ИИ для бизнеса и разработки: как найти баланс
«Этот текст написан нейросетью» — так теперь звучит страх любого заказчика, который заплатил за человеческий труд, а получил то, что получил...
Безусловно, отрицать появление новых технологий и необходимость внедрения их в процессы разработки некорректно, но и придерживаться принципа, что «теперь нейросети и роботы всё будут делать за нас» тоже неправильно. В этой статье с коллегами из SimbirSoft порассуждаем о том, как технологии искусственного интеллекта используются в процессах разработки и к чему это может привести. Тем более Gartner отмечает, что разработка с применением ИИ-инструментов на разных стадиях жизненного цикла ПО уже набирает обороты во всем мире и к 2028 году может достигнуть 75%.
Для каких задач бизнес уже использует ИИ
По данным опроса «Яков и партнеры» (ранее McKinsey в России), 20% российских компаний используют генеративный искусственный интеллект для решения тех или иных задач. НИУ ВШЭ сообщает, что 65% опрошенных организаций применяют ИИ в тестовом режиме, изучая и оценивая возможности решений для их бизнеса. Однако на ИИ пока готовы тратить не более 1% от общих затрат на внедрение цифровых технологий.
В мировой практике прогноз более оптимистичный. По данным опроса консалтинговой компании Ernst&Young, 99% CEO планируют инвестировать в генеративный ИИ (GenAI), а 70% считают, что без этого потеряют стратегическое преимущество над конкурентами. В 2023 году венчурные инвесторы вложили в GenAI свыше $36 млрд, что более чем в два раза превышает показатели 2022 года. Это позволяет прогнозировать рост количества продуктов с ИИ.
И мировые, и российские компании сходятся в запросе на готовые «коробочные» ИИ-решения и использовании открытого ПО для внутренней разработки. Хотя так или иначе все понимают, что это потребует доработки и настройки под их специфику.
Тем не менее модели становятся более доступными: компании готовы делиться опытом и даже открывают доступ к API, предоставляя набор готовых инструментов. Российский бизнес отдает предпочтение преимущественно отечественным продуктам: 82,4% выбирают технологические решения для распознавания и синтеза речи, 60% — системы с использованием биометрии, компьютерного зрения и машинного обучения.
Таким образом, ИИ уже сегодня помогает бизнесу:
- распознавать и обрабатывать разные типы данных — фото, видео и аудио, а значит, контролировать состояние объектов, предупреждать аварийные ситуации и повышать безопасность;
- обрабатывать и анализировать большие объемы данных, помогая принимать управленческие решения для оптимизации и роста эффективности производственных и бизнес-процессов;
- создавать и адаптировать контент под разные цели и аудитории;
- прогнозировать действия покупателей и составлять персональные предложения на основе анализа интересов аудитории.
На подходе — ИИ-решения для генерации кода в ИТ, проектирования в строительстве и промышленности.
Самая полезная, на наш взгляд, стратегия взаимодействия с ИИ — рассматривать его как помощника для ускорения и повышения эффективности человеческого труда. Результат работы специалиста, который использует нейросети и знает, как это делать правильно, всегда будет лучше того, что создан только нейросетью.
Как ИИ-технологии используются в ИТ-компаниях
По оценкам экспертов, ИИ-помощники могут сэкономить 10–15% рабочего времени специалистов, прежде всего на выполнении рутинных задач.
● Самый простой вариант применения ИИ — оптимизация и ускорение внутренних процессов, поддерживающих скорость и качество работы.
Например, мы часто проводим обучающие занятия для коллег, в том числе с участием приглашенных экспертов, встречи для обсуждения стратегических и/или операционных задач компании и другие мероприятия. Чтобы зафиксировать и распространить важную информацию среди сотрудников, ведем аудиозапись. Для автоматизации процесса обработки аудио и перевода его в текст мы создали ИИ-сервис. Для этого использовали готовые наработки — две модели: одна из них переводит звук в текст, вторая разбивает текст на предложения. Обработка такого текста занимает намного меньше времени, чем это было, когда аудиозапись расшифровывали вручную.
● Самое распространенное использование ИИ — генерация тестовых данных. Например, нейросети помогают быстро сгенерировать правдоподобные фамилии с нужным количеством символов из конкретной страны или наполнить базу данных вымышленными адресами и телефонами. Однако важно учитывать, что это только имитация данных.
Кроме того, нейросети могут предложить варианты чит-листов (готовых наборов проверок) для тестирования стандартных форм (ввод даты рождения, маски телефона и пр). При правильно составленном запросе ИИ также подскажет, какие потенциальные ошибки/риски могут встретиться в функционале, скажем, при загрузке файла на сервер или копировании в текстовую форму.
Важно: нейросети могут стать помощником ИТ-специалиста только в том случае, если эксперт погружен в предметную область приложения и имеет обширные знания в разработке и тестировании ПО. Но ИИ не поможет при наличии конфиденциальных данных, в математических или экономических расчетах, а также в решении задач, где требуется глубокое погружение в логику работы системы.
● Из самых популярных ИИ-технологий, которые используются непосредственно в проектах, можем отметить компьютерное зрение и машинное обучение (Machine Learning, ML). Безусловно, ML-проекты отличаются от других ИТ-проектов по автоматизации бизнес-процессов, прежде всего, сложностью планирования и управления, а также высокой долей неопределенности — в плане достижимости успеха и способов его достижения.
Однако это не делает их менее привлекательными для бизнеса. Сегодня ML-алгоритмы применяются практически во всех сферах — от торговли и логистики до медицины и кибербезопасности. Не секрет, что такие решения помогают компаниям увеличивать производительность труда и экономить время, управлять запасами и ресурсами, совершенствовать имеющиеся и запускать новые сервисы. Кроме того, ML-модели могут предупреждать о надвигающемся падении систем/отказе оборудования, мошенничестве и утечках данных, и даже предотвращать аварийные ситуации.
Но вот для создания кода на коммерческих проектах заказчиков использовать ИИ-инструменты, на наш взгляд, неэтично, по следующим причинам.
Во-первых, ИИ сравнительно новая технология. К ее использованию еще не все сферы успели «прикипеть», чтобы воспринимать как данность, которая при умелом применении может ускорить получение результата. Да и не для всех это подойдет. Открытый код создает ограничение в использовании ИИ в бизнесе, для которого риск утечки данных будет критичным. Поэтому многие эксперты советуют сначала выстроить надежную систему управления данными в компании, а уже потом внедрять ИИ-инструменты.
Во-вторых, заказчик платит подрядчику за экспертные услуги, ожидая оригинального и качественного решения его бизнес-задач. Если на выходе нужно предоставить решение, отличающееся от стандартного, то человеческий разум однозначно выигрывает, так как именно он способен создать что-то принципиально новое.
В-третьих, чтобы применять ИИ для реализации прикладных задач, нужно, чтобы он решал именно эти задачи, а не только генерировал что-то в ответ на запрос специалиста. Да, ИИ — хороший помощник, но с ним тоже нужно учиться взаимодействовать. Нередко придется создавать по несколько десятков запросов, чтобы на выходе получить отвечающий всем требованиям результат, а значит, потратить немало времени.
На наш взгляд, до комплексного внедрения ИИ на всех этапах жизненного цикла разработки потребуется:
- Создать общие для всей ИТ-отрасли стандарты применения ИИ: где применять ИИ этично, а где нет, какие данные и инструменты можно в тех или иных аспектах разработки и т. п.
- Разработать способы защиты ИИ-систем от кибератак и обеспечения сохранности данных пользователей. Один из возможных
вариантов достижения этой цели — обучение и сертификация ИИ-моделей на основе качественных данных. При этом сам процесс сбора, использования, передачи, архивирования и удаления данных, применяемых в ИИ-системах, должен осуществляться в соответствии с универсальными морально-этическими принципами, требованиями законодательства и нормами международного права.
- Организовать процесс подготовки, оценки и развития компетенций профильных технических специалистов по внедрению ИИ на предприятии в рамках тренда на технологический суверенитет. И к решению этой задачи должны подключиться уже все заинтересованные стороны.
О чем стоит задуматься
Под контролем специалиста ИИ-технологии нередко помогают найти решения сложных задач и увидеть то, что ускользает от внимания человека, особенно в сфере здравоохранения, производства и эксплуатации. ИИ беспристрастен, он не будет основываться на чувствах и эмоциях, только на объеме данных, а значит, выдаст именно то решение, которое будет наиболее точно соответствовать заданным требованиям.
Как уже упоминалось, эти требования или запрос тоже нужно уметь сформулировать. Поэтому применение ИИ в разработке не представляется возможным без владения базовыми знаниями и понимания процессов действия систем изнутри, основных сущностей создаваемых решений и способов взаимодействий систем друг с другом. Проще говоря, чтобы поставить задачу, нужно понимать, как эта задача будет выполняться — какие шаги должен сделать каждый участник процесса и какой результат ожидается на выходе процесса. Важно иметь в виду, что использование ИИ не всегда «удобно». Есть случаи, когда это может поставить под сомнение применение определенных методов обработки данных, исторически сложившихся на протяжении долгих лет. Один из таких примеров — случай, когда студенты университета Колумбии с помощью ИИ обнаружили ошибку в исследованиях криминалистов. Теперь это открытие может дать новый виток развития судебных дел, по которым неправильно провели экспертизу.
В любом случае, чтобы понять, нужно ли вам использовать искусственный интеллект, изучите все возможные варианты, взвесьте все за и против, проанализируйте сферы, где ИИ проявляет себя лучше всего, и только после этого начинайте внедрять инструменты. Да, за ИИ будущее, но, как и любой интеллект, его надо обучать под себя.
Опубликовано 24.01.2024