«Не так подумали»: почему 95% компаний внедряют ИИ неудачно
Фото: 123rf / Legion-Media
До 95% компаний в России и мире не получают необходимой отдачи от внедрения искусственного интеллекта (ИИ) и не окупают свои инвестиции. Таковы данные исследования, проведенного Лабораторией искусственного интеллекта при Школе управления «СКОЛКОВО». Эксперты изучили опыт внедрения ИИ в 25 отраслях и выявили главные причины неудач проектов — и это вовсе не чисто технические проблемы.
Культура работы с информацией
Исследование показало, что успешность ИИ-проекта в компании зависит не от выбранной технологии, а от культуры работы с получаемой информацией и принятием решений. Есть три основных подхода:
people-driven культура, когда в компании новое решение считается обоснованным лишь после одобрения признанным экспертом;
process-driven культура: ключевым источником легитимности решений выступают регламенты, и инновации внедряются только после изменения внутренних правил;
data-driven подход, когда решающим аргументом служат результаты экспериментов, анализа данных: если цифры подтверждают гипотезу, решение принимается без дополнительных итераций.
Аналитики установили закономерность: то, как компания внедряет новые технологии (в том числе ИИ), напрямую зависит от того, какая культура доминирует в организации. Ожидаемо, успешнее остальных ИИ приживается в компаниях с преобладанием культуры, ориентированной на данные (data-driven).
Низкое качество исходных данных
Речь о ситуации, когда корпоративная информационная система переполнена дублями и устаревшими файлами, в ней используются несовместимые форматы и т.п. В таком случае даже лучшие алгоритмы могут не работать.
Как показало исследование, зачастую подготовка и стандартизация данных требовали больше ресурсов и времени, нежели разработка собственно ИИ-модели. Но без Data Story — общего для бизнеса и ИТ описания качества и доступности данных — риск провала резко увеличивается, уверены эксперты.
Стремление максимально автоматизировать все процессы
Исследователи указали, что попытки тотальной автоматизации рискованны — они чаще приводят к провалам, нежели обеспечивают эффективность.
В работе организаций можно выделить три ключевые когнитивные функции: распознавание информации, принятие решений и исполнение. Каждая из них может выполняться вручную, совместно с ИИ (аугментированно) или полностью автоматически. Но автоматизировать сразу все является ошибкой.
Наибольший эффект достигается при грамотном сочетании режимов. В этом случае ИИ усиливает или заменяет человека там, где это оправдано, а ключевые процессы остаются за людьми.
Когнитивная дистанция и отсутствие взаимопонимания
Выяснилось, что причина большинства провалов ИИ-инициатив — не в технологиях как таковых (неподходящее «железо» или неверно выбранная модель), а в том, как думают и разговаривают между собой участники проекта. Чем больше между ними когнитивная дистанция — разрыв в языке и мышлении топ-менеджеров, руководителей процессами и разработчиками — тем больше буксуют проекты.
На волне популярности ИИ многие компании запускают его внедрение скорее ради статуса, нежели ради результата. Топ-менеджменту важно показать, что «мы тоже в тренде», а разработчикам интересно протестировать новые модели.
В таком случае проект быстро запускается в работу, однако ключевые бизнес-подразделения в ней не задействованы. Их не спрашивают, какую задачу надо решить, как измерять эффект и что будет считаться успехом. А поскольку бизнес-логика и пользовательский опыт остались без внимания, процессы внутри компании не меняются — клиенты не видят ценности и могут даже не пользоваться новым решением.
«Итог предсказуем: галочку "ИИ внедрен" поставить можно, но бизнес-пользы нет. Проект превращается в "технологическую витрину" — эффектную, но бесполезную», — подчеркивается в исследовании.
Внедрение ИИ-проектов без регулярного анализа эффективности
В ходе исследования было установлено: более устойчивыми являются проекты, в которых команды достигают результат, действуя короткими циклами по цепочке «прототип — тест — обратная связь — улучшения». При таком подходе быстро выявляются ошибки и корректируются ожидания.
Когда разработчики показывают промежуточный результат — они получают комментарии от бизнеса и дорабатывают продукт с учетом полученных замечаний. Все участники держатся «на одной волне». Разница в подходах становится источником знаний, а не конфликтов. Напротив, продолжительные изолированные спринты без показа промежуточных версий ведут к накоплению ошибок, росту недоверия и увеличению рисков провала.
Еще по теме
