По данным KPMG, компании по всему миру увеличивают объем инвестиций в технологии искусственного интеллекта (ИИ) в расчете на повышение конкурентоспособности и эффективности. В ближайший год средняя сумма инвестиций предприятия в ИИ составит 186 млн долл. В числе главных проблем - обеспечение безопасности данных, конфиденциальности и координации на уровне всей компании при внедрении ИИ-проектов.
Сколько стоит?
Компания KPMG представила итоги первого глобального исследования (Global AI Pulse) с анализом текущего состояния и перспектив развития ИИ в бизнесе. В опросе приняли участие более 2,1 тыс руководителей из 20 стран, и это, по мнению авторов исследования, позволило получить комплексное представление о том, как компании адаптируются к новым вызовам и возможностям, связанным с использованием нейросетей.
Опрос показал, что уже 64% компаний не просто работают с сервисами и решениями на основе ИИ, но и отмечают существенную выгоду для бизнеса от их применения. Средняя сумма инвестиций в ИИ в ближайшие 12 месяцев составит 186 млн долл. США. В Азиатско-Тихоокеанском регионе этот показатель достигает 245 млн долларов, в Северной и Южной Америке - 178 млн долларов, а в Европе, на Ближнем Востоке и в Африке - 157 млн долларов.
Несмотря на то что 95% компаний декларируют наличие стратегии в области ИИ, только 8% смогли добиться окупаемости инвестиций. В то же время 74% руководителей из числа участников опроса выразили озабоченность вопросами безопасности данных, конфиденциальности и рисками, связанными с применением ИИ. Чуть больше половины ИИ-проектов (54%) находятся на начальных этапах внедрения: 11% - еще на стадии исследований и разработки, 22% - на уровне пилотов, а 21% - на уровне стратегического планирования.
Вместе с тем, 39% компаний уже масштабируют и активно внедряют ИИ: 26% осуществляют масштабирование технологий на уровне всей организации, а 13% занимаются внедрением специализированных ИИ-программ. Также эксперты отмечают, что темпы роста производительности компаний отстают от объемов инвестиций в ИИ.
Основные препятствия
Внедрение ИИ происходит неравномерно, и лишь немногие компании способны стабильно измерять и наращивать ценность от ИИ-проектов. Ключевыми препятствиями с точки зрения масштабирования ИИ являются защита данных и кибербезопасность (42%), качество данных (34%) и неопределенность регулирования (31%).
Как указывают авторы исследования, внедрение ИИ в бизнес-процессы - это задача, требующая комплексного подхода и учёта множества факторов. Несмотря на значительный потенциал ИИ, компании сталкиваются с рядом типичных трудностей, которые могут замедлить или даже сорвать успешную интеграцию новых технологий.
Во-первых, это недостаточная интеграция с существующими системами. ИИ-решения часто сложно интегрировать с уже работающими корпоративными системами и инфраструктурой. Во-вторых, разрозненность данных. Отсутствие единого подхода к управлению данными затрудняет их использование для обучения и работы ИИ. В-третьих, неопределённость целей. Без ясной стратегии внедрения ИИ-проекты могут оказаться разрозненными и неэффективными.
В-четвертых, слабое управление. Недостаток координации между подразделениями и отсутствие ответственных за ИИ-инициативы приводят к дублированию усилий и потере ресурсов. В-пятых, сопротивление изменениям со стороны персонала. Сотрудники могут неохотно принимать новые технологии из-за страха потери рабочих мест или необходимости осваивать новые навыки.
В числе других проблем - технологические ограничения, вопросы этики, безопасности и регулирования. Инфраструктура может быть не готова к обработке больших объёмов данных или к поддержке сложных моделей ИИ. А использование ИИ способно вызывать вопросы, связанные с приватностью, предвзятостью алгоритмов и прозрачностью решений. Кроме того, быстрое развитие технологий опережает формирование нормативной базы, что создаёт дополнительные риски для бизнеса.
И о рисках
Помимо этого, внедрение ИИ связано с рядом существенных рисков. В частности, это ошибки и предвзятость алгоритмов, зависимость от качества данных. ИИ может принимать ошибочные или дискриминационные решения, если обучающие данные были неполными или искажёнными. А эффективность ИИ напрямую зависит от объёма, актуальности и чистоты данных. Недостаток или низкое качество данных резко снижает результативность. Плюс внедрение ИИ часто требует глубокой перестройки ИТ-инфраструктуры, что связано с дополнительными затратами и рисками сбоев.
Также компаниям не всегда удаётся быстро и точно оценить экономический эффект от внедрения ИИ, особенно на начальных этапах. Существует и риск быстрого устаревания технологий. Как отмечают авторы исследования, сфера ИИ развивается стремительно, и внедрённые решения могут потерять актуальность уже через несколько лет.