Бизнес влюбился в искусственный интеллект с первого взгляда — быстро, эмоционально и не всегда рационально. Но период очарования заканчивается: на смену приходит необходимость считать эффективность и принимать взвешенные решения. ИИ остается мощным инструментом, но уже без скидки на новизну.
Кто сумеет использовать его по-настоящему, а кто так и останется на уровне демонстраций, руководитель отдела аналитики данных и машинного обучения ICL Services Сергей Щербаков поделился мнением с изданием «О финансах и не только».
— Можно ли говорить об ИИ в контексте «пузыря ожиданий»?
— Мне кажется, что пузырь уже сдувается. И это было вполне ожидаемо — есть известный график «жизненный цикл инноваций» от Gartner. «Исторические» направления ИИ, такие как машинное обучение и компьютерное зрение, уже давно прошли стадию хайпа, просто это мало кто заметил, и вышли на плато продуктивности. А то, что мы наблюдали недавно, — это пик интереса к новой технологии, генеративному ИИ.
Я ни в коем случае не хочу преуменьшить ее значимость: она действительно прорывная. Но уровень шума вокруг нее на порядок выше, чем вокруг любой другой технологии ИИ. И это, в общем, объяснимо.
— Когда интерес к ИИ перестал быть стратегией и стал скорее вопросом имиджа?
— Я бы не сказал, что это просто мода. Скорее, это воспринимается как некий признак статуса. Но и это сильно раздутая история. Есть иллюзия, что все вокруг уже внедрили ИИ, а ты остался один с DeepSeek в телефоне и не понимаешь, как применить его в бизнесе.
На самом деле огромное количество компаний до сих пор работают без ИИ. Просто потому, что не понимают, как внедрять его системно, а не «по велению чувств».
— Почему компании часто сначала внедряют ИИ, а уже потом ищут ему применение?
— На мой взгляд, потому что генеративный ИИ внедрить проще всего. Если стоит задача «показать внедрение», это самый быстрый путь. Во-первых, это действительно просто: есть готовые модели и сценарии, можно реализовать своими силами. Во-вторых, многие сотрудники уже с этим знакомы — не нужно учить с нуля. В-третьих, эффект очевиден.
Дал генеральному директору локальный аналог ChatGPT — он попробовал, впечатлился. Галочка «ИИ внедрен» поставлена. А то, что экономический эффект пока незначительный — это уже вторично. Хотя есть исследования, показывающие: к 2030 году генеративный ИИ даст лишь около 20% общего эффекта, а остальные 80% — это машинное обучение и видеоаналитика.
«Но, если посмотреть на уровень внимания, создается ощущение, что кроме генеративного ИИ ничего не существует», — Сергей Щербаков.
— С чего все-таки стоит начинать внедрение ИИ: с технологий или с бизнес-задач?
— Если речь о действующем бизнесе, начинать нужно именно с него. Практически на любом предприятии можно найти десятки гипотез, где ИИ может быть полезен. Важно выстроить процесс: сначала — выявление и приоритизация таких гипотез, затем — их быстрая и недорогая проверка.
Если пилот подтверждает эффективность, тогда есть смысл масштабировать. Можно, конечно, идти от технологий — это лучше, чем не делать ничего. Но результат может оказаться совсем не тем, на который рассчитывали.
— Почему многие ИИ-проекты так и остаются на стадии пилотов?
— Я бы не стал утверждать, что это большинство — тут работает эффект выжившего. Мы просто не видим, сколько пилотов было протестировано и отклонено.
По сути, это воронка: на входе — множество пилотов, затем часть «зависает», и лишь небольшое количество доходит до промышленной эксплуатации. Причины разные. Часто на старте не были определены метрики успеха — и проект превращается в «чемодан без ручки»: и бросить жалко, и развивать непонятно зачем. Бывает, что масштабирование оказывается слишком дорогим и срок окупаемости слишком длинный.
Ну и третий сценарий — когда ИИ внедряли «для галочки», потому что «все делают». В итоге проект просто повисает в воздухе, потому что на практике он никому не нужен.
Сергей Щербаков, руководитель отдела аналитики данных и машинного обучения ICL Services
Беседовала Дарья Лаврентьева