Искусственный интеллект в крупном бизнесе. В поисках смысла

Почти в любом разговоре об искусственном интеллекте, во-первых, озвучиваются полярные оценки о влиянии ИИ на нашу частную и корпоративную жизнь. От утверждения, что ничего или почти ничего не изменилось и в обозримом будущем не изменится, до опасения замены людей искусственным интеллектом буквально завтра. И что еще вчера надо было начинать обучать ИИ «трем законам робототехники» Азимова, прежде всего — «первому закону робототехники», согласно которому: робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред.

Во-вторых, дискуссии порой столь остры, что «законы робототехники» впору дополнять четвертым пунктом — чем-то вроде: во время дискуссии о роботах человек не может причинить вред другому человеку.

Впрочем, полярные оценки, как правило, даются участниками не от непонимания вопроса, а от отсутствия договоренностей о терминах и о границах применимости предмета дискуссии. Чтобы подобного недопонимания избежать, я далее буду вести речь о корпоративной реальности крупного отечественного бизнеса и некоторые свои тезисы подкреплять примерами из зарубежной.

Чем интересен для применения ИИ крупный бизнес? Большой численностью подразделений, количеством и сложностью рабочих процессов и наличием legacy в своем ИТ-ладшафте — эти три фактора традиционно являются «питательной средой» для оптимизаций любого рода, когда улучшение на считаные проценты проявляются сотнями миллионов или даже миллиардами рублей в балансе компании. Немаловажно, что крупные компании, достаточно зрелые технологически, имеют экспертизу и ресурсы для экспериментов с ИИ.

Использование ИИ малым бизнесом, в силу масштаба, больше соответствует модели применения ИИ-инструментов частными лицами: open source-решения в качестве средств «малой автоматизации» и цифровых помощников или же «коробочные» решения со встроенным ИИ-функционалом.

В статье не рассматриваются также истории успешного применения искусственного интеллекта в науке — например, для расшифровки генома, предсказания результатов химических реакций, поиска экзопланет и оптимизации математических алгоритмов и т. п.

Что мы называем искусственным интеллектом — и почему все путаются

И, собственно, краеугольное понятие — что же есть искусственный интеллект. Под ним я понимаю любую нейросеть (не обязательно большие языковые модели, но и их в том числе), обученную (с помощью людей, другой нейросети или прошедшей обучение самостоятельно) на определенном наборе данных. Способную обрабатывать поданную на вход информацию в манере, схожей с той, как эту информацию обрабатывал бы человек. И генерирующую в качестве результата обработки информацию на выходе.

Отдельно хотел бы подчеркнуть два момента:

• нейросеть — это принципиально важно. Многие корпоративные задачи с той или иной степенью успешности решались без применения нейросетей, при этом ради красного словца разработчики называли свои алгоритмы искусственным интеллектом, даже если там использовались давно известные теория вероятностей, матстатистика и бесконечные if...else;
  
• манера обработки информации, аналогичная человеческой, подразумевает, что бóльшая часть поданной на вход и полученной на выходе информации будет представлена в воспринимаемом человеком формате: звук, текст, видео. Иначе, зачем это все?

Зачем бизнесу ИИ: экономия, скорость, предсказуемость

Определившись с понятиями, предлагаю определиться с отношением к ИИ, уместным в крупной компании. Это нужно в первую очередь для того, чтобы отстроиться от хайпа в данной области и избавиться от искусственного, наведенного извне прессинга вида «у всех уже внедрено, даже в компании Х и то уже есть, значит, и нам надо — все бросаем и побежали!».

Для избавления от морока я предлагаю относиться к ИИ, прежде всего, как к еще одной технологии, наряду с множеством других, со своими достоинствами и ограничениями, а не как к корпоративной серебряной пуле от всех бед. Если кажется, что по степени революционности еще никогда такого не было — сравните современные высокопроизводительные распределенные базы данных с dbf-файлами на локальном компьютере тридцатилетней давности. Примерно такой же скачок.

Во-вторых, необходимо помнить, что любая технология и сервисы/информационные системы на ее основе при принятии решении о целесообразности их использования в компании, должны подвергнуться тщательному анализу на соответствие длинному списку технических критериев (у каждой компании он свой), в итоге сводящийся к следующему:

• принципиальная пригодность к решению конкретной задачи;
• качество решения этой задачи;
• преимущества/недостатки по сравнению с альтернативными решениями.

К слову, сотрудник, или, точнее, ручной труд — это тоже технология. С точно таким же набором характеристик, который должен учитываться при размышлении на тему «чем-то заменять или оставлять».

В-третьих, вспоминаем, что коммерчески успешный бизнес — он про деньги. И любые активности, которые выполняются в организации, в конечном счете имеют одну из трех (хорошо, когда сразу две; идеально, но крайне редко, когда стразу три) цели:

• повышение доходов;
• сокращение расходов;
• enabler для новых продуктов/услуг/других активностей, нацеленных на увеличение доходов/снижение расходов.

И в дополнение к анализу на соответствие техническим критериям добавляется анализ на соответствие критериям финансовым: сколько денег мы заработаем/сэкономим, внедрив решение на основе ИИ? В какие сроки? Какая стоимость альтернативных технологий? Какие ресурсы потребуются? Как долго проект внедрения будет окупаться? Все те вопросы, что обычно задают на корпоративных комитетах, выделяющих инвестиции на тот или иной проект изменений.

Соблюдение этих четырех принципов при оценке возможности применения сервисов и приложений на основе ИИ сделает ваш выбор прозрачным, взвешенным и обоснованным, а не вопросом следования моде или попыткой реализации менеджерских амбиций отдельных сотрудников.

Будучи экспертом в области цифровой трансформации компаний, считаю правильным оставить разговоры как о повышении доходов посредством ИИ, так и тему «ИИ как enabler нового бизнеса/продуктов/функций» за рамками статьи. О них лучше расскажут представители соответствующих корпоративных функций, мне же уместнее поговорить о сокращении расходов и повышении производительности труда сотрудников.

Существуют четыре базовых способа сокращения расходов:

• Пересмотр бизнес-процессов, по которым работает компания с целью избавиться от лишней работы. Если что-то можно не делать — нужно не делать.
  
• Полный или частичный отказ от ручного труда как средство сокращения численности подразделения. Сервис, в отличие от человека, работает круглосуточно и без выходных, с бóльшей производительностью. Sad but true.
  
• Нелинейное масштабирование. Когда для выполнения работы вдвое большего объема условно, добавляешь ресурсы на сервере всего на 10% больше, чем есть сейчас. Технология ручного труда не масштабируется: вдвое больше работы — вдвое больше персонала.
  
• Уменьшение числа ошибок. Хоть при ручном труде, хоть при использовании средств автоматизации.

С учетом особенностей искусственного интеллекта как технологии и основных способов сокращения производительности труда и сокращения корпоративных расходов наиболее перспективными для автоматизации посредством ИИ-инструментария выглядят те подразделения компаний, которые:

• обладают большой штатной численностью;
  
• оперируют на входе большим количеством информации в распознаваемом человеком виде; • результатом производственной деятельности которых является информация, в основном предназначенная для использования людьми и (часто) донесение до людей этой информации;
  
• интеллектуальная деятельность сотрудников в данных подразделениях не очень творческая и относительно шаблонная.

Не трудно увидеть, что под этот набор критериев подпадают следующие базовые корпоративные функции:

• продажи в части «холодных» продаж;
• контактные центры и поддержка пользователей;
  
• подбор и оценка персонала;
• корпоративное обучение;
• юридическое сопровождение;
• делопроизводство и секретариат.

Соответствует критериям применимости ИИ для повышения производительности и сокращения расходов, но стоит несколько в стороне от корпоративного мэйнстрима, также разработка ПО (написание кода и его ревю, создание тест-кейсов) и технический перевод.

И если посмотреть на то, что предлагают российскому рынку многочисленные стартапы в области искусственного интеллекта (а также собственные корпоративные стартап-инкубаторы крупных компаний), то можно заметить, что существенная их часть концентрируется на попытках применения ИИ для изменения работы именно выше перечисленных бизнес-функций. Насколько это оправдано?

На словах — стратегия, на деле — точечные проекты

Практика — критерий истины. В то же время довольно сложно отфильтровать реальные результаты от маркетинговых заявлений компаний. Те результаты, что наблюдал лично я. — довольно скромные, но и мой опыт крайне ограниченный. Опыт коллег по цеху, коим они делятся в кулуарах, тоже крайне противоречивый, поэтому я позволю себе применить принцип «большое видится на расстоянии» и взглянуть на зарубежный опыт применения ИИ в компании. И не просто компании, а всемирно известной Duolingo.

Кажется, что Duolingo представляет собой идеальный полигон не просто для вплетения ИИ в корпоративную ткань, но и для замены этой самой ткани искусственным интеллектом. Так как бизнес компании основывается:

• на подготовке большого количества уникального, но достаточно шаблонного контента на разных языках;
• предоставлении этого контента для потребления его пользователями приложения;
• анализе больших объемов аналогичного контента, поступающего от пользователей в ответ.

Если делать ставку на традиционный подход к подготовке языковых материалов, практически неизбежен линейный рост соответствующих расходов на персонал (переводчики/авторы материалов) при росте пользовательской базы, а дальше по принципу домино — рост поддерживающих подразделений.

Вот как в начале прошлого года видел использование ИИ Луис фон Ан (Louis von Ahn), CEO Duolingo: 

Если продраться через стандартные обороты american business language и вычленить главное, то за словами «ИИ во главе угла» (AI-first) и иными яркими фразами скрываются следующие тезисы (комментарии и выделение мои):

• Запуск нового функционала, Video Call, который был невозможен без ИИ. Enabler, Нелинейное масштабирование. 
• Генерация обучающего контента посредством ИИ. Нелинейное масштабирование;
• Отказ от контракторов. Уменьшение ручного труда.
  
• Передача ИИ части функций найма. Уменьшение ручного труда.
  
• Передача ИИ функций performance review персонала. Уменьшение ручного труда.
  
• Изменение бизнес-процессов таким образом, чтобы обойтись меньшим количеством персонала. Если какую-то работу можно, работая по-другому, не делать — нужно не делать.
  
• Использование ИИ как «хелпера» в рутинных активностях. Уменьшение ручного труда и количества ошибок.

Как будто бы все по канонам цифровизации компаний: и бизнес-функции для внедрения ИИ выбраны очень грамотно, и цель — «новые сервисы, больше доходов, меньше расходов» — очевидна и бизнесова, а не взята из-за общего хайпа. Но каковы успехи?

Разумеется, Duolingo не делится ни исходной финансово-экономической моделью внедрения ИИ в Duolingo, ни промежуточными количественными итогами, но вот здесь можно найти некоторые качественные результаты:

In a recent conversation with Planet Money, the CEO of Duolingo, Luis von Ahn, downplayed the meaning of the cuts. It wasn’t full-time employees. It was only 10% of their contractors …

However, even von Ahn acknowledges that the technology is still limited. That’s why, despite recent headlines suggesting otherwise, his company still employs translators. “It’s still the case that computers make mistakes,” von Ahn says…

If it’s things like the user interface of Duolingo, where a button on the app says ‘quit’ or ‘purchase now’ or whatever, that translation is all done with humans. We spend a lot of effort on that because each one of those features is highly valuable. We just cannot have a mistake.

То есть:

• не всех переводчиков/авторов материалов заменяют ИИ, и как будто бы всех заменить в принципе невозможно;
  
• ИИ совершает ошибки, и за ним должен проверять человек;
  
• в некоторых особо важных для бизнеса областях замены человеку не предвидится.

Принципиально ничего не меняется, но знание подобных фактов помогает на этапе принятия решения о внедрении искусственного интеллекта сформировать в своей компании более реалистичные ожидания от финального результата.

ИИ — инструмент, а не субъект. Пока что

В заключение хотел бы подсветить один важный, как мне кажется, момент: сегодня наблюдается полная неопределенность с тем, какие решения отдавать на откуп ИИ, а за какими все же должен стоять человек. Единой практики не существует, регуляторы до этой области пока не добрались (но, рискну предположить, обязательно доберутся), а пока каждая компания действует на собственное усмотрение.

В качестве примера. Отдача на откуп ИИ условного performance review, от которого зависит размер премии — это допустимо или нет? Слишком радикально и премию все же должен подтвердить руководитель? Будет ли руководитель внимательно читать аргументацию ИИ и возражения сотрудника (при наличии таковых) или превратится просто в лишний шаг в процессе — в бездумного нажимальщика кнопки «Подтверждаю»? А если ИИ проводит performance review глубже, объективнее и справедливее руководителя?

У меня пока нет четкого ответа на подобные вопросы. Но не хотелось бы оказаться в такой корпоративной реальности, где сотрудник или потребитель услуги лишен возможности коммуницировать с человеком просто потому, что компании так экономически выгоднее. Так что аккуратнее на этом пути, коллеги.