый продукт или улучшение выросла в шесть раз. Успех еще в одном направлении — рост производительности персонала в выполнении рутинных задач, который доходит до 15%. А чат-бот, консультирующий сотрудников по вопросам расчета заработной платы, снизил число обращений в профильное подразделение на 17%.

За последние пару лет качество языковых моделей выросло настолько, что их ответы стали заметно точнее, последовательнее и более предсказуемыми. Во-первых, изменился подход к обучению нейросетей: вместо того чтобы просто показывать модели правильные ответы, ее начали награждать за верный результат и поощрять рассуждение, которое к нему привело. Во-вторых, появился так называемый думающий режим: модель раскладывает задачу на шаги и возвращается назад, если что-то не сходится. В-третьих, развились инструменты вызова функций (function calling), позволяющие ИИ обращаться к базам данных, запускать код и искать актуальную информацию в интернете перед тем, как дать финальный ответ. Все это повысило надежность до уровня, при котором ИИ можно встраивать в реальные рабочие процессы в роли помощника, который берет на себя рутину и помогает не упустить детали, но не как замену живому сотруднику с его опытом и суждением.

Сегодня граница проходит примерно там, где заканчивается возможность проверить ответ. Модель отлично справляется с задачами, где есть четкий критерий правильности: написать код, который запустится, извлечь структуру из документа, найти противоречие в договоре, перевести текст. Там она работает как хороший специалист среднего уровня: быстро, стабильно, предсказуемо. Но как только задача становится открытой, например, написать стратегию, принять решение в условиях неопределенности, оценить что-то, где нет единственно верного ответа, модель может звучать уверенно и при этом ошибаться. Поэтому сейчас работает простое правило: если результат легко проверить и оценить по формальным критериям — модели можно доверять работать автономно, если задача требует сложных рассуждений и опыта — человек в процессе обязателен.

На мой взгляд, через пару лет модели перестанут быть инструментом, к которому обращаются за советом, и станут частью процесса работы. Это уже происходит: компании, которые внедрили ИИ-инструменты для написания кода, выпускают новые функции в десятки раз быстрее тех, где их нет. Рутинные задачи, такие как анализ документов, подготовка отчетов, мониторинг данных, будут полностью переданы автономным агентам, которые работают без участия человека на каждом шагу. Компании, которые это не сделают, просто окажутся медленнее конкурентов. Роль человека изменится: востребованы будут не те, кто выполняет задачу руками, а те, кто умеет ее правильно поставить, проверить результат и понять, где система ошиблась. Критическое мышление и понимание того, как устроены ИИ-системы, станут профессиональным преимуществом — примерно так же, как сегодня им является умение работать с данными. Не использовать ИИ через два-три года будет просто неконкурентоспособно.