Почему проекты по AI не взлетают?
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:
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.