ИИ: между хайпом, фантазиями и реальностью. Как бизнесу не утонуть в «пене» ожиданий

В последнее время я всё чаще сталкиваюсь с тем, что искусственный интеллект (ИИ, AI) пытаются «запихнуть» буквально во всё, что только можно. Любую автоматизацию теперь модно называть ИИ, либо связать с ИИ, либо планировать решать через ИИ. Этап анализа, насколько этот ИИ нужен при решении задачи – лихо пропускается. И, честно говоря, как с этим объективно жить дальше – не совсем понятно. Мы стоим перед дилеммой: насколько такой подход массированной «ИИ-изации» приближает нас к моменту глобального разочарования в технологии?

Кризис идей под соусом хайпа

За последние три месяца наша команда посетила множество конференций и премий, и везде из каждого утюга слышно только «ИИ, ИИ, ИИ». Но когда начинаешь спрашивать людей, что именно скрывается за этой аббревиатурой конкретно для них и какие задачи они планируют решать, наступает натуральный кризис идей.

На текущий момент бизнес научился справляться с определённым набором базовых задач: классификация документов, извлечение информации, маршрутизация и речевая аналитика. Иногда встречаются кейсы по наведению порядка в «озерах данных» (data lakes), в архивах и исторических данных. Однако бизнес, который фактически «заказывает музыку» для IT, пока не очень готов платить за задачи, не приносящие ощутимой ценности.

Нужно понимать, что история с искусственным интеллектом – это дорого, прежде всего из-за плохой масштабируемости. Написать маленького агента-помощника для одного человека – это быстро и малозатратно, и результат часто впечатляет, так как он похож на человеческое поведение. Но дальше возникает ступор: компании нужно не просто «внедрить ИИ», а провести полноценную автоматизацию процессов. Это значит – разобраться глубоко. Например, где можно отказаться от бумаги, где за ИИ нужно перепроверять, а где – нет.

Пример из жизни №1: По понятным причинам, здесь и далее я не буду назвать конкретные имена, но поверьте – с такими кейсами всё чаще сталкиваюсь не только я и не единожды. Итак: Ко мне приходят люди и на полном серьезе говорят: «Нам нужен ИИ, который будет прогнозировать цену на золото на горизонте пяти лет». Приходится объяснять, что если бы это было возможно, такая технология уже давно бы существовала (и им бы её точно не дали просто так).

Люди до сих пор видят в ИИ некоего волшебника, способного мгновенно переварить любую информацию и выдать готовое решение, но реальность скромнее. Современный ИИ – это, в лучшем случае, уровень очень начитанного и эрудированного первокурсника, которого нужно постоянно поправлять и наделять опытом. И не забывать проверять результат!

Дорогая «магия» и ловушка ожиданий

Ещё одна проблема – подмена понятий. Часто ИИ пытаются применить там, где достаточно классической математики или других известных средств автоматизации.

Пример №2: Одна компания обратилась к нам с запросом: они хотели, чтобы ИИ управлял их автомобильной логистикой, строил маршруты и планировал время на основе датчиков интернета вещей. На мой вопрос «зачем вам здесь ИИ?» они ответили, что так будет «быстрее, легче и можно менять правила игры». Но это чисто алгоритмическая математическая задача, которую успешно решают уже 100 лет существующими эффективными инструментами.

Использование ИИ в таких задачах «в лоб» возможно. Но может стоить в разы дороже. Например, если обычное решение задачи через известные системы и алгоритмы обойдется в 20 миллионов, то для решения через ИИ может потребоваться оборудование на 100 миллионов, хотя само внедрение будет стоить недорого. Этот разрыв в ожиданиях и стоимости неизбежно ведет к охлаждению интереса.

Именно поэтому при обсуждении проектов на базе ИИ вопрос стоимости владения зачастую оказывается не менее важным, чем сама возможность решить задачу.

Опыт работы

Тут как с некоторыми вакансиями: например, новый язык или среда разработки появилась только в этом году, а некоторые HR в вакансиях требуют «опыт 3-5 лет».

Корпоративные заказчики часто просят показать им кейсы, где ИИ работает хотя бы год. Но таких примеров почти нет – все находятся на стадии старта или первых задач. На конференциях мы слышим о том, как это может быть круто, но реальность нас ещё не догнала.

При этом было бы ошибкой считать, что возможности ИИ ограничиваются только решением типовых офисных задач.

Пример №3: Есть удивительный пример на этот счет. Я на днях наблюдал, как в китайском WeChat два бота договариваются об условиях поставки. Они торговались в реальном времени: один называл цену, другой говорил, что это дорого и у конкурентов дешевле, отстаивая интересы своей стороны. Это уже за гранью нашего привычного мира – но это то, что реально внедряется и к чему нам уже пора готовиться.

Отрезвление рынка

За рубежом хайп уже начинает утихать, и наступает фаза разочарования из-за высокой стоимости использования, либо внедрения ИИ.

Например, компания Anthropic заявляла, что им нужно поднять цены примерно в 13 раз, чтобы просто выйти в ноль по затратам на оборудование и электроэнергию (они пока приостановили это решение под давлением своих клиентов).

Многие ИИ-компании уже переходят от подписочных моделей к оплате за токены, что существенно меняет концепцию использования технологии.

В России мы тоже скоро почувствуем этот спад спроса. Ситуацию осложняет «ошибка века» – когда любой алгоритм начинают называть искусственным интеллектом.

Пример №4: Недавно один российский чиновник в своем выступлении заявил, что летал на самолете 30 лет назад и там уже был автопилот – а значит, искусственный интеллект. У всех специалистов это вызвало лишь «рукалицо». Называть обычные алгоритмы ИИ – не помогает новой технологии занимать адекватное место в умах людей. И эти хаос и «размытие понятий» в итоге тоже вызывают только негатив.

Что делать бизнесу?

Я хочу дать всем нашим читателям «заземляющую» картину: ИИ – это здорово, это новый слой общения с машинами, но это всего лишь ещё один инструмент в вашей автоматизации.

Сейчас мы наблюдаем так называемую «пену» восторженных ожиданий. За ней последует охлаждение и разочарование, и только потом мы выйдем на нормальную прямую использования нового инструмента. Не нужно пихать ИИ в каждый утюг. Используйте его с умом, понимая, где он действительно приносит пользу, а где лучше довериться проверенным алгоритмам.

Исторический факт: Подобные циклы рынок уже проходил неоднократно и это нормально. Новые технологии обычно проходят этап завышенных ожиданий, после чего сталкиваются с реальными ограничениями по стоимости, внедрению и окупаемости – что традиционно приводит к разочарованию. И лишь затем формируется набор практик и сценариев, где технология действительно приносит измеримую пользу.

Где сегодня наиболее востребованы решения на базе ИИ и где он вполне уместен? Это сценарии, где требуется работа с неструктурированными данными: текстами, документами, речью, перепиской и большими массивами информации, которые сложно обработать набором заранее заданных правил.

Еще одна сфера, где ИИ уже сейчас приносит ощутимую пользу – избавление человека от рутины. Вот ровно там, куда можно посадить условного «стажера», но который не будет уставать и работать 24/7, и пригодится ИИ.

И в заключение хочу привести совет от ИИ, который прочитал эту статью перед публикацией:

Самое полезное дополнение: Чек-лист для бизнеса

Перед запуском ИИ-проекта бизнесу стоит ответить на несколько вопросов:

• Какую конкретную задачу необходимо решить?

• Можно ли решить её существующими алгоритмами или средствами автоматизации?

• Как будет измеряться экономический эффект?

• Кто будет проверять результаты работы системы?

• Насколько решение будет масштабироваться при росте нагрузки?