УДК 338.3

DOI 10.24412/2413-046Х-2021-10360 

Искусственный интеллект как фокус развития цифровой экономики: теоретические и практические аспекты

Artificial intelligence as the focus of the digital economy: theoretical and practical aspects

Федотова Анастасия Вячеславовна, кандидат экономических наук, доцент, Московский авиационный институт (национальный исследовательский университет) «МАИ», г. Москва

Fedotova Anastasia V., fedotova_mai@mail.ru

Аннотация. Статья посвящена исследованию развития технологий искусственного интеллекта и представления его фундаментальной основой концепции цифровой экономики, реализующей в рамках концепции «Индустрия 4.0». Целью проводимого в статье исследования является анализ областей эффективного применения методов и инструментов искусственного интеллекта, а также оценка потенциала внедрения искусственного интеллекта в бизнес-сферу. Рассмотрены теоретические и практические аспекты применения технологий искусственного интеллекта в различных секторах экономики. Определено, что высокая цена внедрения технологий и налаживания этапов ее функционирования является значимым барьером для использования искусственного интеллекта. Данные полученные в ходе показали, что организации, которые инвестировали в идентификацию, агрегирование, стандартизацию и маркировку данных, будут иметь хорошие возможности для объединения искусственного интеллекта с аналитикой, IoT и другими технологиями. Установлено, что для успешного объединения и организации работы команд могут быть использованы методы DevOps, которые помещают команды разработки и операционные группы в цикл обратной связи для постоянного сотрудничества и интерактивных изменений новых продуктов. Определены критерии оценки уровня зрелости отраслей искусственного интеллекта. 

Summary. The article is devoted to the study of the development of artificial intelligence technologies and its presentation as the fundamental basis of the concept of the digital economy, which is implemented within the framework of the concept of «Industry 4.0». The purpose of the research carried out in the article is to analyze the areas of effective application of artificial intelligence methods and tools, as well as to assess the potential for introducing artificial intelligence into the business sphere. The theoretical and practical aspects of the application of artificial intelligence technologies in various sectors of the economy are considered. It has been determined that the high cost of introducing technologies and establishing the stages of its functioning is a significant barrier to the use of artificial intelligence. The data obtained during the course showed that organizations that have invested in identifying, aggregating, standardizing and labeling data will be well placed to combine artificial intelligence with analytics, IoT and other technologies. It has been found that DevOps techniques can be used to successfully integrate and organize teams, placing development teams and operations teams in a feedback loop for ongoing collaboration and interactive changes to new products. Criteria for assessing the level of maturity of the branches of artificial intelligence have been determined. 

Ключевые слова: искусственный интеллект, цифровая модель экономики, тренды рынка, методы DevOps, отраслевое применение искусственного интеллекта, трансформация бизнес-процессов, цифровой маркетинг.

Key words: artificial intelligence, digital economy model, market trends, DevOps methods, industry applications of artificial intelligence, business process transformation, digital marketing.

Введение

В связи с происходящими в современных реалиях цифровыми трансформациями, возникновение и применение новых технологий имеет тенденцию к увеличению. Во все сферы деловой и общественной жизни проникают умные системы, которые могут эффективно действовать в динамично меняющемся мире. Цифровая экономика представляет собой основу всей системы госуправления, экономики, новых моделей бизнеса, основа четвертой промышленной революции. Технология искусственного интеллекта (ИИ) исследуется на протяжении более полувека. В ходе развития данной области науки интерес к столь перспективному направлению ИТ-области варьировался в зависимости от научных достижений и развития прикладных областей применения ИИ. За последние 10 лет произошло много немаловажных достижений в совершенствовании составляющих данной технологии, а также рынок ИТ определил новые возможные варианты использования ИИ. У субъектов хозяйственной деятельности возникает необходимость в использовании этого инструмента для поддержания конкурентоспособности и развития своих подсистем, что побуждает государства включаться в технологическую гонку с целью стимулирования экономики, укрепления своих геополитических позиций, повышения жизненного уровня населения [1]. Такого мнения придерживаются лидеры государств, а также главы крупнейших корпораций. Целью данного исследования является анализ областей эффективного применения методов и инструментов ИИ, а также оценка потенциала внедрения ИИ в бизнес-сферу.

Обзор литературы

В настоящее время ИИ общий термин, который объединяет в себе множество более конкретных понятий, таких, как компьютерное зрение, нейросети, машинное обучение. Это так называемый «ИИ в узком понимании», определение которого дается через описание вариантов применения технологии, которые включают в себя использование больших массивов данных для анализа, моделирования и прогнозирования событий. ИИ в широком понимании (сильный ИИ) это «сверхмашина», которая способна самостоятельно развиваться и принимать решения, не ориентируясь при этом на предварительно предоставленные ей для обработки модели и наборы правил. Термин искусственный интеллект как калька с английского не удовлетворяет экспертов: многие из них говорят о неточном переводе, который искажает суть технологии. Взамен предлагается целый набор терминов: более широкие роботизированный интеллект, нечеловеческий интеллект; или более фокусированные на инструменте нейросеть, (глубокое) машинное обучение. В любом случае, акцент смещается с человека и аналога человеческого интеллекта. Эксперты объясняют термин через инструменты, которые работают автономно и не всегда по образу и подобию человека. Можно даже говорить, что именно иные формы, отличные от человеческого мышления, и приведут к успеху ИИ [2].

В рамках проводимого в статье исследования понятие искусственного интеллекта определяется в самом широком его смысле как совокупность технологий обработки различных типов данных и информации, в частности способных интерпретировать такие данные, извлекать знания и использовать для достижения определенных целей. Машинное обучение, в свою очередь, определяется как класс методов искусственного интеллекта, которые характеризуются выполнением компьютерными системами специфических задач посредством соотнесения их с ранее выполненными задачами сходного типа без использования, установленных в явном виде инструкций. ИИ уже сегодня создает дополнительные источники для роста стоимости бизнеса. Лидеры в сфере ИИ увеличивают свои инвестиции и разрабатывают широкомасштабные стратегии для внедрения. Оценка объема рынка ИИ в Российской Федерации сильно колеблется в зависимости от методики исследований. Рассмотрим более подробно критерии оценки уровня зрелости отраслей искусственного интеллекта (табл.1) [3].

Согласно результатам исследования «Актуальные тенденции рынка искусственного интеллекта и машинного обучения» по итогам 2017 года сегмент ИИ в России ограничивался объемом 700 млн. рублей. Ожидается, что к 2021 году рынок искусственного интеллекта увеличится до 28 млрд. руб. По прогнозам авторов исследования стимулировать его рост будут финансовая сфера, розничная торговля и промышленность. По результатам исследования «Цифровая экономика: глобальные тренды и практика российского бизнеса», проведенного НИУ ВШЭ, на первые позиции с точки зрения наибольшего влияния на бизнес вышли цифровые технологии: интернет вещей и автоматизация производства (60 %), цифровое проектирование и моделирование (58 %), технологии виртуализации, удаленный доступ, удаленный офис и т. п. (57 %), мобильные технологии и кросс-канальные коммуникации (55 %). Анализируя данные, полученные американскими и британскими финансовыми аналитиками, можно сделать очевидные выводы о том, что стремительное развитие робототехники с использованием технологий искусственного интеллекта приведет к очередному скачку производительности. По оценкам экспертов, этот показатель вырастет на 30% в целом по миру, сопровождаясь снижением расходов на рабочую силу в пределах 20-33%. Естественно, в первую очередь так называемые «подрывные инновации» коснутся наиболее развитых стран, что приведет к технологической перезагрузке сразу нескольких важнейших отраслей [4].

Материалы и методы исследования

В рамках исследования были использованы методы количественного и качественного экспертных интервью. Кроме того был проведен анализ вторичных данных. Эксперты исследования российские и международные руководители, и ведущие специалисты в области искусственного интеллекта, вовлеченные в реализацию связанных с ним проектов в различных сегментах (промышленное производство, розничная торговля и др.).

В последнее время произошел впечатляющий рывок в области развития и особенно применения искусственного интеллекта, основанного на использовании нейронных сетей. Получены грандиозные результаты при решении таких задач как распознавание речи, изображений и лиц. Данные технологии основаны на достаточно грубом копировании работы человеческого мозга и не всегда дают ожидаемые результаты. Задача науки понять, как работает ИИ. Технологии часто начинают работать раньше нашего понимания всех подробностей их работы. Без такого понимания неизбежно возникают разного рода инциденты. Основная проблема в теории ИИ – понять, почему работают нейронные сети, несмотря на то, что, с точки зрения классической математики, задача построения нейронных сетей некорректна, т.к. количество наблюдений (обучающих примеров) на несколько порядков меньше числа определяемых параметров, но, тем не менее, на практике сеть работает. Теоретического понимания, почему сеть работает у нас пока нет. Хотя это не должно нас останавливать от того, чтобы эти технологии массово внедрять. Основная задача ученых – как можно скорее узнать, как технологии ИИ работают. Для поднятия ИИ на новый уровень развития и получения предсказуемых и надежных результатов необходимо построить новую или существенно доработать существующую теорию ИИ [5].

Анализируя потенциал искусственного интеллекта, исследователи начали искать новые области его применения, прежде всего – в увязке с совершенствованием бизнес-процессов. Применение ИИ в этой области позволяет сделать бизнес-процессы гибкими и адаптивными, отказаться от традиционных конвейеров и перейти к идее интеграции продвинутых ИИ-систем и людей. Такой подход позволяет радикально изменить взаимодействие машины и человека, формировать интегрированные команды из роботов и людей. Такие команды способны по ходу выполнения производственных операций быстро обрабатывать большие массивы данных, усваивать новую информацию и подстраиваться под непрерывно изменяющиеся условия. Такие возможности ИИ позволяют компаниям по-новому произвести реинжиниринг своих бизнес-процессов, существенно повысить их производительность и снизить издержки. Таким образом, одно из основных направлений развития и внедрения ИИ в промышленности – реинжиниринг бизнес-процессов. Другим направлением развития и внедрения ИИ является дополнение и расширение человеческих возможностей, когда машины выполняют то, что лучше всего они умеют (выполнение повторяющихся, монотонных задач с обработкой колоссального объема данных), а люди выполняют то, что лучше всего умеют они (работа с неоднозначной информацией, умозаключение в сложных случаях, принятие решений в условиях с высоким уровнем неопределенности, творчество и др.). Это направление принято назвать третьей волной бизнес-трансформации [6].

Статистические данные свидетельствуют о том, что в период 2016-2019 гг. доходы мирового рынка искусственного интеллекта увеличились на 350%, с 3221,8 до 11283,76 млн. долл. США (рис.1). К 2025 г. доходы должны возрасти до 89847,26 млн. долл. США

Влияние искусственного интеллекта на мировой ВВП обусловливается повышением производительности труда, персонализацией, сокращением издержек времени, а также улучшением качества продукции, работ и услуг. Ожидается, что рост производительности труда в мире будет составлять 55% от совокупного влияния искусственного интеллекта на мировой ВВП в период 2017-2030 гг. Рассмотрим применение ИИ в различных секторах экономики [7].

Маркетинг и реклама. Внедрение ИИ в сфере маркетинга и рекламы влияет на повышение рентабельности бизнеса, существенное улучшение таргетингов, рост клиентоориентированности. При этом данные выгоды от ИИ могут быть использованы компаниями из любой сферы — банковской, металлургической, транспортной. Рост проникновения технологии Больших Данных на рекламный рынок требует как от рекламодателей, так и от агентств, применения технологий ИИ для эффективной аналитики пользовательских данных с целью получения точных знаний об аудитории и клиентских предпочтениях. При этом ИИ позволяет не только получать полную информацию о пользователях, но и предсказывать их поведение в будущем. ИИ в рекламе используется для таргетинга. Это характерно не только для банков, а для всего digital-маркетинга. Банки располагают информацией о транзакциях, и это даёт преимущество [8].

Ритейл. Искусственный интеллект в розничной торговле находит всё более широкое применение: это не только улучшение коммуникации с покупателями, но и оптимизация ценообразования, работа с товарными запасами, принятие решений о времени и формате акций и распродаж. По мнению экспертов, сегодня любая крупная компания в ритейле использует ИИ. Это связано с объемами данных, которые можно анализировать в режиме реального времени. Кроме того, выгода заметна сразу — за счет использования инструментов автоматизирования процессов. Выделяются два основных инструмента: автоматические (умные) кассы и рекомендательные сервисы. Магазины обеспечивают заказ продукции по данным анализа покупательской активности. Потребителям же предлагаются скидки на товары по данным их покупательской корзины, формируются акции и специальные предложения.

Банкинг. Данный сектор экономики всеми экспертами отмечается как наиболее перспективный для развития ИИ. Объяснением этому может служить тот факт, что банки обладают большим количеством данных, которые можно анализировать. Применение ИИ в банковской сфере можно разделить на два типа: решение внутренних задач банка как организации и клиентский сервис. Для повышения эффективности и упрощения внутренних процессов используются инструменты автоматизации принятия решений и инструменты, увеличивающие количество принимаемых решений (напр., различные варианты скоринга). Также часто используются роботы, автоматизирующие внутренние процессы. Они помогают повысить эффективность базовых рутинных процедур. Машинный интеллект применим для скоринга, для быстрого принятия решений, оценки риска при выдаче кредита, при анализе платежеспособности заемщика. Скоринг используется также для работы с клиентами — это и многочисленные инструменты, позволяющие выявлять кредитоспособных граждан, и формирование индивидуальных предложений по вкладам и тарифам. Еще один инструмент — технология распознавания лиц, которую можно использовать для идентификации клиентов. Потенциал данной технологии также позволяет повысить безопасность.

Телекоммуникации. Телекоммуникационные компании, как и банки, обладают обширной базой данных о своих абонентах. Поэтому одним из первых направлений применения ИИ в телекоммуникациях стал маркетинг, в частности, решения для удержания клиентов и повышения их лояльности. Сегодня телекоммуникационные компании используют чат-боты для ответов на вопросы клиентов, предиктивную аналитику для формирования сетки тарифов и вычисления вероятности использования абонентами тех или иных сервисов. С помощью машинного обучения и основанного на нем поведенческого анализа компании вычисляют мошеннические звонки. ИИ позволяет прогнозировать загрузку сетевых ресурсов и оптимизировать их распределение в соответствии с прогнозами.

Промышленность. Сектор тяжелой промышленности обладает большим потенциалом в сфере внедрения ИИ, в первую очередь, за счет быстрого прототипирования или динамического распределения ресурсов — модификации оборудования. Для производственных компаний самым главным преимуществом ИИ является снижение числа ошибок в работе, связанных с человеческим фактором, сокращение количества выполняемых вручную рабочих процессов, прогнозная аналитика. Совместное исследование компании «Цифра» и Российского союза промышленников и предпринимателей отражает тенденцию повышения спроса на технологии ИИ со стороны промышленников. Согласно исследованию, ИИ в промышленности используется, для увеличения срока службы промышленного оборудования и повышения эффективности его технического обслуживания составляет 44 %. В российской промышленности технологии ИИ применяются в производстве (металлургия, химия, нефтехимия, нефтепереработка и нефтедобыча) — 22 %, в электроэнергетике — 11 %. Оставшиеся 23 % — научные работы университетов, исследующих применение методов ИИ в новых сферах для промышленного сектора. Опрошенные эксперты настоящего исследования также оптимистичны в прогнозах эффективности внедрения ИИ в промышленности и отмечают как преимущество большие базы данных для работы, которые стимулируют развитие ИИ. Данные используются для обучения систем ИИ, для прогнозирования, для разработки рекомендательных систем, которые в дальнейшем используются с целью оптимизации производственных, так и административных процессов. Искусственный интеллект помогает работать с большим количеством факторов, анализировать влияние каждого и делать выводы.

Самыми распространенными элементами ИИ в промышленности являются автоматизированные инструменты и когнитивные помощники. Также часто используются цифровые двойники — системы, которые на базе машинного обучения помогают оптимизировать организационные процессы. Эти технологии постепенно заменяют рабочих, которые выполняют типичные задачи, что, в свою очередь, приводит к сокращению издержек.

Результаты различных исследований, проведенных в России и зарубежных странах, показывают ряд общих проблем, с которыми сталкиваются организации, внедряющие технологии ИИ. Большинство специалистов разделяют мнение, в соответствии с которым речь идет о принципиально новом явлении, которое становится вызовом не только для группы профессионалов, но для всего социума. По данным аналитических компаний SAS и Deloitte основными трудностями развития ИИ являются [9]:

• изменение перечня профессий и востребованных человеческих навыков;
• нормативно-правовые риски;
• этические вопросы.

Международные исследования обращают внимание на несколько блоков барьеров внедрения и использования ИИ. Организации-пионеры выделяют среди основных барьеров для внедрения технологий ИИ:

• нехватку поддержки со стороны руководства;
• неясное экономическое обоснование.

Последний вызов наиболее часто называли и российский эксперты в ходе глубинных интервью. Высокая цена внедрения технологий и налаживания этапов ее функционирования является значимым барьером для использования ИИ. Экономическую выгоду не всегда удается продемонстрировать в краткосрочной перспективе, что может являться причиной закрытия отдельных проектов. Стоит также отметить, что ИИ имеет более перспективное развитие при взаимодействии с другими набирающими популярность в 2019 году технологиями. Успешная интеграция ИИ с другими технологиями начинается с данных. Организации, которые инвестировали в идентификацию, агрегирование, стандартизацию и маркировку данных, будут иметь хорошие возможности для объединения ИИ с аналитикой, IoT и другими технологиями. Для успешного объединения и организации работы команд могут быть использованы методы DevOps, которые помещают команды разработки и операционные группы в цикл обратной связи для постоянного сотрудничества и интерактивных изменений новых продуктов. При этом необходимо создание новых ролей для сотрудников в качестве переводчиков и связей между различными группами. Модели также нуждаются в регулярном тестировании, обновлении и замене [10].

Использование DevOps обеспечивает стабильное, быстрое и надежное развертывание ПО, в том числе и благодаря непрерывности тестирования, что позволяет избежать задержек и проблем с качеством, свойственных для классической модели проектной разработки. Культура DevOps может развиваться в компаниях либо эволюционно, когда сотрудники понимают, что появляются процессы, которые можно автоматизировать, либо с целью реализации новых бизнес-целей. Но когда компании нужно поставить на рельсы новые процессы, всегда требуются специалисты, способные внедрить и развить нужные инструменты. Переходя на DevOps, бизнес получает несколько преимуществ. Среди них:

• быстрый выход на рынок (например, сокращение времени цикла и более высокие темпы развертывания);
• повышение качества (например, повышение доступности, меньше сбоев и т.д.);
• увеличение организационной эффективности (например, больше времени тратится на деятельность связанную с увеличением ценности продукта по сравнению с потерями, увеличение количества функционала, переданного заказчику).

Результаты

Сегодня в России, как и во всем мире, интерес к искусственному интеллекту огромный: ведущие страны мира разрабатывают стратегии развития ИИ, технология обсуждается на всех возможных уровнях  от научных конференций до социальных сетей. В то же время общепринятого понимания и единого определения того, что такое искусственный интеллект, в настоящий момент не существует. Как следствие, отношение к технологии со стороны общества и индустрии пока неоднозначное: остаются вопросы относительно безопасности использования технологии, ее влияние на социальное благополучие и права человека (в частности, право на приватность). Бизнес и государственные структуры в России уже сегодня пришли к пониманию тех выгод, которые несет в себе внедрение технологии искусственного интеллекта, однако большинство представителей бизнеса пока не до конца осознают, как именно надо применять технологию, чтобы добиться необходимых им результатов. Ситуация постепенно меняется с началом обсуждения этой темы на самых высоких государственных уровнях, а также с появлением различных успешных кейсов использования искусственного интеллекта.

Лидеры развития технологии США, Китай, Япония. Участники настоящего исследования причисляют Россию к числу стран с высоким потенциалом внедрения искусственного интеллекта. Основные типы применения технологии искусственного интеллекта в России, выявленные в ходе исследования, в целом совпадают с общемировыми тенденциями. В российских компаниях это:

• агенты (автоматизированные службы поддержки банков, медицинских и телекоммуникационных учреждений, чат-боты клиентских сервисов);
• алгоритмы, оптимизирующие процесс принятия решений используются во всех сферах: от промышленности (рекомендательные системы для принятия технологических решений, повышение безопасности производства) до розничной торговли (логистические задачи, изучение поведения покупателей) и банков (формирование индивидуальных предложений, улучшение таргетингов);
• автоматизация производственных процессов в компаниях широкого профиля, «умные» устройства (системы распознавания образов). 

Выводы/результаты

Лидерами по внедрению и использованию искусственного интеллекта на российском рынке, по мнению экспертов, являются промышленные предприятия, банки, телекоммуникационные компании и ритейл. Промышленные предприятия активно внедряют инструменты автоматизации внутренних и производственных процессов. Рекомендательные сервисы используются на всех этапах производственного процесса, как для мониторинга текущих процессов, так и для прогнозирования будущих событий. Банковская сфера использует различные инструменты скоринга, автоматизируя рутинные функции, оптимизируя и ускоряя процессы принятия решений. Банки используют накопленные знания о своих клиентах и на их основе разрабатывают рекомендательные сервисы. В целях идентификации и обеспечения безопасности используются технологии распознавания образов (биометрия, распознавание лиц). Телекоммуникационные компании используют чат-боты для ответов на вопросы клиентов, предиктивную аналитику для формирования сетки тарифов и вычисления вероятности использования абонентами тех или иных сервисов. С помощью машинного обучения и основанного на нем поведенческого анализа компании вычисляют мошеннические звонки. ИИ позволяет прогнозировать загрузку сетевых ресурсов и оптимизировать их распределение в соответствии с прогнозами. 

Список использованной литературы

1. Дадашев З.Ф., Устинова Н.Г. Влияние искусственного интеллекта на экономику // Эпоха науки. — — №18. — С.53-57. doi:10.24411/2409-3203-2019-00042
2. Соколова И.С., Гальдин А.А. Практическое применение искусственного интеллекта в условиях цифровой экономики // Модели, системы, сети в экономике, технике, природе и обществе. — — №2 (26). — С. 71-79.
3. Указ Президента Российской Федерации «О Стратегии развития информационного общества в Российской Федерации на 2017‑2030 годы» // Режим доступа: http://pravo.gov.ru / proxy / ips / ?docbody=&firstDoc=1&lastDoc=1&nd=102431687 (дата обращения: 09.02.2020)
4. Мустафина А.Ф. Технология искусственного интеллекта в контексте бизнес-среды // Стратегии бизнеса. — — №7 (63). — С. 8-14.
5. Ефимова С.А. Развитие искусственного интеллекта // Цифровая наука. — — №6. — С. 49-58
6. Крюкова А.А., Михаленко Ю.А. Инструменты цифровой экономики // КНЖ. — — №3 (20). — С. 108-111.
7. Петров А.А. Возможности и направления развития цифровой экономики в России и блокирующие факторы ее развития // Актуальные проблемы российского права. — — №3 (100). — С. 45-66.
8. Трофимов В.В. Искусственный интеллект в цифровой экономике // Известия СПбГЭУ. — — №4 (118). — С. 105-109.
9. Щурина С.В., Данилов А.С. Искусственный интеллект как технологическая инновация для ускорения развития экономики // Экономика. Налоги. Право. — — №3. — С. 125-133.
10. Ilin I.V., Izotov A.V., Shirokova S.V., Rostova O.V., Levina A.I. Method of decision making support for IT market analysis // Proceedings of 2017 20th IEEE International Conference on Soft Computing and Measurements, SCM 2017 20. — -P. 812-814.