Где найти триллион | Большие Идеи

? Управление инновациями
Статья, опубликованная в журнале «Гарвард Бизнес Ревью Россия»

Где
найти триллион

Кто и в каких областях может получить существенную выгоду от искусственного интеллекта

Авторы: Майкл Чуи , Мехди Миремади , Николаус Хенке

Где найти триллион
OLIVER BURSTON/GETTY IMAGES

читайте также

Как измерить цифровую экономику

Авинаш Коллис,  Эрик Бриньолфссон

Венчурному капиталисту

Почему живой диалог важнее презентации

Джон Коулмен

Среда, подходящая для инноватора

Елена Евграфова

Хотя искусственный интеллект по-прежнему используют немногие компании (около 20%, согласно нашему недавнему исследованию), руководители высшего звена знают, что искусственный интеллект — это не просто дань моде. Компании в различных секторах экономики внимательно присматриваются к ИИ, пытаясь понять, чем он может быть полезен их бизнесу. И правильно делают. По нашим оценкам, 40% всей потенциальной ценности, которая может быть создана сегодня с помощью аналитики, создается с помощью технологий ИИ из области «глубокого обучения». Глубокое обучение предполагает использование множества слоев искусственных нейронных сетей, которые называются так, потому что напоминают по своей структуре и функциям человеческий мозг. В целом, по нашим оценкам, глубокое обучение может приносить ежегодный доход от $3,5 трлн до $5,8 трлн.

Однако многие руководители бизнеса по-прежнему точно не знают, где им применить ИИ с наибольшей выгодой. При этом внедрение ИИ в бизнес требует значительных инвестиций в специалистов и обновление технологий, а также радикальных перемен, которые позволят создаваемой ИИ ценности, будь то помощь в принятии решений или улучшение потребительских приложений, быть значимой.

Подробно изучив более 400 реальных вариантов использования ИИ в 19 отраслях и девяти подразделениях компаний, мы обнаружили, что ответ на вопрос, где применить ИИ звучит так: ищите выгоду.

Как правило, самое сильное воздействие искусственный интеллект может оказать на области бизнеса, традиционно обеспечивающие наибольшую ценность компаниям. Например, в области розничной торговли значительную ценность обеспечивают маркетинг и продажи. Наше исследование показывает, что использование ИИ в области персонализированной рекламы ведет к росту продаж в розничных магазинах на 1-2%.

А на передовых производствах наибольшую ценность создает операционная деятельность. Здесь ИИ может помочь в составлении прогнозов, опирающихся на причинно-следственные факторы, а не статистику, и увеличить точность прогнозов на 10-20%. Это приведет к потенциальному сокращению затрат на хранение продукции на 5% и росту выручки на 2-3%.

Применение искусственного интеллекта возможно во всех областях, однако, на наш взгляд, особенно стоит отметить два направления, где сегодня он может оказать наибольшее воздействие:

1) управление цепочками поставок и производством;

2) маркетинг и продажи.

В области маркетинга и продаж ИИ может создать ценность на $1,4-$2,6 трлн, а в сфере управления цепочками поставок и производством — на $1,2-$2 трлн. Часть этой ценности получат компании, часть достанется потребителям. На производствах с помощью ИИ наибольшую ценность можно получить за счет прогнозного технического обслуживания (около $0,5-$0,7 трлн в мировом масштабе). Способность ИИ обрабатывать огромные объемы данных, в том числе в аудио- и видеоформате, означает, что он может быстро находить и предотвращать поломки, будь то посторонний звук в двигателе самолета или неисправности в работе конвейера, обнаруженные с помощью сенсоров.

Еще один способ решить, где применить ИИ, — рассмотреть направления, которые используют традиционные методы аналитики. Мы обнаружили, что наибольший потенциал для создания ценности с помощью ИИ лежит в областях, где нейронные сети могут обеспечить более высокую производительность и качество аналитики или сгенерировать новые данные и способы их применения. Это относится к 69% вариантов использования ИИ, выявленных в нашем исследовании. И всего в 16% случаев можно было применить лишь ИИ, потому что другие аналитические методы были бы неэффективны. Отметим, что возможности применения глубокого обучения, вероятно, будут быстро расти вместе с разнообразием алгоритмов и доступностью данных, и использование этой методики будет все-таки ограниченным, так как более проверенные методы машинного обучения также будут совершенствоваться и получать более широкое распространение.

Но не будем наивными. Даже учитывая экономический потенциал искусственного интеллекта, мы признаем ощутимые препятствия и ограничения к его применению. Довольно проблематично получить набор данных, достаточно больших и всесторонних, чтобы удовлетворить высокие потребности метода глубокого обучения. Кроме того, все большее беспокойство вызывает использование подобных данных, в том числе связанных с вопросами безопасности, конфиденциальности и потенциальной предвзятости, которая может быть передана алгоритмам ИИ от человека. В таких сферах, как здравоохранение и страхование, компаниям необходимо найти способы объяснить регулирующим органам, почему машина пришла к определенным выводам. Хорошая новость заключается в том, что технологии развиваются и начинают преодолевать некоторые из этих ограничений.

Но есть и более сложные организационные проблемы, с которыми сталкиваются компании при внедрении искусственного интеллекта. Освоение технологий требует нового уровня знаний, и это может стать основной помехой к их успешному внедрению. Компаниям придется разрабатывать надежные процессы хранения данных и управления ими, а также сосредоточиться не только на начальном этапе (приобретение данных и организация работы с ними), но и на гораздо более сложном конечном этапе — интеграции результатов работы ИИ в рабочий процесс (от менеджеров до поставщиков).

Компаниям, внедряющим искусственный интеллект, следует проявлять бдительность и ответственность, однако, учитывая масштаб и благотворное влияние технологий на бизнес, потребителей и общество, возможности применения ИИ заслуживают тщательного исследования. Путь не будет простым, но его можно начать, следуя простой мысли: ищите выгоду.

Об авторах

Майкл Чуи — партнер McKinsey Global Institute.

Николаус Хенке — старший партнер лондонского офиса McKinsey.

Мехди Миремади — руководитель чикагского офиса McKinsey.