Почему не надо выжидать
Когда бывший президент Google в Китае Кай-Фу Ли сравнивает искусственный интеллект с электричеством, это не фигура речи. В конце XIX века фабрики, затянувшие с электрификацией, исчезали; сегодня та же участь ждёт компании, которые медлят с внедрением ИИ. Пять лет назад машинное обучение казалось большинству отраслей экспериментом.
Сейчас нейросети незаметно проверяют счета-фактуры, анализируют рентгенограммы, оптимизируют маршруты доставки и рассчитывают страховые тарифы - и всё это внутри фирм, ещё недавно считавших себя традиционными.
Почему не будет как раньше.
- От исследований - к внедрению. Прорывы в ИИ в прошлом требовали докторских степеней и публикаций. Сегодня дефицитный ресурс не алгоритмы, а умение встроить готовые модели в процессы и данные компании.
- Китай взлетел в четырёх «волнах ИИ» (Интернет, Бизнес, Восприятие, Автономность) не благодаря уникальным алгоритмам, а благодаря океанам пользовательских данных. Ваш главный актив - отраслевые данные, которые вы уже собираете, но пока не монетизируете.
Четыре волны ИИ и место вашего бизнеса
Интернет-ИИ
Онлайн-ритейлеры и медиа персонализируют ленты и предложения. Офлайн-компании могут делать то же, сочетая digital-следы с данными программ лояльности.
Бизнес-ИИ
Банки, страховщики, оптовики и B2B-сервисы годами копят структурированные таблицы - идеальное топливо для моделей по скорингу, безопасности и прогнозированию спроса.
ИИ восприятия
Камеры, датчики и голосовые интерфейсы превращают склады, фермы и торговые залы в потоки данных. Дешевеющее и более производительное железо даёт доступ к компьютерному зрению и обработке голоса даже среднему бизнесу.
Автономный ИИ
Беспилотные авто - лишь вершина айсберга. Автономность приходит к офисным процессам: «безручные» одобрения займов, автоматическое ценообразование и др.
С чего начать, если вы владелец бизнеса
Шаг 1. Найдите узкую, но дорогую проблему. Например: классификация гарантийных заявок, прогноз задержек поставок, сортировка клиентских писем. Один правильно выбранный микрокейс способен окупить всё внедрение.
Шаг 2. Проведите ревизию данных. Треть проектов стопорится из-за разрозненных, плохо помеченных или недоступных данных. «Гигиена данных» часто приносит больше пользы, чем самая крутая модель.
Шаг 3. Объедините инсайдеров и технарей. Бизнес-эксперты знают, зачем процесс важен, программисты - как превратить его в функции и метрики. Успешные команды работают в одном чате и встречаются ежедневно, а не раз в квартал.
Шаг 4. Сделайте прототип, измеряйте, повторяйте. ИИ пока не точная наука. Запустите прототип за 90 дней, измеряйте неким понятным для вас показателем (минуты на обработку документа, точность прогноза), и улучшайте результат. Скорость важнее идеала.
Эпоха презентаций «про будущее» закончилась; началась эпоха дисциплинированных внедрений. Выберите фокусную задачу, задействуйте уже имеющиеся данные и запустите пилот за три месяца. Кто сделает это сегодня, завтра будет зарабатывать быстрее конкурентов. Тот, кто отложит, рискует повторить судьбу динозавров рынка - остаться красивым, но историческим примером.
