Внедрение решений на основе искусственного интеллекта (ИИ) сегодня – одно из наиболее перспективных направлений цифровизации с точки зрения окупаемости инвестиций. Это влечет организационные и корпоративные изменения: формируются отдельные стратегии внедрения ИИ, разрабатываются новые методики оценки и расчета экономических эффектов от ИИ-решений, появляются новые роли в управлении бизнесом. В рамках конференции «Цифровая индустрия промышленной России» участники сессии «Промышленная ДНК. ИИ как новый генетический код технологического лидерства» поделились опытом внедрения искусственного интеллекта в бизнес-процессы и мнениями о потенциальных рисках и угрозах комплексного внедрения ИИ в работу бизнеса.
Денис Самохвалов, заместитель генерального директора по обеспечению деятельности «ЕвроХим»:
– Процесс активной цифровизации идет в компании «ЕвроХим» около трех лет.
Наша компания фокусируется на достижении конкретных экономических эффектов. Согласно «тепловой карте», «горячие» места – это, в первую очередь, производственные процессы и рекомендательные системы, которые помогают достигать экономических эффектов – конкретных и измеримых. Компания «ЕвроХим» заработала на продуктах, которые базируются на искусственном интеллекте, более 4 миллиардов рублей. А конкретно рекомендательные системы позволили за последние несколько лет получить порядка 1,5 миллиарда рублей.
Это небольшие проценты увеличения выпуска продукции или снижения себестоимости, но они значимы, и мы их системно внедряем.
Сейчас рекомендательные системы действуют в 60% цехов, и в конце текущего года или начале следующего мы полностью завершим их внедрение во всех подразделениях.
Начинаем активно применять системы предиктивной диагностики в ТОиР (техническое обслуживание и ремонт. – Прим.ред.). Это также дает сотни миллионов рублей, которые мы уже получаем.
Наименее проработанная зона, где сейчас идут активные наработки – это бизнес-процессы, связанные с другими направлениями. Здесь тоже виден хороший эффект применения инструментов искусственного интеллекта, например, в закупках. Сюда относятся анализ запасов, невостребованного имущества, неликвида. Инструменты ИИ помогают их анализировать и, соответственно, использовать то, что есть.
Сейчас мы фокусируемся на переосмыслении, перенастройке и повышении максимальной эффективности процессов с помощью ИИ- агентов, на снижении объема человеческих трудозатрат, трудовых ресурсов.
Сергей Дунаев, директор по информационным технологиям АО «Северсталь», генеральный директор АО «Северсталь-Инфоком»:
– В каждой компании можно найти свои мотивации для внедрения ИИ: модно, можно заработать на этом денег, можно сэкономить, нужно отчитаться о внедрении. Главное – разбудить интерес и чувство соперничества. Лучше работать при дефиците этих ресурсов, убеждать заказчиков в перспективности диджитала.
Мы всегда были очень прагматичными. И акционер наш очень прагматичен, его всегда интересует прибыль. Поэтому, с одной стороны, нам сложно экспериментировать. С другой стороны, легко браться за проекты, у которых есть нормальное финансовое обоснование. Важный момент – в сумме надо оставаться прибыльными. Людей, которые в компаниях управляют большими бюджетами, не обязательно погружать в специфику того, где закончился классический ИИ и начался генИИ. Если ты в сумме даешь маржинальность, превосходящую внешнюю маржинальность компании, всё в порядке. У всех компаний есть способ посчитать, сколько денег ты заработал на том или ином проекте.
Настоящая сложность – не в расчете модели, а в подсчете итогов, потому что, как вы знаете, у победы тысячи отцов и только поражение – круглая сирота. Эта сложность присуща всем корпорациям. И чем крупнее корпорация, тем выше сложность.
В каждой компании можно найти свои мотивации для внедрения ИИ: модно, можно заработать на этом денег, можно сэкономить, нужно отчитаться о внедрении. Главное – разбудить интерес и чувство соперничества.
Конкуренция за ресурсы – это хорошо. Но деньги надо аккуратно считать каждый год, иначе потом наступит охлаждение акционера. И проблема в том, что разогрев акционера происходит очень долго, а охлаждение очень быстро, потому что бизнесмены разочаровываются значительно быстрее, чем верят. И хорошо бы этого не допустить.
У нас от общего объема коммерческих проектов около 30% приходится на maintenance (эксплуатация, обслуживание. – Прим. ред.) – проекты без эффекта. Это просто отдельная категория: проекты по поддержанию работоспособности, ремонтам агрегатов, реновация технопарка, расширение вычислительных мощностей, отработавших 7 лет. От них не ждут эффекта.
Если не считать проекты поддержки из общего пула, то оставшиеся проекты по эффективности распределяются как 2 к 1. То есть на один неприбыльный проект приходится 2 прибыльных, с качественными и количественными эффектами.
Когда начался бум ИИ, в отрасли были компании, которые ставили количественные внутренние цели. Например, сделать в год 15 проектов с использованием компьютерного зрения. Проблема в том, что часто в компаниях со специфичной культурой результат превращается в галочку. Но дальше начинается период продуктивной эксплуатации. И возникают вопросы – зачем все это внедрено?
Ответ простой – ИИ-решения должны внедряться для повышения эффективности. Это один из инструментов. Например, производство хочет выпускать более дешевую, качественную, прибыльную продукцию. Для этого есть набор способов: привлечь технологов, помолиться, внедрить ИИ, повысить уровень обслуживания стана, и так далее. Конечно, они выбирают самое практичное сочетание, которое, как правило, содержит ИИ-решение.
При этом я практически не знаю ни одного человека, который при принятии решений мыслит лучше, чем генИИ. Просто потому, что за способностью рассуждать у генИИ стоит очень большая мощность.
Но при этом я бы не доверил ему ведение переговоров. Просто потому, что пока еще не до конца выросло то поколение, которому не нужны люди. Мы все, включая молодежь, все еще социализированы настолько, что хотим видеть человеческие глаза. И это часть переговорного успеха.
Все остальное уже можно отдавать генИИ, и в большинстве случаев никто не заметит замены.
Вот у меня – две противоположные цели. Первая – это создание полностью безлюдного процесса, на котором не требуется участие человека. Например, часть отдела продаж с условием, чтобы клиенту не надо было менять процесс.
Вторая задача – появление цифрового сотрудника. Есть много профессий, которые может заменить ИИ, но очень дорого. Поэтому мы продолжаем в эти подразделения набирать людей. Но если бы там трудился 24х7 бесплатно цифровой сотрудник, это сильно стандартизировало бы процесс, который сейчас завязан на человеческий фактор.
Виталий Бусько, вице-президент по инновациям ПАО «ГМК Норильский никель»:
– У нас нет тепловой карты внедрения ИИ, но в производственной компании очевидно, где можно получить от него максимальные эффекты: на дополнительном металле, на повышении качества. Поэтому на протяжении последних 5–7 лет мы внедряли искусственный интеллект в первую очередь в управление технологическим процессом. На сегодня около 80 процентов основной технологической цепочки мы уже охватили.
Дальнейшие планы, к которым сложно подступиться без генеративного ИИ, это ремонты, проектирование и так далее. Причем большой пул очень маленьких ремонтов, потому что в крупных ремонтах уже все внедрено. И появление генИИ позволяет обратить внимание именно на вспомогательные, децентрализованные, мелкие процессы. Следующий приоритет – управление запасами.
Что касается управленческих функций, то здесь генИИ не заменяет и не заменит человека.
Этот бизнес-кейс пока не сходится.
Что касается управленческих функций, то здесь генИИ не заменяет и не заменит человека. Этот бизнес-кейс пока не сходится. Поэтому перед нами стоит большой вопрос – в какой степени заниматься этим направлением? Очевидно, что не заниматься нельзя. И что оптимизация процесса в любой управленческой функции напрямую прибыль не дает. И эти управленческие процессы занимают где‑то процентов 10 в общем портфеле. Наша задача – скорее научить сотрудников, чтобы они с помощью генеративки могли собирать для себя помощников, оптимизировать процесс.
Но основная часть генеративки, которую сотрудники используют, создавая себе агентов, пока это не дает никаких эффектов. Тем управленческие процессы и сложны, что посчитать их экономический эффект за счет сокращения сроков инвестиционных процессов очень сложно.
Наши коллеги из экономического департамента не признают это эффектами, за исключением оптимизации численности. Но это очень мало по сравнению с эффектами, которые есть в производстве. Так что если расставлять приоритеты по окупаемости с учетом прямых эффектов, то до управленческих функций с генИИ мы доберемся не скоро.
Виталий Губарев, заместитель генерального директора по развитию бизнеса Крок К2Тех:
– У нас около тысячи клиентов, с которыми мы работаем. И чтобы двигался процесс внедрения ИИ, в него должны верить.
Я верю больше всего в обучающие сессии, воркшопы – индивидуальные и расширенные. Это могут быть воркшопы, где есть эксперты, которые покажут, расскажут, дадут потрогать. И это могут быть сессии по генерации гипотез, основных направлений внедрения ИИ.
Если внедрять только проверенное, высчитывать, какое точно будет ROI, можно еще 5 лет прождать и ничего не дождаться, а рынок убежит вперед.
Выбор заниматься или не заниматься, вкладывать деньги или не вкладывать – скорее вопрос веры. Посчитать и обосновывать в данном случае сложно.
Многие бизнесы занимаются внедрением ИИ потому, что считают, что бизнес-модель их отрасли через несколько лет изменится. А значит, заниматься необходимо, чтобы не отстать от остальных.
А вот дальше, когда уже вложены деньги в искусственный интеллект, например, приобретены дорогостоящие серверы, нанята команда, – на этом этапе уже нужно расставлять приоритеты и считать.
Если внедрять только проверенное, высчитывать, какое точно будет ROI, можно еще 5 лет прождать и ничего не дождаться, а рынок убежит вперед.
Например, мы для себя создали отдельную систему, которая позволяет прикинуть ROI любой инициативы до ее старта. И в этой системе мы считаем каждую гипотезу использования нашей локальной инфраструктуры.
В компании работает портал, созданный по принципу ChatGPT, где можно заниматься личной эффективностью. И мы считаем время пользования и категоризируем каждый запрос: деловое письмо, отчет, SQL-запрос и так далее. И считаем FTE (Full-Time Equivalent, эквивалент полной занятости. – Прим. ред.) которое наш чат экономит за счет базовых операций. И только это полностью окупает наш кластер с графическими картами и команду, которая этот инструментарий поддерживает.
У меня две цели на этот год. Первая цель – повысить вовлеченность сотрудников до 70%. Второе – реализовать ИИ-сотрудников. Не ИИ-агентов, которые выполняют локальную задачу, а именно полноценных ИИ-сотрудников, с которыми можно общаться, ставить задачи.
В будущем из 10 членов команды только трое будут людьми, а остальные – ИИ-сотрудники, которые обучены, обладают нужными знаниями, понимают процессы и могут решать задачи «под ключ». А оставшиеся люди будут контролировать процесс и отвечать за финальный результат.
Денис Юдаков, генеральный директор СИБУР ДИДЖИТАЛ:
– Компания СИБУР с 2018 года активно занимается цифровизацией. На сегодня machine learning (ML, машинное обучение. – Прим. ред.) уже перешло в формат базовой автоматизации, которым все пользуются. И не называется внутри компании ИИ. Когда мы говорим об искусственном интеллекте, то подразумеваем генеративный ИИ, современные модели, подходы.
В будущем из 10 членов команды только трое будут людьми, а остальные – ИИ-сотрудники, которые обучены, обладают нужными знаниями, понимают процессы и могут решать задачи «под ключ».
ГенИИ внедряется во все направления, все функции. И при цифровизации каждой функции мы стараемся получить эффекты, чтобы не было ощущения игры. То есть процесс идет с двух сторон: сверху вниз и снизу вверх.
Снизу вверх – люди экспериментируют, у них есть инструменты, чтобы они могли сами что‑то сделать, оптимизировать свою работу. И этим многие пользуются. Это многим позволяет просто экономить время, хотя когнитивная нагрузка на каждого растет. Первое время надо учиться.
Принцип работы «сверху вниз»: приходишь с гипотезами – приноси эффекты. Это сразу настраивает на получение определенного результата и для себя, и для компании. И расставлять приоритеты в зависимости от возможности получить максимальный эффект.
Конечно, максимальный эффект в основном получается там, где есть много контента. Например, объем данных по ремонтам был автоматизирован во многих системах (в системах надежности, ERP и так далее). Но всегда существовала проблема качества этих данных, потому что в реальном состоянии постоянно актуализировать объем, который мы описали, когда автоматизировали эти процессы, нереально. Из-за этого часть процессов хромала, потому что на неактуальных данных не всегда эффект автоматизации получаешь. И когда мы стали нормативы, описание техкарт и тому подобного с помощью ИИ структурировать и дорабатывать, начали выравниваться процессы, и стали появляться эффекты.
В данном случае ИИ помогает не просто оценивать стандартные данные, но и вовлекать аналоги. То есть можно взять материал, разложить его на параметры, разложить на параметры аналоги и сравнить. В таком случае сравниваются не названия, а наборы параметров. И это лучше позволяет вовлекать то, что лежит на складе.
И так у каждого направления возникает «тепловая карта» фокуса, где можно за счет быстрого наведения порядка, с одной стороны, получить эффект, с другой стороны, получить опыт и понять, как все работает.
Меняется сама модель труда, а умение работать с ИИ становится стандартным требованием для каждого.
Раньше компетенции в области искусственного интеллекта, особенно когда все было завязано на ML, были сконцентрированы в одном месте. Ребята собирали данные, чистили их, выстраивали data governance (руководство данными. – Прим. ред.). Требование к качеству данных было значимо для ML-моделей (методы обучения компьютера, которые позволяют выявлять закономерности в данных и на их основе генерировать прогнозы или создавать контент и данные. – Прим. ред.).
Сейчас, когда каждый процесс автоматизации делается с помощью ИИ, мы провели «федерализацию» структуры. Фактически у нас осталось несколько человек, которые занимаются платформенными элементами централизованно. А ребята, которые занимаются ИИ, фактически разошлись по командам, работающим на конкретный бизнес.
Все сложнее отличить людей, которые занимаются ИИ изначально, от тех, кто мигрировал в эту область. В этой структуре это становится обязательной компетенцией каждого. Без этого не выжить.
Те, кто двигается быстрее, становятся более успешными по экономическим причинам. Их производительность начинает экспоненциально расти по сравнению с теми, кто надеется, что это очередной хайп.
Есть те, кто бежит быстрее всех, есть следующие, для которых протоптана тропинка. Мы к этому относимся как к базовой обязательной компетенции на всех уровнях, в том числе и руководителей.
Меняется сама модель труда, а умение работать с ИИ становится стандартным требованием для каждого.
Предложения о внедрении ИИ в определенные процессы ничем не отличаются от других инициатив. А если у тебя есть инициатива, у тебя должен быть эффект. Просто раньше часть инициатив получались настолько дорогими, что этот порог контроля эффективности не проходили. Сегодня инструменты ИИ дают возможность сделать это кратно дешевле, и эти проекты проходят порог эффективности.
Подготовила Славяна РУМЯНЦЕВА