Бизнес будущего. Стал ли искусственный интеллект универсальным помощником для предпринимателей?

В сфере IT с каждым днем возрастает актуальность систем, основанных на использовании искусственного интеллекта. Однако далеко не каждый бизнес может похвастаться применением «интеллектуальных» алгоритмов в работе. Разберемся, почему для одних ИИ стал универсальным помощником, а для других остается технологией будущего.

Современные тренды в области информационных технологий говорят о возрастающем спросе на услуги по внедрению автоматизированных систем на производства, а также повышении интереса к данной отрасли в целом. Несмотря на активное развитие IT и ее незримом присутствии практически в каждом моменте нашей повседневной жизни, для массовой аудитории использование искусственного интеллекта остается фантастической технологией завтрашнего дня, а не информационным будущим, которое уже здесь.

Крупные IT компании, задающие актуальные тенденции в развитии рынка, занимаются не только активным развитием личного бренда, но и популяризацией данной темы у аудитории. Вопрос информированности общества является ключевым, так как от него напрямую зависит повышение спроса и на услуги. Более востребованным будет тот продукт, который интеллектуально доступен и понятен потенциальному заказчику. Это определяет необходимость расширения области знаний своей ЦА, посвящение ее в детали работы и ознакомление с применяемыми методами и технологиями.

От первого контакта до запуска проекта проходит огромная работа, причем не только техническая. Первой и наиболее важной частью решения того или иного запроса заказчика является сбор и анализ вводных данных, с которыми в дальнейшем придется работать команде разработчиков. Подобный опыт планирования позволяет избежать недопонимания и конфликтов на более поздних этапах работы. В ходе подготовки нередко оказывается, что перспективный на первый взгляд проект оказывается неосуществим или нерентабелен с точки зрения реализации. В рамках данной статьи предлагаем рассмотреть несколько кейсов из опыта нашей компании, на примере которых можно понять, почему одни задачи имеет смысл решать посредством внедрения ИИ, а другие нет.

Начнем с наиболее распространенных в мире систем компьютерного зрения — продуктов с технологией распознавания лиц. Так наша компания устанавливала камеры в международные аэропорты и автобусы МинТранса для осуществления контроля за рабочей сменой операторов систем досмотра багажа и водителей автобусов. Внедренные решения помогают отслеживать недобросовестное отношение к должностным обязанностям и нарушение трудовой дисциплины на объектах с повышенным уровнем опасности: расфокусировка внимания, отвлечение на телефон, разговор с коллегой, а то и сон на рабочем месте. Условия эксплуатации вносят ряд дополнительных трудностей, с которыми сталкивается команда разработки в процессе внедрения систем. К примеру, в аэропортах, помимо уровня освещения, которое часто менялось из-за погоды и бликов от стеклянных стен, еще одной особенностью при внедрении оказался большой поток лиц людей, проходящих мимо и заглядывающих в экраны оператора. Нам нужно было научиться отличать лицо оператора от всех остальных. Для того, чтобы победить эту сложность было принято решение выбирать самое большое лицо в кадре, то есть то, которое занимает больше всего пикселей на входном изображении с камеры.

Одним из менее типовых проектов, основанных на использовании технологий машинного обучения, является их применение для определения дефектов на транспортных средствах с целью автоматизации процесса получения выплат от страховых организаций. Система компьютерного зрения имеет административную панель для учёта статистики, умеет определять грязные автомобили для фильтрации их из общего списка при определении повреждений, а в случаях соблюдения условий необходимого качества входных данных позволяет выявить степень поврежденности: слабые, средней тяжести и критические, тотальные повреждения машин для передачи в страховой сервис.

Еще в 2021 году особенно актуальной стал запрос на систему, которую мы внедряли для одной из диспетчерских служб. Решение позволяет относить подъехавший автомобиль к одному из классов: скорая помощь, такси, трактор, полиция или гражданский автомобиль и открывать шлагбаум на ограниченные территории. Система особенно стала «популярной» после подписания М. В. Мишустиным постановления правительства N 428-ПП, которое вступило в силу с 1 января 2021 года. Оно содержит значительные штрафные санкции за ограничение проезда службам специального назначения. Система проста во внедрении и обслуживании, поэтому не требует большого количества ресурсов, а польза в том числе и социальная достаточна большая, учитывая, что в интернет до сих пор попадают ролики, где из-за шлагбаумов скорая или пожарная службы не могут проехать на вызов.

К сожалению, не все входящие запросы, которые проходили согласование, дошли до этапа технической разработки и внедрения. Наша команда ведет учёт и тех проектов, которые по тем или иным причинам не удалось реализовать. Это создает широкую базу для изучения и совершенствования применяемых методик и инструментов, а также позволяет развивать способности к нестандартному решению поставленных задач за счет проработки предыдущих ошибок и неудач.

Пропуская через себя все эти запросы, задумываешься, а что всё-таки могло помешать их запуску? С одной стороны, это мог быть custdev рынка и поиск альтернатив со стороны заказчиков для «проведения» конкурсов, создания искусственной конкуренции или обоснования заранее выбранных подходов дружественных подрядчиков. Но с другой стороны проблемы могли возникать и в процессе обоснования важности этапов внедрения нами. Другими причинами, по которым проект не доходил до запуска, были невозможность получения данных или получение их лишь в столь малом объеме, что он не позволял системе работать с приемлемой для принесения бизнесу выгоды точности. Также многих пугает этап исследования, который мы предлагаем для не типовых проектов. Он воспринимается, как потраченные деньги без гарантии результата, однако на мой взгляд в данной сфере он необходим. Где-то расходы на такой предпроектный анализ мы берем на себя, а где-то выполняем лишь по себестоимости. Но он позволяет минимизировать риски каждой из сторон в масштабах бюджета всего проекта, честно ответить заказчику о пользе будущей системы и четко сформулировать образ конечного результата.

Практика разбора успешно внедренных и не запустившихся проектов помогает компаниям, в том числе и нашей, совершенствовать подход к взаимодействию с потенциальными клиентами, проводить работу над ошибками, а также модернизировать инструменты и методы работы для повышения эффективности.

Подводя итог, можно сказать, что большой брат становится ближе. И решения с алгоритмами машинного обучения, целью которых является автоматизация тех или иных рутинных процессов, несомненно набирают значительную популярность среди представителей бизнеса. Однако не стоит забывать, что данная сфера относительно недавно перешла в фазу активного развития, а значит инструменты и методики, свойственные ей еще далеко не совершенны, особенно в случае их внедрения без наличия специализированных знаний. Отсюда следует, что, несмотря на огромный потенциал применения подобных технологий среди бизнеса, они не являются универсальными и результаты часто могут не совпадать с ожиданиями заказчиков. Но AI непрерывно развивается и уже многие предприниматели могут похвастаться их успешным внедрением на предприятиях, однако в современных реалиях для многих эти технологии так и остаются удивительным инструментом будущего.