Что происходит с рынком передовых технологий: поворот к офлайну и обратно

Я развиваю новые интеллектуальные решения в составе Конструкторского бюро Digital Design. Это один из ведущих разработчиков ПО в России, но в этом направлении мы мимикрируем под стартап, в то же время имеем возможность проверять гипотезы, вовлекая наших клиентов. В этой статье я поделюсь своим мнением о том, что происходит на рынке передовых технологий сегодня.

Почему меня в компании считают Digital Workplace-евангелистом

Примерно в 2016 году я занимался пресейлами нашего нового продукта и часто ездил в командировки, поэтому отсутствие комфортной удаленной работы была моей личной болью: работая в метро в другом городе, тебе не придет в голову подключиться к VPN или к сетевому диску S, а моя почта была постоянно переполнена, когда я отправлял 50-ю копию одной и той же презентации коллегам. И я начал активно пропагандировать Digital Workplace в компании, к тому же мы начали постепенно переключаться на работу в Office 365. Сегодня мы работаем в Microsoft Teams – это новый корпоративный стандарт, и я считаю это своим маленьким достижением.

Поворот к офлайну и обратно

Сейчас еще наблюдается эффект пандемии, когда все ушло в диджитал, изменив мир до неузнаваемости. Но маятник качнется и в другую сторону, когда оффлайн будет цениться больше (например, в сфере образования). Я думаю, что бизнес развернется в оффлайн, потому что весь мир устал от цифровой жизни. Затем последует синергия, и диджитал будет развиваться дальше, ведь все понимают, что кризисная ситуация всегда может повториться.

Офлайн как сервис для цифры

Но люди уже не будут говорить о цифровой трансформации, потому что она произошла, а стопроцентно оффлайн-компаний не будет вовсе, кроме корпораций, которые будут заниматься доставкой и логистикой (если таковые останутся, а не вольются, например, в онлайн ритейл). На их базе остальные игроки рынка тоже смогут доставлять свои продукты и ценности потребителю. Остальные компании будут постепенно внедрять новые технологии, и это будет норма жизни.

Развитие виртуальной и дополненной реальности

Все сервисы будут больше уходить в виртуальную реальность, чтобы сделать цифровую жизнь более приближенной к физическому миру. Например, даже онлайн-созвоны будут больше походить на живую встречу за счет эффекта присутствия и иллюзии того, что участники находятся в одном помещении.

Думаю, что, как в свое время интернет перевернул мир, со временем искусственный интеллект перевернет мир до неузнаваемости, проникнув во все сферы жизни. Компании, которые научатся собирать, работать с данными и управлять ими, получат настоящее преимущество за счет использования искусственного интеллекта и data-driven подхода. Сейчас ведется много дискуссий по поводу адаптации права под мир с искусственным интеллектом. Непонятно, например, кто понесет ответственность, если водитель AI-автомобиля собьет человека: сам водитель или разработчик.Я считаю, что и другие технологии сейчас крутятся вокруг AI. Например, есть хайповая тема с RPA (Robotic process automation), но она будет почти полностью бесполезна без элементов искусственного интеллекта (распознавание текста, поиска именованных сущностей). Искусственный интеллект будет использоваться для качественной виртуальной и дополненной реальности с использованием нейросетей. Все будет базироваться на AI-моделях, данных, технологии будут развиваться и становиться дешевле. В каких-то сферах они уже стали доступнее, но самые продвинутые нейронные сети все еще требуют мощных видеокарт для обучения, и их могут использовать только гиганты рынка. •

Разделение по отраслям за последние годы мало изменилось. Скорее тут актуальна не отраслевая дифференциация, а по схеме: новаторы – ранние последовательности – поздние последователи, и здесь все зависит скорее от инновационности компании и ресурсов, которые она тратит. Сейчас лидеры рынка скупают AI-специалистов и разогревают рынок. В России так исторически сложилось, что банки быстро научились хорошо работать с данными – это случилось еще до того, как это стали называть AI. И все же есть еще, куда развивать клиентские сервисы – это персонификация и инвестиционные модели. Помимо core-бизнеса банки сейчас стали заниматься и внутренней автоматизацией, то есть менее приоритетными задачами. Сейчас многие компании перешли на инхаус-модель разработки data science, думаю, этот тренд сохранится. Такие компании уже осознали ценность данных и понимают возможности применения наукоемких технологий в компании. И опыт соседа тут не поможет (в отличие от данных, которые при желании можно применить), так как эти технологии завязаны на данные компании, а они отличаются, отличается и сущность.

Общие технологии как сервис

В то же время будут использоваться общие технологии, например распознавания речи, картинок – эти базовые решения компании будут покупать как сервис, а внутри компании будут развиваться Data science и Data mining. Но и относительно консервативные отрасли (строительство, энергетика) имеют большой потенциал применения новейших технологий. Здесь может быть актуально динамическое ценообразование на основе искусственного интеллекта и мониторинг объектов дронами.

Пожалуй, это AGI (Artificial general intelligence, искусственный интеллект общего уровня, способный мыслить и действовать, как человек). Он будет более комплексным и сможет решать когнитивные задачи. Сейчас под искусственным интеллектом мы понимаем скорее Weak artificial intelligence, решающий определенные задачи в узкой предметной области. Но мир перевернется, когда искусственный интеллект перейдет на уровень AGI и сможет решать более сложные когнитивные задачи. Например, решить ЕГЭ по русскому языку и математике одновременно.

Сейчас все поняли ценность данных и стараются их охранять, и это может быть определенным сдерживающим фактором, поэтому важно правильно расставлять приоритеты. Могут сдерживать и законодательные ограничения, и ограниченные мощности. Технологии стали дешевле, но не общедоступны. Стало больше хороших специалистов, но их количество все равно не отвечает потребностям рынка, поэтому пока сложно говорить о прорыве. Хотя появление таких технологий, как третье поколение алгоритма обработки естественного языка GPT-3 вселяет надежду!

Идеи могут появиться в самой компании или прийти с открытого рынка. Мы также привлекаем вузы как потенциальный источник идей, потом студенты, развивающие эти идеи, могут перейти на работу в компанию. Нужно только вовремя найти и вовлечь в нашу активность, взять под свое крыло. А потом уже наша задача – минимальными усилиями получить достаточно информации, чтобы принять решение, насколько идея жизнеспособна и стоит ли ее развивать. Если принимаем решение, что стоит, то ищем финансирование на прототип решения и проверяем его с заказчиками, создаем пайплайн продаж потенциально нового продукта. А на стадии проекта мы подключаем бизнес-линии, дальше только консультируя специалистов по технологической части.

На В2В-рынке есть особенности ведения Customer development, и это не всегда быстро. У нас есть доступ к заказчикам, поэтому мы имеем возможность вовлекать их в процесс проверки гипотез, что дает нам преимущество. Но на большой рынок мы выходим иногда как стартап: через акселераторы, Сколково и другие фонды. Корпорации ищут идеи в стартапах, мониторят рынок и ищут отраслевые решения. Мы мимикрируем под стартап, проверяем гипотезы при помощи существующих и потенциальных клиентов, потому что это единственный способ быть уверенным в результате до полной реализации решения.

Советую не забывать про бизнес! Мы стараемся работать по заветам сообщества LeanDS (Lean Data Science University) и считаем, что первая версия решения с использованием технологий искусственного интеллекта должна работать и без искусственного интеллекта: ты должен найти более простое решение проблемы. Например, если хотите создать интеллектуального чат-бота, посадите человека и убедитесь, что найдете клиента, который будет к нему обращаться. Когда создаете модель и хотите получить высокие F1-score, precision, recall, думайте, как будете использовать ее в дальнейшем. Решайте не математическую, а бизнес-задачу. Если удастся решить ее методом машинного обучения, хорошо, но, может, это и не нужно, достаточно собрать и очистить данные, обсудить с предметными специалистами. Вообще считаю, что сама работа с данными в вакууме будет меньше цениться, в цене будут специалисты, понимающие не только в DS, но и в предметной области!

Всем удачи!