Интеллектуальный бум. Как ИИ меняет корпоративный мир

Собравшись вместе, представители разных отраслей — от ретейла и строительства до театра и птицефабрик — поделились своими историями о том, как они используют ИИ, какие трудности и успехи сопровождают их на этом пути, и как они видят будущее этой технологии. Модератор мероприятия, Тарас Сорока, управляющий директор Уральского Банка Реконструкции и Развития направлял дискуссию, задавая острые и актуальные вопросы, которые касаются каждого, кто задумывается о внедрении ИИ в свой бизнес.

Сложности реализации

Инна Сенчугова, директор по ИТ Михайловского театра поделилась своим опытом поиска партнера для реализации проекта по ИИ. Она отметила, что на рынке сложно найти компанию, которая бы имела опыт реализации аналогичных задач. В итоге, театр решил набрать собственных специалистов и реализовать проект своими силами.

«У нас есть своя разработанная билетная система, и большая база данных накопленная за четыре года, анализ данных в ней - это достаточно трудоемкий процесс на который уходит много времени, а благодаря технологии искусственного интеллекта это можно сделать гораздо быстрее – провести обработку данных и выдать уже результаты для принятия оперативных решений. Сейчас мы пытаемся всё свести к алгоритму», - добавила Инна.

Андрей Моисеев, начальник цифровой лаборатории «Главстрой», отметил, что их компания активно следит за развитием ИИ в строительстве, а также использует его в рекламных кампаниях. Например, для генерации изображений, подготовки текста рекламной кампании, а также для создания отдельных изображений ЖК «Новые Академики» уже используется искусственный интеллект. В компании рассматривают возможность применения ИИ в мобильном приложении для жителей. «Есть различные клиентские группы, которые населяют жилые комплексы. Это VIP-клиенты, VIP-VIP-клиенты и так далее. Но есть дилемма: такие клиенты привыкли получать сервис от людей, а не от ИИ. Однако адаптация мобильного приложения с помощью ИИ необходима», - добавил Андрей. Он также упомянул о планах использования ИИ для диспетчеризации заявок на ремонт и техобслуживание жилых домов. Это поможет оптимально выстраивать маршруты для техников, что повысит эффективность обслуживания. По его словам, ни одно ИТ-подразделение строительных компаний не занимается подобными вопросами, и «Главстрой» готовит уникальные решения в этой области.

Виталий Бойко, ИТ-директор Евроопт, РБ, отметил, что их компания активно тестирует и использует технологии в практике, и считает, что в дальнейшем это будет одной из причин их успеха как крупнейшего ретейлера в Беларуси, где работает более 35 тысяч сотрудников. Помимо ретейла, Евроопт занимается перевозками, управляет складами и является производителем. В компании активно внедряют безлюдные процессы по двум причинам: сокращение затрат и дефицит рабочей силы.

Чтобы улучшить работу HR, компания начинает использовать чат-боты, которые помогают сократить количество обслуживающего персонала и уменьшить время ответа на запросы. Виталий подчеркнул, что это важно в условиях высокой текучести кадров в ритейле. «Внедрение чат-ботов помогает нам снизить нагрузку на сотрудников и ускорить процесс обработки запросов», — пояснил он.

Компания также стремится увеличить пропускную способность клиентов через кассы. Для этого они внедряют кассы самообслуживания (далее КСО) и технологию Scan&Go. Нейросеть помогает быстрее и точнее сканировать GT и QR-коды. Борьба с мошенничеством — еще одно направление, в котором Евроопт активно исследует практическое применение ИИ. «Для распознавания товаров и предотвращения фрода мы -используем две нейросети, — прокомментировал ИТ-директор, - в 10 раз увеличили скорость распознавания по сравнению с первой версией, сократив время до одной секунды».

Кроме того, Евроопт активно развивает направление потокового распознавания товаров с использованием ИИ, а также для анализа покупательского поведения. «На сегодняшний момент, мы занялись тем, чтобы разобраться с ассоциативными и не ассоциативными покупками», — рассказал Виталий, добавив, что ИИ будет предлагать покупателям товары, которые они обычно приобретают и анализировать не ассоциативные покупки для борьбы с мошенничеством на КСО и при использовании технологии Scan&Go.

Рифы и мели

Если крупные внедрения ИИ пока редкость, то «кладбище ИИ-затей» существует практически у каждого, если не у самих участников круглого стола, то у их коллег и знакомых точно.

«Несколько лет назад крупный интернет-магазин с серьезным онлайн-каналом продаж, решил, что нейросеть станет их спасением. Команда развернула Hadoop и начала обогащать данные с дата-лейка. Она потратила два-три года на обработку данных, пытаясь извлечь из них полезные инсайты. но по итогу налили много данных, не знали, что с ними делать, и никаких ценных данных не получили. Такое часто случается, когда пытаешься на коленках придумать решение в особо неизведанной области», - рассказал Михаил Телегин, заместитель генерального директора по стратегическим проектам «ОБИТ».

Сергей Владимиров, ИТ-директор птицефабрики «Синявино», поделился примером попытки внедрения машинного обучения (ML) в животноводстве. Задача, казалось бы, простая — определить пол птицы, будь то петух или курица. Однако оказалось, что для этого вопроса еще не существует красивого решения в мире. «Мы попробовали использовать искусственный интеллект, в частности ML, чтобы получить результат, но остановились на сканировании», — рассказал Сергей. Проблема заключалась в технических и финансовых аспектах. Дорогостоящее оборудование и высокие затраты на реализацию сделали эту задачу менее привлекательной. «Если все это решать, сильно затрачивая финансовые ресурсы, то, наверное, будет уже не так все это интересно», — добавил он. По его словам, цель — обучить ML, чтобы он фактически стал высококвалифицированным специалистом в этой области.

О задаче по обработке текстов на естественном языке (NLP), которая возникла при проектировании объекта, предназначенного для строительства за рубежом рассказал Андрей Моисеев, ссылаясь на опыт в предыдущей компании. Задача заключалась в проверке соответствия запроектированной документации национальным стандартам строительства той страны, где будет осуществляться стройка. Проект провалился из-за нехватки данных для корректного обучения моделей и сложности обрабатываемых текстов. «Это, скажем так, в копилку знаний и в копилку опыта. Неудачного, к сожалению», — заключил он, подчеркивая ценность извлеченных уроков для будущих проектов. Тем не менее другие проекты ИИ оказались более успешными. В частности проект, связанный с обработкой текстов и машинным переводом. «Мы не создавали конкурентов Яндекс.Переводу и Google Translate и так далее. Но тем не менее задача была — осуществление и построение движка перевода в рамках очень крупной отрасли, где объем документации как на русском, так и на иностранных языках велик и соответствует миллиардам слов», — пояснил Андрей.

Петр Сагаловский, ИТ-директор российской компании, рассказал о своем опыте работы в SAP, где активно пытались продвигать искусственный интеллект. Он привел пример из сферы энергетики, где энергосбытовые компании, покупают на рынке электроэнергию, выставляя почасовой прогноз потребления на сутки вперед. «Мы хотели создать инструмент, который будет делать этот прогноз потребления», — отметил он. В ходе работы модель показала, что наибольшая корреляция с данными потребления текущего дня, что делает разработку инструмента бессмысленным.

В своей текущей компании Петр использует много подобных решений, которые он называет "Commodity"(стандартные товары). Например, доступ на территорию компании осуществляется по Face ID, что стало уже привычным. Также компания использует видеоаналитику для фиксации нарушений ношения средств индивидуальной защиты (СИЗ). Петр Сагаловский подчеркнул, что они выбирают нового подрядчика с учетом количества внедрений и предлагаемого сервиса поддержки, чтобы производитель сам обучал модель ИИ на определение новых масок или очков, появившихся на рынке: «Мы не хотим каждый раз обучать модели самостоятельно, когда аналогичные работы будут выполняться еще в нескольких десятках компаний. Мы хотим получать это в качестве «обновления» к нашей системе в рамках поддержки». Кроме того ИИ используется для автоматической классификации поступающих обращений в службу HelpDesk.

Риски ИИ

Не обошли стороной и обсуждение рисков, которые несет внедрение нейросетей. «Когда мы говорим про основное производство, нам требуется разработка заказных решений, потому что каждая компания в этой области уникальна, у нас химия, опасное производство, и здесь мы идем по пути создания алгоритмических моделей, в таких условиях важно понимать как идет технологический процесс в каждую единицу времени, так как ошибки могут привести к серьезным последствиям, например утечке хлора», - рассказал Петр Сагаловский.

Дмитрий Бурцев, директор по развитию консалтинга Arenadata, отметил, что большинство крупных языковых моделей (LLM), включая open-source решения, разработаны на Западе. «Мы можем использовать такие модели и получить хорошие результаты, но запускать их в России становится опасным из-за юридических рисков», — подчеркнул он, указав, что обучение крупных LLM-моделей с 13-18 миллиардами параметров очень дорого и требует значительных ресурсов. Он также сказал, что альтернативы, такие как Яндекс GPT, GigaChat и модели от MTS.AI уже развиваются в России. Но есть риск, что крупные языковые модели могут стать недоступными для небольших и средних компаний.

Есть еще специфический риск, связанный с использованием ИИ в государственных проектах, которые внедряются по 44-ФЗ. «Если в техническом задании будет указано применить ИИ для решения задачи, она может не решиться из-за нехватки данных», — пояснил Сергей Коган, заместитель руководителя департамента методологии, анализа и консалтинга БФТ-Холдинга. Он отметил, что модель может не обучиться и не достигнуть заданной точности, что приведет к невыполнению контракта. «Я до сих пор не понимаю, как решать такие вопросы, кроме как подписываясь на НИОКР," — добавил Сергей, подчеркнув, что невозможно заранее предсказать, решит ли ИИ поставленную задачу или нет. А это в свою очередь создает дополнительные риски при выполнении государственных контрактов.

«Мы готовили демонстрацию, создали отличный промпт, но за час до демо GPT переобучилась и дала другой ответ," — рассказал Валентин Драздов, советник по ИТ, PIX. Он отметил, что клиенты также сталкиваются с такими рисками, поэтому многие предпочитают использовать он прем решения и отключать функцию дообучения. По его словам современные GPT-системы нужно рассматривать не как универсальных солдат, а как цифровых помощников, и хотя ИИ выполняет поставленные задачи, но их нужно перепроверять. «ИИ не автоматизирует всё на 100%, но значительно ускоряет процесс, позволяя людям выполнять больше операций за то же время», — добавил он.

Что должен знать ИИ-специалист

Внедрение ИИ и автоматизация процессов требуют не только технических знаний, но и способности быстро адаптироваться к изменениям, мыслить критически и работать в команде. Важно уметь взаимодействовать с новыми технологиями, понимать их возможности и ограничения, а также знать, как интегрировать ИИ в повседневные рабочие задачи.

«Кто-нибудь из присутствующих пробовал нарисовать картинку с помощью ChatGPT или Кандинского?»,- спросил участников Петр Сагаловский. Он объяснил, что пользователи часто приходят к айтишникам с просьбой: «Сделай мне хорошо», и специалисты находят способы удовлетворить запросы. Машина так не сможет. Машине нужно подробно расписать, что для тебя хорошо. «Я пытался нарисовать картинку: Уплывающий кит. Люди стоят на острове. Машут ему рукой. А он фонтан выпускает. Но всегда получался крокодил вместо кита, - рассказал Петр, - поэтому навык писать четкие требования будет специфическим и важным для цифровых сотрудников. Он будет только развиваться».

Андрей Моисеев считает, что будущее за специалистами, которые будут выступать в роли «переводчиков» между языком бизнеса и языком ИИ. «Будущее за квазипереводчиками, которые смогут адаптировать текст и бизнес-процессы для корректной загрузки в ИИ-модели», — отметил Андрей. Он подчеркнул важность написания промптов и адаптации бизнес-процессов для эффективного использования ИИ.

Иван Козлов, ИТ-директор ГК «Латео» добавил, что роль аналитиков, умеющих разговаривать как на языке пользователей, так и на языке программистов, становится все более важной. «Когда пользователь приходит к программисту и говорит, сделай мне хорошо, обычно получается плохо», — пояснил он, - Именно поэтому возникла промежуточная роль бизнес-аналитика. Вполне может быть, что скоро появятся аналитики, которые будут писать промпты, понимая, что хочет человек и как это нужно машине сформулировать. По мнению Ивана, аналитики могут переключиться на постановку задач для ИИ, а не для программистов, что станет новой вехой в развитии профессиональных компетенций.

Инна Сенчугова уверена, что их системный администратор в совершенстве владеет Chat GPT: «Когда я ставлю задачу мониторить работу сканеров билетов для считывания билетов зрителей или искать устройства, которые несанкционированного подключаются в нашу сеть, он использует Chat GPT для создания PowerShell скриптов. GPT выдаёт скрипт, он его внедряет, и задача решена».

Она отметила, что дело не в том, что администратор знает, как это сделать, а в том, что он умеет правильно запросить необходимую информацию у нейросети. По её словам, около 20% автоматизации в их театре достигается благодаря Chat GPT.

Важность навыка быстрого обучения, особенно для руководителей компаний вряд ли подлежит сомнению. «Технологии продолжают ускоряться, и в первую очередь менеджменту компании нужно уметь быстро учиться и постоянно пересматривать подходы к своей работе и работе сотрудников», — пояснил Михаил Телегин. Он подчеркнул, что в условиях, когда кадры дорожают и требуется повышение эффективности, использование современных инструментов становится необходимостью.

Заключение

Тарас Сорока, модератор круглого стола, предложил завершить дискуссию на позитивной ноте, подчеркивая важность постепенных шагов во внедрении искусственного интеллекта. «Если мы рассматриваем искусственный интеллект во всех его проявлениях, будь то генеративные модели, распознавание образов или что-то иное – не будет такого, что ИИ изменит всю отрасль, ИИ как таковой не станет геймченджером», — отметил он. Однако если подходить к этому как к постепенному движению вперед, то можно достичь значительных результатов. Он подчеркнул важность последовательного внедрения небольших проектов: «Сегодня мы внедрили чат-бот, сделали динамическое ценообразование, какую-то предиктивную аналитику, сэкономили 5 миллионов рублей здесь, 12 миллионов там, и 20 миллионов еще где-то». Такие шаги, по его мнению, постепенно усложняясь и строясь на базе предыдущих проектов, уже смогут превратить искусственный интеллект в настоящего геймченджера. Те компании, которые будут двигаться постепенно, окажутся значительно впереди тех, кто этого не сделает, и это приведет к качественным изменениям в их отрасли.