Почти каждый день в сети появляется новость том, что #ИИ стал еще на шаг ближе к человеческим возможностям или превзошел их (например, в скорости обработки информации), инвесторы охотно вкладываются в разработку AI-решений, ожидая высокий профит на еще пока еще свободном рынке. Яркий пример:
Российский AI-стартап MAIA, технологии которого позволяют бизнесу «заменить» первую линию продаж, HR-консультантов, службу поддержки, ассистентов и юристов с помощью технологий искусственного интеллекта.
По данным из статьи RB весь проект оценивается в 500 млн. рублей.
Уже сейчас прикладной ИИ обещает революционизировать бизнес-сферу, повысить эффективность, оптимизировать процессы и принести дополнительную прибыль. Однако, несмотря на большие ожидания, его внедрение сопряжено с множеством рисков и не все компании готовы броситься в этот омут с головой.
В этой статье мы рассмотрим типичные провалы при внедрении ИИ и выделим уроки, извлеченные из этих неудачных опытов.
Урок № 1: Непонимание бизнес-кейса от внедрения проектов по AI
Казалось бы, расчет экономической отдачи от AI проекта и его срок окупаемости является минимальный гигиеной любого проектного менеджмента, но иногда расчет бизнес-эффектов делается на колонке с чересчур оптимистичными допущениями, чуть реже бывают истории, когда внедрение какой-то технологии делают ради хайпа и тогда рассчитывать на какую-то окупаемость не приходится. Почему так происходит?
На самом деле упражнение по расчету экономических выгод от внедрения AI решения, может быть, не таким простым занятием. Например, как оценить эффект в деньгах от установки камер с компьютерным зрением, которые контролируют температуру сотрудников, которые приходят на завод и не пускают тех, кто может быть болен? Или как оценить эффект от внедрения от ChatGPT и MidJourney в офисе креативного маркетингового агентства на 50 человек? Все эти расчеты требуют адекватных оценочных суждений.
Например, выгоды в первом случае могут выражаться через повышение производительности труда на заводе, так суммарные издержки, обусловленные пропуском рабочих днеи по болезни в Россиискои Федерации, составляют 0,55–1,37% от ВВП («Эмпирические данные о влиянии здоровья на экономику в Россиискои Федерации» от 2008). А во втором случае нужно проводить замеры производительности с ChatGPT и MidJourney и без для типовых задач работников, которые будут использовать эти инструменты.
Важно помнить, что как бы вы не считали ваш эффект от внедрения AI решения срок окупаемости должен быть коротким. В целом в мире принято считать, что любые инвестиции в ИТ решения должны окупаться не дольше 18 месяцев. Если требуется больше, то, скорее всего, Вам лучше рассмотреть другие проекты. Иначе за более долгий срок технология может устареть или радикально поменяться вид работ, которые делают сотрудники в компании.