Стать как Tesla. Почему буксуют внедрения искусственного интеллекта в российских компаниях

IT-News от 6 февраля 2018 г.

Необходимость «идти в цифру» для российских компаний обусловлена не столько общемировым трендом цифровой трансформации (хотя и им тоже), сколько исчерпанием «физических» факторов, за счет которых та или иная компания выигрывает конкурентную борьбу. Того, что на предприятии налажена система учета, выбраны правильные поставщики, которые предоставляют сырье требуемого качества, и используются правильные технологии, обеспечивающие качество продукта и минимум производственных потерь, уже недостаточно, ведь у конкурентов все более-менее то же самое. С таким набором рыночную схватку уже не выиграть.

Происходящее напоминает ситуацию в современной автомобильной индустрии, где дальнейший прогресс упирается в один из главных компонентов автомобиля - в двигатель внутреннего сгорания. Какие бы изменения в его конструкцию ни вносились, революций от ДВС ждать, похоже, не приходится. На этом фоне американская Tesla смотрится гораздо выигрышнее. Ее силовая установка, состоящая из аккумуляторной батареи, электродвигателей и управляющей электроники, скрывает в себе намного больше возможностей для будущих революций. Уже сейчас доступна диагностика онлайн, обновление бортовой прошивки всего автомобиля и возможность программно открывать для водителя новые функции. То ли еще будет! Отчасти поэтому компания Элона Маска привлекает такое внимание общественности.

«Для того, чтобы что?»

Если проводить параллели, то для реального бизнеса «электродвигателем» может стать искусственный интеллект. Компании, которые внедрили у себя ИИ-решения, обеспечили себе преимущество, какое обеспечила Tesla, предпочтя электрическую силовую установку в своих автомобилях традиционному двигателю внутреннего сгорания. Впрочем, нередки случаи, когда искусственный интеллект внедряется по принципу «чтобы было». Начитавшись историй о лучших практиках, заказчики пытаются повесить на ИИ решение любых задач, которые приходят в голову. При этом задачи формулируются максимально абстрактно - повысить конкурентоспособность, снизить издержки, максимизировать прибыль. Постановка задачи не отвечает на простой вопрос: «Нам внедрение ИИ нужно для того, чтобы что?»

В то же время, для более понятных IT-систем (таких, как CRM) ответ на этот вопрос давно получен. Когда компания выбирает CRM-систему, она плюс-минус знает, какая функциональность ей нужна, чтобы получить желаемый результат. Этот результат предельно понятен бизнесу, поскольку выражается в очевидных для него метриках - в расширении воронки продаж, в систематизации контактов с клиентами, в более высокой конверсии этих контактов в продажи. И в конечном счете – в увеличении оборота и прибыли. Для правильного выбора составляется подробная таблица (battle card), в которую сводятся «фичи» продуктов в приземлении на конкретные задачи. Дальнейший presale снимает оставшиеся вопросы об удобстве системы для пользователей, о скорости ее работы, о перегрузочной способности, о специфике формирования отчетности и пр. Подписывается договор, проходит внедрение и начинается промышленная эксплуатация.

Без «пилота» не обойтись

В истории с искусственным интеллектом результат порой не очевиден до самого внедрения. Конечно, есть разнообразные способы доказательства прикладной либо экономической эффективности решений на базе ИИ. Каждый из них (или их комбинация) ориентированы на различных заказчиков с разным опытом. Первый способ – раскрытие технологий - годится только для очень хорошо подготовленного заказчика. Вероятно, такой клиент уже использовал ИИ в рамках своих бизнес-процессов. Например, применял самописные алгоритмы. Обращение к IT-консультанту обусловлено тем, что клиент уже «вырос» из собственной разработки и хочет перейти к индустриальному решению.

Второй способ – референс-визит к заказчику – дает положительный ответ на вопрос «А этот ваш ИИ в принципе работает?». При этом он не отвечает на самый главный вопрос: «А будет ли ИИ работать в нашей компании?» Заказчики больше узнают об особенностях практического применения того или иного решения. Иногда это помогает выстраивать дальнейшее сотрудничество и говорить примерно на одном языке.

Третий способ – инициация пилотного проекта. Для клиента он хорош возможностью проверить глубину экспертизы IT-консультанта – то есть посмотреть на соответствие наработанной консультантом базы алгоритмов, находящихся «под капотом» ИИ-решения, целевой задаче бизнеса. Для консультанта это хорошая возможность проверить способность заказчика поставить целевую бизнес-задачу, предоставить данные, а также мобилизовать проектную команду, которая в ходе проекта формирует собственное мнение о том, что такое искусственный интеллект.

Жаль, что на самый подходящий вариант доказательства эффективности ИИ-решений соглашаются не все и не всегда. «Пилот» обычно предусматривает установление более плотных отношений клиента с IT-консультантом и – что самое неудобное – без гарантий, что итоги «пилота» будут полезны для бизнеса. Заказчику приходится платить понятные (и часто значимые) деньги за непонятный результат.

Торги репутацией

Ожидания бизнеса связаны с точными прогнозами. IT-консультант или вендор может гарантировать точные прогнозы только после старта проекта в «боевом» режиме – просто потому, что в начале эксплуатации такой системы возникает ряд обстоятельств, о которых ни заказчик, ни IT-консультант на старте проекта и подумать не могли. Например, в моей практике был случай, когда ретейлер, продающий одежду, внедрил искусственный интеллект для того, чтобы прогнозировать товарные остатки и формировать перемещения таким образом, чтобы в конкретных магазинах собирались полные линейки актуальной коллекции одежды – это необходимо для того, чтобы получать высокий средний чек. Чем меньше вещей коллекции остается в магазине, тем средний чек ниже.

Алгоритмы успешно решили задачу оптимального перераспределения товарных позиций между магазинами, но заказчик столкнулся со сложностями на этапе физической реализации проекта. Чтобы обеспечить наличие полных линеек актуальной коллекции в магазинах, понадобилось бы нанять новых кладовщиков, грузчиков и водителей, а также существенно изменить систему мотивации для этих категорий сотрудников. Затраты на все эти преобразования съели существенную часть экономической выгоды от решения задачи, под которую внедрялся искусственный интеллект.

Такие истории на рынке не редкость. Вот почему проекты, связанные с внедрением искусственного интеллекта, внутри компании часто становится предметом торгов репутацией: менеджеры начинают игру «Кто возьмет на себя ответственность перед руководителем компании?». Дискуссия вокруг проекта растягивается и нередко заканчивается ничем. Чтобы не допускать такого исхода, ИИ-проекты, их возможности и риски можно обсуждать только на уровне генерального директора, либо собственника бизнеса.

Прогноз Грефа

Осенью 2017 года глава Сбербанка Герман Греф сделал мрачноватый прогноз: по его словам, компании, которые не используют искусственный интеллект, скоро перестанут существовать. На первый взгляд, это справедливо для компаний, действия которых определяют ландшафт какого-то конкретного рынка – как Сбербанк определяет очертания банкинга в России. Большая часть заказчиков выжидают, пока ИИ-решения покажут себя в рамках публичных проектов, и примут решение о покупке, когда риски, связанные с новизной искусственного интеллекта, перестанут играть определяющую роль. Однако такие заказчики не учитывают фактор того, что другие компании в условиях непубличности уже развернули ИИ-решения и проверяют алгоритмы на исторических данных в формате «пилотов», а то и в «боевом» режиме - на конкретном участке производства.

Этот фактор заставляет несколько переосмыслить высказывание президента крупнейшего российского банка. В современном мире компания, получившая конкурентное преимущество (неважно, в каком виде – в виде ИИ или других решений), может в очень короткие сроки его реализовать, не оставив «поляны» конкурентам. Если возвращаться к автомобильной аналогии, предложенной в начале этого текста, у консерваторов из множества отраслей есть шанс повторить судьбу традиционных автопроизводителей и остаться ни с чем перед новым вызовом, имя которому – Tesla.

Да, внедрение ИИ - это рискованные инвестиции. С первого раза заказчику может быть крайне непросто получить то, что от искусственного интеллекта хочет бизнес - в силу отсутствия соответствующего опыта. Но это нормально и за это не стыдно. Альтернатива рискованным инвестициям более незавидная. Так можно дождаться момента, когда критически важное с точки зрения конкурентоспособности IT-решение внедрит конкурент. И вот тогда слова Грефа прозвучат как приговор.