7 проблем, которые мешают внедрить ИИ в работу — исследование Salesforce
Инсайты 10.000 аналитиков, айтишников и руководителей — и все про ИИ. Если вы были не в теме искусственного интеллекта и хотите разобраться на опыте реальных компаний, что к чему, читайте статью.
Всем привет! На связи команда корпоративного мессенджера Compass. Делимся переводом большого исследования про ИИ и базы данных.
Искусственный интеллект уже показал, что умеет много всего полезного и упрощает работу компании. Но у него есть барьеры, которые до сих не дали ИИ захватить мир, а компаниям — внедрить его в процессы. Разбираем эти барьеры и рассказываем, что делать.
Главная проблема: генеративному ИИ нужна диета
Получить ответ на любой запрос, изобрести закон и проанализировать рынок: всего этого недостаточно, чтобы ИИ работал на бизнес.
После бума на искусственный интеллект исследователи поняли: мало вкладываться в технические возможности AI в надежде, что он изменит и оптимизирует работу. Важнее стали проверенные данные. Компании хотят привить AI ценность фактчекинга: вот после этого-то всё и изменится.
Но дело не только в надежности данных: есть и другие проблемы, которые тормозят компании. Рассказываем о них ниже.
Еще 6 причин, почему ИИ трудно внедрить
ИТ-инфраструктура компаний не готова к ИИ
Базы данных компаний и их техническая структура пока не готовы к искусственному интеллекту. Внутри инфраструктуры пока мало инструментов, которые легко синхронизируются с ИИ: просто потому что ИИ — штука новая, а когда инфраструктура создавалась, у нее не было задачи работать с искусственным интеллектом.
Нет единой системы данных
Если у вас до сих пор вся инфа хранится в десятках таблицах, документах и приложениях, есть повод задуматься о какой-то единой платформе или продуманной системе хранения.
Без организованной системы данных ИИ не даст результат.
Неточность данных
Искусственный интеллект ограничивается данными компании и открытых источников, поэтому может не давать полной картины или использовать ненадежную информацию.
Этические вопросы
Во-первых, ИИ не всегда принимает решения исходя из ценности человеческой жизни, хотя иногда ее можно задавать, как условие.
Во-вторых, ИИ работает на основе данных из интернета, а там полно неэтичных стереотипов. Например, по запросу «доктор» чаще выпадают мужчины, «учитель» — женщина, «женщина» — домохозяйка и прочее.
Это называется AI bias — пристрастность ИИ.
Нет системного сбора данных и дата-стратегии
41% лидеров говорят, что их дата-стратегия только частично согласована с целями или не согласована вовсе. Это значит, что нет связной аналитики данных о пользователе и рынке. А без этого внедрить ИИ сложно: ему просто будет нечего анализировать.
Угрозы безопасности
78% аналитиков, руководителей и айти-лидеров говорят, что им трудно добиваться бизнес-целей из-за проблем с данными: в том числе с их безопасностью.
Во-первых, уже появляются прецеденты, где ИИ как бы незаконно анализирует материалы книг, например. Хотя авторы на это согласия не давали.
Во-вторых, нет ясности: что будет с загруженным в ИИ данными. Непонятно, станут ли они частью знаний ИИ или нет. А там может быть конфиденциальная инфа и о пользователях, и о компании.
Получается конфликт: можно внедрить ИИ и добиваться целей с его помощью, но это угрожает безопасности компании и пользователей.
Как внедрять ИИ и решать проблемы выше: 4 совета
Совет №1: Инвестируйте в проверенную инфу для ИИ, чтобы получать достоверные выводы на выходе
79% аналитиков и руководителей планируют инвестировать в визуализации данных и ИИ, 75% — в обучение и и развитие искусственного интеллекта с помощью проверенных данных.
Чтобы получать проверенную инфу для загрузки в ИИ, вкладывайте в аналитику: на аутсорсе или инхаус.
Совет №2: Меняйте подход к управлению информацией, чтобы снизить гравитацию данных
Выше мы уже писали, что без единой системы данных сложно внедрить ИИ. Поэтому руководители организуют информацию так, чтобы ее было проще использовать, а не только хранить.
Например, 85% аналитиков и айти-руководителей управляют данными, чтобы контролировать и подтверждать качество информации. Если этого не делать, ИИ начнет потреблять некачественные данные и выдавать некорректные результаты.
Получается, что ИИ — стимул навести порядок в том, как компания организует базы данных и как их использует.
Гравитация данных происходит, когда информация внутри компании разбросана по разным системам или находится в местах, откуда ее трудно экспортировать, объединять и анализировать.
Поэтому 75% аналитиков и айти-компаний уже запустили миграцию хранилищ данных и начали переносить базы на новые платформы.
Совет №3: Ищите новые платформы и бизнес-решения для хранения и анализа данных, чтобы внедрять ИИ
96% руководителей и аналитиков говорят, что ИИ и прочные базы данных ускоряют принятие решений.
Совет №4: Ищите процессы, где ИИ будет полезен, а не внедряйте, только чтобы внедрить
На хайпе новостей про ИИ можно сойти с ума и подключать его ко всем процессам подряд, чтобы не упустить возможностей новой эпохи. И это может стать ошибкой — не всем процессам нужен ИИ, не везде он дает результат и не везде он будет упрощать работу.
Смотрите на работу компании трезво и анализируйте процессы, чтобы найти точки применения ИИ до того, как его внедрить.
То же самое, но в 5 раз короче
Выводы из исследования. Вот, что мешает адекватно внедрить ИИ в работу компании:
- ИТ-инфраструктура не готова к ИИ. Данные сложно анализировать и загружать ИИ, а если делать все руками — потратите кучу времени.
- Нет единой системы данных. Когда разные отделы работают на пяти платформах сразу, и никто толком не знает: где найти какую-то информацию — в гугл-доке, миро или закрепе в телеграме.
- Данные неточные, непроверенные или их вообще нет. Так называют компании с низкой дата-зрелостью: когда данные не собираются и не анализируется на каждом этапе
- Этика. Искусственный интеллект мыслит предвзято, потому что использует информацию из интернета. А там есть стереотипы и непроверенные данные.
- Цели у бизнеса есть, желание внедрить ИИ есть, а организованной стратегии сбора и аналитики данных нет. Или вообще ничего нет. Как итог — ИИ просто нечего анализировать.
- Безопасность. Во-первых, пока непонятно: законно ли использовать всю информацию, которую дает ИИ. Во-вторых, неясно: а что будет с данными, которые загружаешь в ИИ для обработки.
И советы, как преодолеть проблемы выше и внедрить ИИ в работу компании:
- Инвестировать в надежные данные и аналитику аутсорс или инхаус, чтобы ИИ выдавал корректные результаты на выходе.
- Менять подход к управлению данными и уменьшать их гравитацию. Использовать гибридные решения в хранении данных, чтобы их было проще экспортировать, хранить и использовать.
- Искать платформы и бизнес-решения, которые будет просто подключать к ИИ и синхронизировать с ним.
- Искать процессы, где ИИ будет реально полезен, а не внедрять его просто так — в страхе отстать от цивилизации.
Попробуйте корпоративный мессенджер Compass – жмите на кнопку ниже. Команды до 10 сотрудников могут пользоваться сервисом бесплатно, для команд покрупнее доступен пробный 30-дневный период.
Главная проблема — человеки, леность и инертность их мышления.
Но ничего, ИИ всё исправит (-:
Исправит, только заменив ленивых людей.
Если ИИ исправит человеков, цены ему не будет :)
читатели, комментаторы, команда Compass, можете привести хотя бы 2-3 примера, как именно ИИ могут быть полезны конкретно для обычного бизнеса? Может кейс какой есть?
Написал контент план для смм с помощью gpt - это не совсем кейс ))))
Антон, добрый день!
Могу я привести несколько примеров:
1. Подготовка протокола совещания на основании записи встречи.
ИИ транскрибирует звук в текст и из текста делает выжимку. результат Работы ИИ помещается в документ "Протокол".
То есть тут мы упрощаем жизнь секретарям и помощникам руководителей.
2. Подготовка черновика ответного письма.
Скармливаете в генеративный ИИ текст входящего письма или обращения, и просите подготовить ответ. Моделька может быть предварительна дообучена на ваших исторических данных и давать хорошие рабочие черновики ответов.
3. Маршрутизация по ответственным входящих запросов\писем\обращений.
На основании машинного обучения можно сделать так, чтобы по определенным тригеррам или содержанию(словам) ИИ распределяла задачи по ответственным.
Я часто пишу на VC статьи с кейсами применения, можете в профиле почитать.
Ниже отличный коммент, но мы добавим еще.
1. Если прикрутить ИИ к своей CRM или просто скормить боту данные, он проанализирует динамику продаж, подскажет, на каком этапе чаще всего сделки отваливаются, какие "горячие" периоды и т.д.
2. Если нужны идеи, как продвинуть продукт / увеличить продажи / что интересного вечером сделать, у вас есть партнер для брейншторма.
бвло бы круто увидеть какое-то готовое решение с применением ИИ. Прям чтобы было все разложено по полочкам, что делали, с помощью какой нейронки, что облегчили, что улучшали, как сказалось на прибыли )
Много букв сейчас посвещенных ИИ, но кажется это пока "удобный поиск"
Владимир, добрый день!
Можете у меня пару статей почитать, мы с командой внедряем ИИ в различный бизнес-отрасли.
И я пишу о кейсах и эффектах внедрения ИИ.
Кстати, не задумывалась о такой проблеме, а ведь реально могут быть большие последствия для компаний.
Ладно одно дело, когда ИИ копирайтит чью-то книгу, фильм, рассказ, который находится в свободном доступе - на самом деле это вообще не проблема, не понимаю, что все так бузят.
А вот представьте, если ИИ будет по запросу одной компании выдавать любые внутренние данные о другой компании, которая до этого загрузила в бота свои важные документы )))
Да ладно, я думаю, что это не такая проблема...
Уже через годик решат. Просто научатся разграничивать материалы отдельных ботов. + мы же не все одинаковыми нейронками будем пользоваться.
Скорее всего, там будут разные хранилища личных данных, которые будут удачно комбинироваться для одних и будут закрыты для других
открою секрет - большинство "ботов" (если не брать яндухов и тп) это дообученные модельки из открытого доступа. И есть вполне вменяемые для юзера бесплатные софтины, которые на обычном уже компутере можно поставить и загрузить свои книжки или документы. Вполне сносно отвечает.
По хорошему сейчас движ с нейронками ничем не отличается от темы с аппкой когда в разных стилях рисовала картиник (какие яндексоиды сп... ли реализацию с гитхаба упаковали за 1000 мильенов продали крупняку)
Я веду к тому, что не надо даже самому чего-то обучать придумывать и тп, просто отслеживать гитхаб и внедрять или продавать в упаковке.
С другой стороны, зачем в бота грузить настолько личную информацию...
то есть сам себя еще не научился обучать )) так бы сам упростил свою работу, чтобы меньше потреблять мощности, да и профессии обрел человеческие.
Это же реально на основе данных в интернете выполнять работу копирайтера или смм )
вот начнет ИИ покупать курсы, что будем делать с этим миром?
Мне кажется сегодня многие переоценивают ИИ.
И в статье правильно сказано, что из-за хайпа все используют его где ни попадя, а не в реально нужных областях.
и мне тоже ))
внедрять некуда )))
Все, что описано в этой статье/исследовании относится к созданию кода? Если я хочу небольшой сайт сделать и начинаю пользоваться ИИ для этого - это считается как интеграция ИИ в бизнес?
наверно нет ))
вот если вы в чат с ИИ написали "сделай мне сайт" и дальше получаете готовый результат - то да
Комментарий удален модератором
Команда корпоративного мессенджера увлеклась ИИ (вчера тоже статья у них была с упоминанием успеха завязанного на ИИ) что же будет дальше?
Рады быть полезными 😊
Пока что считаю, что ИИ не нужен для малого и среднего бизнеса. Только для большого, где есть большой объем данных, с которыми и будет работать "машина"
Или для IT сектора.
Но при этом все таки пользуюсь GPT, помогает писать хорошие посты, картинки делать. Вот именно такие задачи сейчас нейронки закрывают круто (это что может быть для малого бизнеса).
Согласны, без большого объема данных с кастомными задачи бизнеса ИИ справляется не так уж хорошо.
А вот тексты пишет неплохо 🙃
*powered by OpenAI ChatGPT
Напишите, пожалуйста, про онлифанс аккаунт, который ведет ИИ и в целом образ сгенерирован ИИ ))) Вот это будет бомба материал
Мы его нашли неделю назад, но еще изучаем 🙃
а вот мне не хватает "1 окна" в ИИ. Чтобы зайти в 1 окно и делать в нем все:) Инструментов классных много и каждый день появляется еще больше, но в нужный момент нужные вылетают из головы)
Очень полезная статья, спасибо! Набрали аргументов чтобы продавать наш продукт для управления данными)
Я что-то не совсем понимаю, а почему это проблема для бизнеса то? Да, конечно, лучше поправить этот момент, но чем он сейчас критически мешает? Почему это “минус”
похоже что исключает статистически значимые показатели или не учитывает все возможности
я бы хотела доктора мужчину ))
Комментарий удален модератором
Комментарий удален модератором
нейронка не есть ИИ
Комментарий удален модератором