Примеры использования генеративного ИИ в различных сферах и отраслях

Генеративный ИИ — это шаг вперёд в эволюции искусственного интеллекта. Учитывая то, как компании стремятся внедрить и адаптировать эту технологию, понимание её потенциала в создании ценности для экономики и общества в целом поможет принять важные решения.

💡 Мы в агентстве активно применяем искусственный интеллект для оптимизации бизнес-процессов наших клиентов. Использование AI в продажах помогает нам улучшить качество обслуживания и увеличить объём продаж, что способствует росту бизнеса наших клиентов, предоставляя им новые возможности для развития и расширения своей деятельности.

Делимся с вами переводом исследования о потенциале влияния генеративных ИИ на разные сферы нашей жизни.

Оригинальная статья:

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-AI-the-next-productivity-frontier#introduction

Для определения областей, в которых генеративный ИИ с его текущими возможностями может принести максимальную пользу, мы воспользовались двумя взаимодополняющими подходами. Это позволило нам оценить масштаб потенциальной пользы (рис. 1).

Мы уже рассматривали примеры использования генеративного ИИ, которые могут быть приняты организациями. Определяем «сценарий использования» как применение генеративного ИИ с определённой целью для решения конкретной задачи бизнеса, что приводит к одному или нескольким измеримым результатам. В качестве примера использования в маркетинге можно привести использование генеративного ИИ для создания творческого контента, например, персональных электронных писем.

Измеряемыми результатами этого могут стать:

• снижение затрат на создание такого контента;
• увеличение доходов благодаря повышению эффективности высококачественного контента в больших объёмах.

Мы выявили 63 варианта использования генеративного ИИ, охватывающие 16 бизнес-функций, которые могут принести экономическую выгоду в размере от 2,6 до 4,4 трлн долл. в год. при применении в различных отраслях.

Это добавит от 15 до 40% к 11,0—17,7 трлн долл. экономической стоимости, которую, по нашим оценкам, могут создать негенеративный искусственный интеллект и аналитика.

По нашим предыдущим оценкам, сделанным в 2017 году, ИИ может принести от 9,5 трлн до 15,4 трлн долл.

Второй подход дополняет первый: мы анализируем потенциальное влияние генеративного ИИ на трудовые действия, необходимые для 850 профессий. Мы создали модели, которые помогают понять, когда генеративный ИИ будет способен выполнять более 2100 различных видов деятельности, связанных с работой, таких как «общение с другими людьми по поводу оперативных планов или действий». Это даёт нам возможность оценить, какое влияние текущие возможности генеративного ИИ могут оказать на продуктивность работы всех людей, занятых в мировой экономике.

Часть этого влияния будет совпадать с экономией средств, которую мы прогнозируем в результате повышения производительности труда, как было описано в предыдущем анализе примеров использования. Если исключить из общей суммы выгоды от использования ИИ ожидаемое повышение производительности труда, которое, скорее всего, произойдёт при внедрении этой технологии в работу специалистов умственного труда, то общий экономический эффект от применения ИИ, учитывая все рассмотренные нами варианты использования, составит от 6,1 до 7,9 триллиона долларов (рис. 2).

Несмотря на то что генеративный ИИ является интересной и быстроразвивающейся технологией, большинство потенциальных возможностей ИИ по-прежнему приходится на другие области его применения, которые мы рассматривали ранее.

Традиционные алгоритмы расширенной аналитики и машинного обучения высокоэффективны при решении численных и оптимизационных задач, таких как прогнозное моделирование, и они продолжают находить новые применения в самых разных отраслях. Однако по мере развития и становления генеративного ИИ он способен открыть совершенно новые горизонты для творчества и инноваций. Он уже расширил возможности ИИ в целом.

Для оценки потенциальной ценности генеративного ИИ мы обновили собственную базу данных McKinsey по потенциальным вариантам использования ИИ и использовали опыт более 100 экспертов в отраслях и их бизнес-функциях*.

В обновлённой базе данных мы рассмотрели примеры использования генеративного ИИ. А именно: как методы генеративного ИИ (в первую очередь нейронные сети на основе трансформаторов) могут быть использованы для решения следующих задач проблем, которые не могли решить предыдущие технологии.

При анализе вариантов использования мы учитывали только те, где генеративный ИИ способен значительно улучшить результаты, влияющие на ключевые показатели ценности. Мы оценили основную ценность, которую может принести эта технология, исключая случаи, когда единственное преимущество заключается в использовании естественного языка. Возможности использования естественного языка могут стать ключевым фактором стоимости, например, при обслуживании клиентов, но не при оптимизации логистической сети, где стоимость в основном определяется количественным анализом.

Затем мы оценили потенциальную годовую стоимость этих генеративных вариантов использования ИИ, если они будут внедрены во всей экономике. Для сценариев использования, направленных на увеличение выручки, таких как некоторые сценарии в сфере продаж и маркетинга, мы оценили стоимость генеративного ИИ в масштабах всей экономики за счёт повышения производительности расходов на продажи и маркетинг.

Наши оценки основаны на структуре мировой экономики в 2022 году и не учитывают стоимость, которую может создать генеративный ИИ в случае создания совершенно новых категорий продуктов или услуг.

*«Заметки с границ ИИ: применение и ценность глубокого обучения», McKinsey Global Institute, 17 апреля 2018 г.

Рассмотрим потенциал генеративного ИИ по двум направлениям: бизнес-функция и модальность.

Хотя генеративный ИИ может оказать влияние на большинство бизнес-функций, некоторые из них выделяются, если оценивать влияние технологии как долю функциональных затрат (рис. 3).

В результате проведённого нами анализа 16 бизнес-функций было выявлено всего четыре, на которые может приходиться около 75% общей годовой стоимости от использования генеративного ИИ.

• Работа с клиентами.
• Маркетинг и продажи.
• Разработка программного обеспечения.
• Исследования и разработки.

Примечательно, что потенциальная ценность использования генеративного ИИ для ряда функций, которые занимали видное место в нашем предыдущем анализе вариантов использования ИИ, включая производство и цепочки поставок, теперь значительно ниже. Это в большой степени связано с особенностями применения генеративного ИИ, который исключает большинство приложений для численных расчётов и оптимизации, которые ранее были основными факторами стоимости при использовании ИИ.

Впечатляющие способности генеративного ИИ к обработке естественного языка могут помочь сотрудникам получать внутренние знания, формулируя запросы так же, как они задают вопрос человеку, вступая с ним в диалог. В результате сотрудники смогут быстро получать нужную информацию, что помогает им оперативно принимать взвешенные решения и разрабатывать действенные планы.

В 2012 году Глобальный институт McKinsey (MGI) подсчитал, что работники сферы знаний тратят на поиск и сбор информации примерно пятую часть своего рабочего времени, или один день в неделю. Если бы генеративный ИИ мог взять на себя выполнение таких задач, повысив эффективность и результативность работников, выполняющих их, польза была бы огромной. Такие виртуальные эксперты могли бы быстро «читать» огромные библиотеки корпоративной информации, хранящейся на естественном языке, и оперативно анализировать исходный материал в диалоге с человеком, который помогает откорректировать и адаптировать исследование. Этот подход оказывается более эффективным решением, чем привлечение команды экспертов-людей для выполнения задачи.

Автоматизация рутинных задач позволяет увеличить продажи, сократить временные затраты и упростить работу сотрудников.