Технологические домены в действии: IT/искусственный интеллект

Запускаем серию материалов про домены Платформы университетского технологического предпринимательства. Первый блог посвящен направлению «IT/искусственный интеллект». Рассказываем о сути домена, видах технологии, перспективах рынка и ярких студенческих IT-стартапах.

Сбер использует нейросети для обработки обращений в службу поддержки, Альфа-банк — для выдачи кредитов: ИИ проводит кредитный скоринг за секунды. Тинькофф-журнал с помощью нейросетей генерирует аниме-картинки для рекламы. В экосистеме Т-Банка на спам-звонки помогает отвечать голосовой ИИ-бот Олег. На Госуслугах с 2021 года нет поисковой строки: вместо нее — диалог с роботом Максом. В ресторане Бориса Зарькова и Ксении Собчак SHE-нейросеть заменила шеф-повара: меню частично составляет искусственный интеллект по имени Саша Вайнер.

Нейросети использует каждая пятая крупная компания в России, подсчитали «Яков и партнёры». Чаще всего ИИ применяют в маркетинге и продажах — так делает 66% внедривших его компаний. В клиентском сервисе ИИ используют 54% компаний, 49% — в исследованиях, 31% — в отделах IT.

Искусственный интеллект и IT-технологии — один из самых популярных доменов Платформы университетского технологического предпринимательства. В стартап-студиях развиваются свыше 60 стартапов этого профиля. Больше всего их – в Приволжском, Сибирском и Центральном федеральных округах.

ИИ помогает сокращать издержки, экономит рабочее время сотрудников: нейросети генерируют контент или автоматически заполняют отчеты. Например, один из проектов, поддерживаемых федпроектом «Платформа университетского технологического предпринимательства», — стартап SalesAI предлагает систему, позволяющую сэкономить время менеджеров по продажам. По оценкам команды стартапа, продавцы тратят 68% рабочего времени на внесение данных о клиентах в CRM-систему — эту работу можно поручить нейросетям.

Как отмечается в обзоре компании «Яков и партнёры», к 2028 году ИИ сократит затраты и вырастит выручку российских компаний на 4,2–6,9 трлн рублей. Российский рынок решений на базе ИИ к этому времени может составлять 0,3–0,6 трлн рублей. Важно отметить, что рынком решений на базе ИИ обычно называют b2b-решения — системы для оптимизации бизнес-процессов.

Университетские предприниматели — студенты, аспиранты, участвующие в технологических стартапах недавние выпускники вузов – часто применяют технологии ИИ именно для создания b2b-инструментов.

Пример — стартап «Урожай и точка», команда которого разрабатывает ИИ-комплекс для опрыскивания сорняков. Нейросеть выбирает для обработки только места, сильнее всего заросшие сорняками. Комплекс позволит экономить расход средств защиты растений до 90%, а также повысить эффективность выжигания сорной растительности на 30%.

Стартап входит в профильный домен «ИИ / IT».

Домены — это технологические направления, объединенные по признаку общей сквозной технологии: искусственного интеллекта, робототехники, интернета вещей и других.

Общая сквозная технология не мешает реализовывать проекты для разных сфер экономики. Так, система контроля офсетной печати «Принтвижн» с помощью компьютерного зрения выявляет дефекты печати в типографиях. Приложение от стартапа «Нейронные решения» распознает по фото заготовки деталей на заводах. Мобильное приложение «Агролаб» тоже использует компьютерное зрение — для определения различных типов плесени, заражающей сельскохозяйственные культуры.

Студенты в командах стартапов занимаются не только бизнес-частью проекта, но и технической. «В команду моего стартапа безусловно входит full-stack разработчик, магистр ИТМО», — рассказывает Вадим Олонцев, создатель системы Genstore, определяющей генетическую ценность племенных животных. «Математическая и техническая база очень важна для этого направления», — согласна с ним Иман Чантиева, основательница стартапа «Протомайнд».

«Внедрение ИИ с высокой долей вероятности будет иметь более широкие последствия для страны, чем непосредственно экономический эффект», — отмечают исследователи из «Яков и партнеры». Среди социальных эффектов ИИ — снижение числа ДТП за счет автопилотов, рост продолжительности жизни за счет развития превентивной медицины, создание новых рабочих мест: например, AI-тренеров и промпт-инженеров.

ИИ также используют для упрощения жизни: он востребован в индустрии развлечений, творчестве, науке и многих других сферах. Один из участников Платформы университетского технологического предпринимательства создает мобильное приложение «КОЕ» для микробиологов: с помощью ИИ оно подсчитывает количество колоний бактерий или грибков в пробирке.

Нейросети могут расшифровывать исторические рукописи, сверхбыстро выявлять COVID-19, создавать сложные симуляции, придумывать постройки из LEGO. Искусственный интеллект влияет на образ жизни людей — например, за счет голосовых помощников.

Обычно выделяют минимум шесть типов моделей искусственного интеллекта: речевые технологии, модели для обработки естественного языка, компьютерное зрение, алгоритмы персонализации, предиктивные и оптимизационные модели.

Речевые технологии позволяют превращать диктофонную запись в письменную расшифровку или, наоборот, «озвучивать» напечатанный текст. Так, стартап «Протомайнд» превращает запись видеоконференции в протокол совещания. За счет речевых технологий можно сократить время на подготовку протоколов на 70-75%.

Обработка естественного языка (NLP) — нейросети, позволяющие имитировать человеческие языки и улавливать их смысл. Такие модели используются в чат-ботах клиентской поддержки и в поисковиках. Модель от проекта SalesAI анализирует текст общения отдела продаж с клиентом, чтобы выявлять ошибки и упущенных клиентов.

Модели компьютерного зрения распознают объекты на фотографиях и видео. Например, российский стартап и участник федпроекта Genstore разрабатывает систему, которая вычисляет генетическую ценность сельскохозяйственных животных. Компьютерное зрение позволяет анализировать внешний вид особей.

Предиктивные модели предсказывают вероятность будущих событий. Например, банки вычисляют так риск невозврата кредита.

Оптимизационные модели предлагают лучшее решение: например, самый короткий маршрут транспорта.

Модели для персонализации — это «умные ленты» социальных сетей и алгоритмы контекстной рекламы.

Часто конкретные разработки вырастают из компиляции нескольких разных типов: например, голосовые помощники Яндекса и VK сочетают в себе модели для обработки естественного языка и речевые технологии.

Помимо этих видов, выделяют относительно новый тип — генеративный ИИ, тесно связанный с большими языковыми моделями (БЯМ, или LLM). Такой тип ИИ генерирует текст, изображения, музыку или видео. Главный пример генеративного ИИ — ChatGPT. Сами большие языковые модели появились всего 6 лет назад, и в ближайшие годы этот тип будет расти быстрее других видов. Исследователи полагают, что среднегодовой рост мирового рынка генеративного ИИ составит 43–45% против 35–37% у традиционного.

Согласно отчету агентства Tortoise Media, сейчас Россия находится на 30-м месте по развитию ИИ-технологий. Но страна может улучшить свои позиции за счет того, что она разрабатывает собственный генеративный ИИ — этим во всем мире занимаются всего около 10 государств.

Вызов для образования: нехватка специалистов по ИИ

Один из ключевых барьеров при внедрении ИИ — дефицит профильных специалистов. Согласно данным опроса технических директоров, проведенного «Яков и партнеры», почти все компании (99%) отмечают в качестве ключевой сложности именно привлечение специалистов по ИИ. «Нехватка остро ощущается, особенно в нашем регионе, так как мы начали заниматься созданием AI-продуктов не так давно. Если судить по стартапам нашей Университетской стартап-студии, нам особенно не хватает инженеров по части CV и NLP [по компьютерному зрению и нейролингвистическму программированию]», — рассказывает Иман Чантиева, основательница стартапа «Протомайнд».

При этом нейросеть нужно не только создать, но и обучить. «Написание алгоритма нейронной сети занимает немного времени, комфортный срок для джуна — это в среднем две недели, может быть меньше», — считает Чантиева. «Больше всего времени занимает обучение модели, для лучшего результата ее нужно обучать на огромных объемах реальных данных, а для этого их нужно либо покупать, либо искать на открытых источниках, либо собирать вручную», — объясняет она. Создатель системы Genstore Вадим Олонцев отмечает, что его команде для создания MVP потребовалось около 4 месяцев.

На специальности, связанные с ИИ в России начали набирать кратно больше людей, чем раньше. В 2023 году в России выпустили больше 3,8 тысячи студентов, специализирующихся на ИИ. Прием на ИИ-специальности в том же году составил 20 тыс. студентов. До диплома из них дойдут 14,7 тысяч — коэффициент завершения обучения составляет около 72%.

«За последние несколько лет прием по профилю ИИ кратно увеличился, — считают исследователи ИСИЭЗ НИУ ВШЭ, — В среднесрочной перспективе возможен существенный рост выпуска молодых специалистов по профилю ИИ. Выпуск бакалавров через четыре года можно ожидать на уровне 8,7 тыс. человек, а выпуск магистров через два года – на уровне 6 тыс. человек». Из этих студентов 70% обучаются инженерным специальностям, остальные — математике, естественным и социальным наукам.