По сути искусственный интеллект (ИИ) рассматривается как средство устранения множества существующих на предприятиях недостатков, начиная с улучшения понимания клиентов с помощью чатботов и заканчивая автоматизацией потоков в цепочках поставок. Однако наиболее впечатляющие результаты дает применение ИИ в ИТ-подразделениях, где он повышает производительность систем и эффективность технической поддержки. В то же время признается, что ИИ должен использоваться во всех подразделениях.

Это один из выводов недавно проведенного изданиями ITPro Today, InformationWeek и Interop опроса 154 специалистов по бизнесу и ИТ в компаниях, осуществляющих по крайней мере один проект в области ИИ. 23% опрошенных оценили результат ИИ-проекта как «отличный», 41% — как «очень хороший».

Основными сценариями использования являются предсказательное обслуживание (54%), оптимизация складских запасов и цепочек снабжения (50%) и производственная аналитика (50%). В то же время многие респонденты считают, что основные преимущества получают ИТ-подразделения. 63% рассчитывают повысить эффективность ИТ-операций, еще 45% — улучшить поддержку продуктов и обслуживание клиентов, 29% — усовершенствовать системы кибербезопасности.

В ИТ главной областью применения ИИ являются анализ состояния безопасности и прогнозирующий интеллект (predictive intelligence), о чем сообщил 71% опрошенных. 56% заявили, что ИИ помогает улучшить работу службы поддержки. 54% отметили положительный эффект для производительности своих подразделений. «Хотя критики утверждают, будто вокруг кибербезопасности на базе ИИ поднят излишний шум, ИТ-подразделения отчаянно пытаются решить проблемы кибербезопасности, и судя по ответам на этот вопрос, многие их них надеются, что ИИ удовлетворит эту потребность, — сказала автор отчета Сью Трой. — Тем временем в службе поддержки инструменты ИИ используют предсказательную аналитику для совершенствования принятия решений при управлении инцидентами и планировании спроса. ИИ применяется для создания чатботов службы поддержки и рекомендаций по интеллектуальному поиску».

Существует значительная потребность в специалистах по ИИ. 67% реализовавших проекты в данной области сообщили о дефиците специалистов по машинному обучению и моделированию данных. 51% нуждается в специалистах по инжинирингу данных, 42% — в специалистах по компьютерной инфраструктуре.

Для успешно реализовавших ИИ-проекты главной заботой является безопасность (44% опрошенных). На втором месте (36%) находится повышение прозрачности — степени понимания работы алгоритмов ИИ пользователями. «Транспарентность моделей представляет особенно трудную проблему, — сказала Трой. — Высокий уровень прозрачности способен помочь снизить необъективность ИИ и повысить доверие к системе, но ведет к возникновению опасений, что из-за объяснений модели могут быть взломаны, сделав технологию более уязвимой для атак». На неизбежную необъективность указали 33% опрошенных и столько же на озабоченность неожиданными или непригодными для использования результатами работы ИИ.

Отвечая на вопрос о конкретных технологиях ИИ, появления которых на своих рабочих местах они ожидают в ближайшие 6-24 месяца, большинство опрошенных (55%) назвали машинное обучение. За ним следовали глубокое обучение (53%) и RPA — роботизация процессов (52%).

Успешные проекты в области ИИ требуют времени. Почти половина (47%) успешно завершивших такие проекты сообщили, что для этого потребовалось от 6 месяцев до года. Примерно у трети опрошенных (32%) это заняло более года. И только 21% сумел справиться менее чем за 6 месяцев. 45% сообщили, что расходы на проект соответствовали запланированным. У 25% они превысили бюджет. Для сравнения: о перерасходе средств сообщили 40% тех, у кого инициативы в области ИИ не достигли полного успеха. «Чем больше у практиков ИТ опыта работы с ИИ, тем лучше они планируют расходы и избегают выхода за рамки бюджета», — сказала Трой.


По материалам: ITWeek