Как считают аналитики Gartner, в 2025 году ИТ-директора столкнутся с рядом задач, от решения которых зависит успешность развития их компании. На первое место Gartner поставил умение извлекать пользу из такого инструмента управления, как генеративный искусственный интеллект (ИИ). Далее идут способность работать с данными и аналитикой, минимизировать риски киберугроз, доносить до бизнеса ценность внедрения новых технологий.

Хабр-редакция КРОК подготовила перевод исследования Gartner о том, какие алгоритмы решений поставленных задач могут пригодиться в наступившем году ИТ-директорам и насколько эти решения могут быть эффективными. Исследование мы представили в четырех частях:

• Стратегия развития ИИ

• Стратегия работы с данными и аналитикой

• Отработка новых угроз безопасности

• Демонстрация ценности ИТ

Стратегия ИИ

Стратегия ИИ: от формирования видения до реализации инициатив на базе ИИ, дающих реальную ценность бизнесуЭффективнее всего строить стратегию развития ИИ на четырех основных столпах. Это видение, осознание ценности, риски и планы по внедрению.

Генеративный искусственный интеллект (ИИ) –  это один из видов ИИ, который неожиданно приглянулся руководителям, но чтобы извлекать из него пользу и уверенно управлять сопутствующими рисками, необходима продуманная, целостная и реализуемая стратегия внедрения ИИ.

Четыре ключевых элемента любой стратегии ИИ приведены ниже:

• Определить цели, преимущества генеративного ИИ и критерии успешности внедрения;

• Увязать ваше видение развития генеративного ИИ с выгодой, которую получит бизнес;

• Оценить и минимизировать основные риски, связанные с ИИ;

• Расставить приоритеты среди инициатив, касающихся генеративного ИИ.

Построение стратегии развития ИИ, в том числе генеративного ИИ, требует скрупулезности во всем: от продумывания видения с учетом потребностей бизнеса до планирования и обоснования конкретных инициатив.

Видение ИИ: определите, какие стратегические возможности открывает генеративный или другие виды ИИ

Все вдруг заинтересовались генеративным ИИ, но некоторые уже давно и успешно применяют ИИ в различных подразделениях и процессах. По данным исследования Gartner, среди тех, кто сейчас экспериментирует с ИИ, доля таких опытных игроков составляет всего 10%, но потенциальные пользователи генеративного ИИ могут многому у них научиться.

Генеративный ИИ способен радикально изменить существующие экономические и социальные парадигмы, как когда-то это удалось интернету и более ранним инновациям, например, электричеству. Главный вопрос с точки зрения бизнеса: как ИИ поможет достичь масштабных бизнес-целей и добиться более внушительных результатов? 

При правильном внедрении генеративный ИИ станет конкурентным преимуществом и даже будет иметь решающее значение, учитывая, что ИИ в принципе умеет автоматизировать однообразные и рутинные задачи, собирать аналитику, генерировать новые идеи и инновации с помощью предиктивной аналитики, машинного обучения и других методов ИИ. 

Генеративный ИИ может существенно повысить капитализацию компании, создавая новые прорывные возможности для достижения корпоративных целей, таких как:

– Увеличение выручки. ИИ ускорит создание новых продуктов. Фармацевтика, здравоохранение и промышленность (производство потребительских товаров, продуктов питания и напитков, химикатов и материалов) – в этих отраслях ИИ пригодится в первую очередь и поможет как с разработкой новых лекарств, менее токсичных бытовых чистящих средств, новых вкусов и ароматов, новых сплавов, так и с проведением более быстрой и качественной медицинской диагностики. 

– Повышение вовлеченности клиентов. С помощью генеративного ИИ можно повысить вовлеченность клиентов: организации отказываются от текущих бизнес-моделей и цепочек создания ценности, чтобы создавать и транслировать контент клиентам напрямую, минуя традиционных посредников (СМИ и дистрибьюторов).

– Снижение затрат и повышение производительности. Генеративный ИИ может упростить процессы и ускорить получение результатов, например, помогая сотрудникам обобщать, упрощать и классифицировать контент, создавая программный код или оптимизируя работу чат-бота. Кроме того, генеративный ИИ поможет задействовать ранее неиспользуемые (а значит, пока бесполезные) данные.

Решите, как измерять успешность внедрения ИИ

Недавно компания Gartner опросила больше 600 организаций, внедривших ИИ, и выяснила, что наиболее опытные из них, кто давно работает с ИИ, не измеряют успех ни объемом проекта, ни количеством выполненных задач или выпущенной продукции. Вместо этого они решили:

1. Смотреть на бизнес-метрики, а не на финансовые показатели, и использовать свои модели атрибуции и критерии для каждого сценария; 

2. Проводить сравнительную оценку внутренних подразделений и сравнивать свою организацию с другими;

3. Заранее определять показатели, а затем с их помощью быстро и последовательно измерять успешность сценариев использования ИИ.

К бизнес-метрикам относятся:

·  Рост бизнеса. Например, возможность перекрестных продаж, повышение цен, оценка спроса, монетизация новых активов.

·  Успех у заказчиков. Например, показатели удержания, удовлетворенности заказчиков, доля в кошельке заказчика.

· Экономическая эффективность. Например, сокращение запасов, производственные затраты, производительность труда, оптимизация активов.

В исследовании Gartner отдельно подчеркивается, что организации, в которых команда ИИ участвует в определении показателей успешности, на 50% чаще используют ИИ в стратегических инициативах. При выборе показателей команда ИИ должна учитывать мнение групп, управляющих данными, бизнес-аналитиков, экспертов по доменам, руководителей отделов по управлению рисками, специалистов по обработке и анализу данных (data scientists), а также руководителей ИТ-подразделений и разработчиков.

Ценность ИИ

Уберите препятствия, чтобы эффективно использовать преимущества ИИ

Новые инструменты, например, ChatGPT, подогрели интерес к возможностям ИИ, но чтобы извлечь выгоду из этих инструментов, руководителям необходим более широкий взгляд на их пользу для бизнеса, риски, кадровые проблемы и инвестиционные приоритеты, а также топ-менеджерам нужно подготовиться к полному пересмотру привычных бизнес-моделей и стратегий. 

На сегодняшний день бизнес-ценность ИИ в основном создается за счет разовых решений. Для получения большей пользы в масштабе, в том числе от проектов на базе генеративного ИИ, могут потребоваться серьезные изменения бизнес-процессов, новые наборы навыков, роли и организационные структуры, и даже новые методы работы. В отсутствие таких изменений не получится использовать по максимуму все выявленные возможности.

Генеративный ИИ трансформирует все: людей, навыки и процессы

Продумайте, как по мере интеграции генеративного ИИ в повседневную работу ваша организация будет преобразовывать процессы и системы, а также повышать квалификацию сотрудников. Осознанное внедрение ИИ с учетом будущих потребностей может обеспечить вам успех на годы вперед, а отсутствие такого взвешенного подхода может привести к катастрофе.

Gartner выдвигает следующие стратегические гипотезы:

· К 2026 году больше 100 млн человек будут обращаться к робоколлегам (искусственным виртуальным коллегам) за помощью в своей повседневной работе.

· К 2033 году решения на основе ИИ, внедряемые для дополнения или автономного выполнения задач, действий или заданий, приведут к созданию больше 500 млн новых рабочих мест.

Определите проблемы, которые могут замедлить внедрение проектов с генеративным ИИ или помешать вам извлечь из них максимальную пользу. Сопоставьте решения и действия и назначьте ответственного за проведение необходимых организационных изменений. Например, если в вашей организации не хватает компетенций для работы с данными, а без этого не обходится ни один проект с ИИ, то запишите топ-менеджеров (а не только рядовых сотрудников) на обучение и тренинг по работе с данными, и пусть директор по данным и аналитике отвечает как за проведение программы, так и за участие в ней других топ-менеджеров.

Риски, связанные с ИИ

Приготовьтесь оценить и минимизировать различные риски, связанные с ИИ

Государственные нормативно-правовые акты, касающиеся ИИ, только начинают появляться, поэтому следите за тем, какие постановления принимают в соответствующих юрисдикциях. Поскольку использование ИИ все еще вызывает вопросы, когда речь заходит об этике и ответственности, смена общественных настроений в отношении использования ИИ может привести к появлению новых законов. Однако в целом следует подготовиться к следующим основным типам рисков:

1. Нормативно-правовые. Используя ИИ, компания рискует получить судебные иски из-за контента, информации и данных, защищенных авторским правом или охраняемых законом. Нормативные акты быстро меняются, поэтому лучше знать о нормативных актах в области ИИ в конкретной стране или юрисдикции, чтобы не нарушать закон. Кроме того, следует следить за отраслевыми регламентами, например, в области медико-биологических наук и финансовых услуг.

2. Репутационные. ИИ способен возвести погрешности данных в абсолют и создать «черный ящик», т.е. систему ИИ, в которой пользователь не видит входных данных и операций. Если не ясно, какие данные используются для обучения системы, возникает риск получить вредоносные данные на выходе. Непроверенные сервисы ИИ также могут представлять опасность из-за некачественного принятия решений и/или выполнения задач. При создании или покупке сервисов на базе генеративного ИИ организациям необходимо выстраивать надежные защитные механизмы, чтобы предотвратить потерю интеллектуальной собственности или утечку данных заказчиков. 

3. Компетентностные. Для использования ИИ необходим уникальный набор навыков, которые нужно специально развивать у текущих сотрудников или через работу с научным сообществом или стартапами. В ближайшей перспективе будут востребованы навыки создания промптов и знание стандартов ответственного подхода к использованию ИИ. 

Угрозы, связанные с ИИ и компрометацией данных (как преднамеренной, так и случайной), продолжают постоянно развиваться, поэтому необходимо разработать принципы и политики управления, благонадежности, достоверности, надежности, защищенности, эффективности и конфиденциальности ИИ. Без этого организации с гораздо большей вероятностью столкнутся с негативными последствиями использования ИИ и утечками. Модели не будут работать как задумано, а это чревато сбоями в системе безопасности, нарушением конфиденциальности, финансовыми и репутационными потерями, а также ущербом для отдельных людей.

Риски, связанные с генеративным ИИ

Когда генеративный ИИ создает новые версии контента, стратегий, разработок и методов, обучаясь на исходных данных из больших репозиториев, возможны определенные последствия:

· Ложные выводы. Генеративный ИИ может давать сбои и допускать ошибки в рассуждениях и фактах, не полностью учитывать контекст, действовать недостаточно прозрачно и понятно для людей, а также может быть необъективен.

· Безопасность. В настоящее время любая конфиденциальная информация, которая попала в публичные приложения, сохраняется и может быть использована для обучения новых версий модели. Конфиденциальные данные и интеллектуальная собственность могут стать доступны пользователям за пределами организации, в том числе попасть в руки злоумышленников.

· Право. Работа генеративного ИИ может порождать юридические риски, связанные с интеллектуальной собственностью и конфиденциальностью, включая нарушение авторских прав, незаконное присвоение коммерческих секретов, нарушение конфиденциальности данных, искажение и небезопасность модели.

Внедрение ИИ

Приоритезируйте сценарии использования ИИ, исходя из их пользы для бизнеса и целесообразности

При выборе сценариев использования ИИ, в том числе генеративного ИИ, представители компании должны четко сформулировать, какие ощутимые преимущества для бизнеса они ожидают получить. Для этого им необходимо ответить на следующие вопросы:

· Какую проблему пытается решить компания?

· Кто главный потребитель этой технологии?

· В каком бизнес-процессе будет использоваться ИИ?

· Кто из профильных экспертов бизнес-подразделений может руководить разработкой решения?

· Как будет измеряться эффект от внедрения технологии?

· Как и кто будет отслеживать и обеспечивать полезность технологии?

Сначала поэкспериментируйте

Прежде чем внедрять комплексную стратегию ИИ, стоит поэкспериментировать с методами на ее отдельных компонентах. 

Выполните следующие пять шагов для внедрения методов ИИ:

1. Задачи: укомплектуйте портфель задачами, которые влияют на бизнес и которые можно измерить и быстро решить.

2. Навыки: подберите специалистов с навыками, необходимыми для решения задач.

3. Данные: соберите подходящие данные под выбранные задачи.

4. Технологии: выберите методы ИИ, подходящие под ваши задачи, навыки и данные.

5. Организация: структурируйте опыт и накопленные ноу-хау в области ИИ.

Из этих пяти шагов складывается тактический подход к внедрению технологий ИИ, который быстро принесет пользу бизнесу. Данный подход нельзя назвать долгосрочным и стратегическим.

Помимо осознания пользы для бизнеса, не менее, а возможно даже более важно понимать, насколько такие задачи или сценарии использования в принципе реализуемы

Сначала определите те сценарии использования, которые могут принести наибольшую пользу бизнесу. Необходимо ориентироваться на проекты реальных улучшений и ощутимые бизнес-результаты. При этом важно понимать, насколько эти сценарии реализуемы. 

Как правило, при высоком риске и низкой реализуемости можно рассчитывать на больший эффект, но проекты, которые невозможно реализовать с помощью доступных технологий и данных, не стоит и начинать, даже несмотря на их очевидную ценность для бизнеса.

Критерии реализуемости:

· Технический. Позволяют ли имеющиеся технологии поднять заявленный сценарий использования до уровня «передовых практик»? 

· Внутренний. Здесь необходимо оценить наличие соответствующей культуры (или ее отсутствие), лидерства, вовлеченности, навыков и этических норм.

· Внешний. Здесь необходимо оценить наличие нормативных актов (или их отсутствие), внешней инфраструктуры и одобрения со стороны общества.

Если сценарий использования легко реализовать и он еще сулит огромную ценность для бизнеса, то мы либо на пороге нового технологического прорыва, либо рынок почему-то в упор не видит отличную возможность. 

Об остальных задачах, поставленных перед ИТ-директорами по всему миру, читайте в следующих частях этого исследования. Продолжение следует...