В промышленности наблюдается неоднородная картина в отношении цифровизации. В отличие от банков, телекома и IT-компаний, производственные предприятия не всегда активно внедряют цифровые технологии. Хотя ситуация меняется, сохраняется разрыв и успехи в разных отраслях варьируются. Тем не менее даже в промышленности есть цифровые лидеры, которые давно используют передовые технологии.
По моему пришлому опыту одной из причин медленного внедрения цифровых технологий в промышленности является закрытость ряда компаний. Не все компании готовы делиться данными, информацией о своей эффективности и кейсами. Это создает барьеры для обмена опытом и распространения лучших практик. Таким образом, не отрасль в целом, а конкретные компании определяют уровень открытости к новым технологиям.
Об эволюции в ИИ-моделях
Сегодня многие компании используют готовые модели ИИ, а не разрабатывают свои собственные. Это стало новым бизнес-подходом, который позволяет быстро внедрять технологии. Хотя гиганты продолжают создавать свои модели, большинство компаний предпочитают использовать уже существующие решения.
Раньше для обучения моделей требовались годы накопления и подготовки данных. Теперь же можно быстро взять готовую открытую модель, попробовать ее применить и, если не получилось, попробовать другую. Можно даже комбинировать несколько моделей. Это значительно ускоряет процесс внедрения и получения результатов, что объясняет текущий взрывной рост интереса к ИИ.
Все компании внедряют технологии, но не все об этом говорят. В последнее время наблюдается взрывной рост популярности ИИ, особенно после появления LLM-моделей. Я сам, работая в промышленности всю жизнь, видел, как машинное обучение применялось еще в 2019 г. Сейчас стало проще использовать готовые открытые модели и быстро получать результаты.
Оценка экономического эффекта от ИИ
Оценка экономического эффекта от внедрения ИИ остается сложной задачей, так как нет единой методики. Однако существуют классические подходы: если раньше что-то делалось, а теперь нет, или если затраты сократились — это уже показатель. Например, проверка каждого звонка оператора вместо каждого сотого позволяет улучшить качество. Прямые экономические эффекты могут быть трудноизмеримы, но косвенные улучшения очевидны.
Наблюдается переход к разумной автоматизации, когда автоматизируется только то, что действительно эффективно. Раньше был ажиотаж вокруг цифровизации и некоторые вещи делались без четкой цели. Теперь же каждый проект, будь то ИИ или IT, оценивается на предмет необходимости и ожидаемых эффектов, в первую очередь экономических.
Об опыте «Акрон Холдинг»
Мы тоже начинали с экспериментов. Для нас генеративный ИИ был новой областью. У нас не было готовой команды, поэтому мы создали исследовательскую группу, которая изучала технологию, ее применение и возможности. Мы провели множество встреч с лидерами рынка и стартапами, а также значительный R&D период, прежде чем появились первые кейсы.
Наш фокус — на производственных процессах, взаимодействии с клиентами и офисных задачах, таких как планирование производства, безопасность, закупки, работа с клиентами которые можно улучшить с помощью ИИ. Это позволяет нам оптимизировать работу и повышать эффективность.
Об итогах и прогнозах
Рынок ИИ относительно молод, но интерес к нему растет. Особенно заметен рост интереса к генеративному ИИ в последние год-два. Многие компании, которые раньше экспериментировали, теперь видят реальные результаты. Сейчас практически любой IT-продукт либо уже включает элементы ИИ, либо активно их внедряет, предлагая новые возможности, такие как прогнозирование и аналитика.
В ближайшие пять лет ИИ будет активно развиваться и, возможно, сформирует целую новую отрасль. Регулирование станет более упорядоченным, понятным и прозрачным. ИИ станет для нас обыденной технологией, такой же привычной, как и другие инновации.
