Почему у вас не получается внедрить искусственный интеллект в
свой бизнес

Большинство менеджеров высшего звена знают, что для сохранения конкурентоспособности компании необходимо интегрировать возможности ИИ, но слишком многие не могут продвинуться дальше этапа подтверждения концепции. Они застревают на неправильных деталях или создают модели для проверки отдельных идей, а не ради решения производственных или коммерческих задач. Это вызывает тревогу, ведь, как показало наше исследование, три четверти управленцев полагают, что, если не масштабировать ИИ в ближайшие пять лет, можно вообще выпасть из бизнеса. Чтобы это исправить, мы предлагаем радикальное решение. Не надо проверять концепции. Переходите прямо к масштабированию.

Мы пришли к этому решению, опросив 1,5 тыс. менеджеров высшего звена из 16 отраслей в 12 странах. 84% опрошенных признали, что для достижения стратегических целей роста бизнеса нужно распространить использование ИИ по всей организации, однако только 16% из этой группы действительно продвинулись дальше экспериментов с ИИ. Исследованные нами компании, успешно внедрившие полномасштабные ИИ-проекты, сделали одно и то же: отказались от проверки концепций.

Эти компании в два раза чаще предпринимали попытки масштабирования, в два раза чаще делали это успешно и — благодаря тому, что обладали правильной структурой и могли в процессе обучения внедрять полученные знания, — в итоге не только быстрее остальных вывели решения на базе ИИ в коммерческую эксплуатацию, но и потратили меньше денег на пилотные и полномасштабные проекты. Что в результате? Показатели отдачи на инвестиции в ИИ у них оказались почти в три раза выше, чем у их менее успешных конкурентов. Если учесть, что каждая компания, участвовавшая в нашем исследовании, потратила на ИИ в среднем $215 млн за последние три года, разница в 54 процентных пункта в отдаче на инвестиции (32% против 86% — прим. ред.) означает $115 млн недополученного дохода от использования ИИ. Но дело не только в деньгах. Организации, успешно осуществившие масштабирование, сообщают о существенном улучшении качества обслуживания клиентов и повышении их удовлетворенности, о росте производительности труда персонала и эффективности использования активов.

Почему проверка концепции не работает

Поясним на довольно распространенном примере, почему проверка концепции может стать рецептом неудачи. Скажем, некая организация выделяет шесть месяцев на создание платформы для оптимизации клиентского опыта, чтобы проверить выбранную концепцию проекта по повышению уровня обслуживания клиентов. Они создают ее и запускают, подтверждают (как и многие до них), что она работает, и затем выводят ее в коммерческую эксплуатацию. И вот в чем ошибка: они подтвердили, что концепция технически функциональна, ни часа не потратив на то, чтобы обдумать, что понадобится для ее вывода на производственный уровень, с какими рисками связана модель, оценить искажения данных, позаботиться о сохранении конфиденциальности и этических соображениях. Что в результате? Они просто навешивают на свои организации технический долг, так как изначально не учитывали потребности масштабирования при создании пробной платформы.

Одна из компаний, с которыми мы работали, сделала все по-другому. Nordea, крупнейшей банковской группе в Скандинавии, понадобился чат-бот для помощи техподдержке: компания хотела, чтобы у персонала колл-центра освободилось больше времени для работы со сложными клиентскими проблемами. В Nordea уже была структура для тестирования и внедрения новых разработок — в том числе правильная система обработки данных, специально обученные сотрудники, подходящая организационная и этическая структура, — и они пропустили этап проверки концепции и перешли прямо к масштабированию. Они подготовили данные, создали минимально жизнеспособный продукт, присвоили ему аватар и стали наблюдать за его взаимодействием с клиентами. В июне 2017 года Nordea запустила пилотный проект по использованию этого чат-бота для нескольких сотен тысяч своих клиентов. Те немедленно к нему подключились. Трафик электронной почты и телефонных звонков сразу упал на 20%, а объем использования чат-бота и соответствующих веб-страниц вырос на 30% — и все это без необходимости доказывать менеджерам высшего звена, что чат-бот работает.

Чем заменить проверку концепции?

В ходе нашего исследования мы обнаружили, что только каждое пятое приложение с использованием ИИ доходит до эксплуатации в реальных условиях. Знающие руководители понимают, что все это, как говорят хоккеисты, малорезультативные броски. Но если секрет в том, чтобы отказаться от подтверждения правильности концепции, чем ее заменить? Успешные компании, которые мы исследовали, нашли три описанных ниже пути.

Запускайте пилотные проекты. В ходе пилотных проектов технология используется на полную мощность и сразу в реальных условиях эксплуатации (пусть и в меньшем масштабе). Это позволяет ИИ-технологам и руководству компании получить точную информацию о том, как новая технология будет принята клиентами и каков ее коммерческий эффект. Подтверждение концепции проводится в намного меньшем масштабе, что часто мешает извлечь пользу из получаемых данных.

Действуйте. Во многих отраслях чувствуется усталость от проверки концепций. Вместо того чтобы без конца заниматься ими, организациям следует отобрать лишь несколько ценных проектов и сосредоточиться на их всестороннем исследовании и внедрении в реальных условиях.

Соберите правильную команду. Необходима сплоченная команда. Часто всю работу по расширению ИИ-возможностей компании поручают одному отделу или одной команде, как правило, возглавляемой специалистом по ИТ. Без поддержки более широкой, многопрофильной команды, возглавляемой директором по ИИ, работе с данными или аналитике, эти инициативы не имеют необходимой увязки с коммерческими результатами компании и в результате заканчиваются неудачей.

Взгляд вперед

Ключ к успеху в наращивании прибыли в эру ИИ — ставить большие задачи и начинать с малого. Нужно с первого шага отдавать приоритет продвинутой аналитике, общеорганизационным принципам и обучению перспективных сотрудников. Требуется также планирование. Определитесь, в чем вы видите пользу для бизнеса сейчас и через три года. Не нужно зацикливаться на решении сиюминутных задач в ущерб подготовке к следующей волне пандемии, иначе ваша компания не будет востребована в будущем. Поймите, как ИИ меняет вашу отрасль и мир, и составьте план использования этих изменений в интересах вашей компании.

Бесспорно, это новая территория, но у вас еще время выйти вперед, если вы прямо сейчас заняты построением фундамента. Но времени у вас не настолько много, чтобы тратить его на подтверждение концепции, которая уже всеми согласована.

Об авторах

Афина Каниура (Athina Kanioura) — директор по анализу данных и руководитель мировой практики в Accenture Applied Intelligence.

Фернандо Лючини (Fernando Lucini) — управляющий директор Artificial Intelligence Lead UKI в Accenture Applied Intelligence.