Интеллект не для всех: почему бизнес редко использует ИИ-технологии?

Технологии на базе ИИ обладают потенциалом во многих отраслях, но пока далеко не везде получили широкое применение.

Согласно недавнему исследованию, в 2022 году объем российского рынка ИИ в денежном выражении составил 647 млрд рублей (+17% по отношению к 2021 году). Самыми популярными ИИ-сегментами стали – «компьютерное зрение», «бизнес-аналитика», «AI в здравоохранении» и «обработка естественного языка». При этом ИИ-технологии пока используют около 20% российских компаний.

Эксперты «КОРУС Консалтинг» оценили перспективы использования ИИ с точки зрения различных сегментов экономики и классов информационных систем, а также рассказали о некоторых спорных моментах, которые пока препятствуют широкому распространению этих технологий.

Искусственный интеллект в логистике применяется уже давно. Среди ярких примеров – автоматизированные склады, беспилотники, автономные грузовики, роботы доставки последней мили. Сегодня ИИ в логистической отрасли способен заменить человека в рутинных операциях, например, при сортировке на складе, позволяя избегать ошибок, экономить время и сосредотачиваться не на рядовых, а на аналитических задачах (хотя в то же время ИИ помогает быстро обрабатывать данные и способен проводить прогнозный анализ). Технологии на базе ИИ могут рассчитывать время прибытия грузовиков в зависимости от условий движения, или прогнозировать повреждения товара на основе данных температурных датчиков.

Однако все эти примеры локальные и пока рано говорить о массовом применении технологий на базе ИИ в логистике, поскольку у таких ИТ-продуктов не хватает подтверждённой коммерческой эффективности. С одной стороны, если на рынке появляется ИТ-продукт на базе ИИ, это всегда получает позитивную оценку участников рынка с точки зрения возможностей и перспектив. С другой стороны, пока стоимость таких продуктов, как правило, очень велика и не может конкурировать с существующими коробочным решениями или даже заказной разработкой. К примеру, сегодня для логистов остается актуальной задача автоматизации определения наиболее оптимальных маршрутов. Теоретически ИИ мог бы рассчитывать такие маршруты, анализируя массив внешних и внутренних данных, однако пока что на рынке нет экономически эффективной системы управления транспортом с маршрутизатором на базе ИИ.

Евгений Евдокимов, руководитель направления бизнес-консалтинга департамента «Логистика» ГК «КОРУС Консалтинг»

В e-commerce технологии ИИ используются для создания рекомендательных моделей, когда искусственный интеллект помогает маркетологам сегментировать пользователей на основе поведенческих паттернов и делать релевантные предложения. Например, киоск самообслуживания с искусственным интеллектом в ресторане быстрого питания, скорее всего, не порекомендует девушке, оплатившей только салат и воду, купить еще и гамбургер.

Также технологии на базе ИИ помогают маркетологам управлять вниманием покупателя не только в зоне его прямых запросов, но и смещать интерес в сторону новых продуктов, опять же учитывая закономерности в поведении. Например, команда Lamoda персонализировала выдачу результатов поиска в каталоге товаров. Алгоритм анализирует десятки факторов, с учетом которых клиент совершал предыдущие покупки (цена, цвет, размер) и отправляет релевантные результаты в начало выдачи. В результате покупатели не тратят время на долгое пролистывание ленты с неподходящими товарами.

Нередко ИИ в e-commerce применяется для генерации контента. В частности, при описании продукта на маркетплейсах или в интернет-магазинах. Искусственный интеллект может изучить данные конкурентов и создать подходящее маркетинговое описание даже с учетом стилистики бренда – уже в ближайшее время мы планируем применять эту функцию в своих решениях.

Наконец, ИИ можно использовать для прогнозирования спроса, учитывая, например, сезонность или покупательское поведение. Так, сотрудники американской сети Walmart, проанализировав спрос, обнаружили, что за несколько недель до урагана клиенты в 7 раз чаще стали покупать земляничное печенье и пиво. Это позволило сети подготовиться и закупить больше товара, когда синоптики спрогнозировали следующий ураган.

Пока эти все тренды характерны для e-commerce в рамках сегмента B2C, однако уже начинают развиваться и в В2В. При этом ИТ-продукты на базе ИИ – относительно «молодые» технологии. Соответственно, пока затруднительно полноценно проанализировать опыт их применения, а результаты расчетов и рекомендаций таких технологий не всегда точны. В целом в e-commerce ИИ пока больше выступает в качестве помощника, инструмента, а не полноценного аналитика или райтера.

Мария Бар-Бирюкова, заместитель генерального директора ГК «КОРУС Консалтинг», основатель ИТ-стартапа Sellty

В сфере анализа данных ИИ становится неотъемлемой частью традиционных аналитических инструментов, например BI-систем. В портфеле нашей компании немало реализованных проектов с использованием технологий на базе ИИ. Среди них проект для «Абсолют Банка» по создании среды для моделей машинного обучения, система прогнозирования спроса для «Ленты», а также система прогноза продаж и оптимизации маркетинговых кампаний фармацевтической компании Takeda. Также мы имеем опыт по созданию с нуля собственных продуктов на базе ИИ. Например, облачные сервисы KORUS Forecast, который помогает розничным сетям среднего размера эффективно прогнозировать спрос на товары, или KORUS OSA, служащий для определения причин недостатка товаров на полках в магазинах. Сегодня, многие компании в России начинают использовать решения на базе ИИ и сфера анализа данных – одна из наиболее перспективных с точки зрения развития этих технологий.

Единственный момент, который по-прежнему требует особого внимания – это законодательное регулирование ИИ-решений, позволяющее обеспечить прозрачность работы ИТ-продуктов и платформ, а также избежать принципа предвзятости (bias). Например, если разработчик создает рекомендательную систему, то сейчас он имеет возможность настроить ее так, чтобы она в первую очередь рекомендовала товары или услуги определенного производителя. Такой подход не дает равных прав для всех игроков рынка, может привести к нездоровой конкуренции и рискам для бизнеса.

Светлана Вронская, эксперт департамента аналитических решений ГК «КОРУС Консалтинг» 

Согласно распространенной точке зрения, в ценообразовании с помощью искусственного интеллекта можно быстро обрабатывать большие объемы данных, а также выявлять тенденции и паттерны поведения потребителей, которые помогают определить оптимальные цены. В действительности все немного сложнее. В сфере ценообразования технологии на базе ИИ могут прогнозировать точную цену, но для этого необходим большой объем динамических данных: история продаж, закупочных цен, промо-акций и изменения цен, а также информация из всевозможных справочников данных и парсеров.

Например, торговой компании требуется спрогнозировать спрос на какой-либо товар и подобрать оптимальную цену на свой ассортимент. В систему загружаются данные о транзакциях – уровень покупательского спроса (количество проданного товара) и цена на этот товар в разное время. Анализируя информацию, ИИ находит оптимальную цену в зависимости от задачи – повышение маржинальности, увеличение оборота, рост выручки и т.д. Однако исключительно этих данных будет недостаточно, чтобы получить релевантный результат.

Именно поэтому ИТ-решения в ценообразовании находятся на пересечении технологий ИИ и бизнес-аналитики – пока без специалиста в сфере ценообразования, который «помогает» системе учитывать все факторы, прогнозы будут, скорее всего, некорректны. Кроме того, рынок еще не «дозрел» до прямого принятия ценовых рекомендаций искусственного интеллекта, так как для большинства компаний такие решения похожи на черный ящик, который печатает цены. Наконец, бизнес больше ценит управляемость и прогнозируемость, нежели эффективность. Доверять или не доверять таким системам – это открытый вопрос, который, однако, по мере развития технологий, будет сниматься.

Сергей Воробьев, генеральный директор компании KeepRise