Внедрение ИИ пойдет на пользу российской экономике
Об этом заявил директор по направлению "Цифровая трансформация отраслей и компаний" АНО "Цифровая экономика" Алексей Сидорюк. По его словам, объем рынка ИИ в 2021 г. составил 550 млрд руб. В 2022 г. он продолжил расти. "Точных данных пока нет, но эксперты предсказывают рост на 10-15%. При этом более 300 млрд руб. в 2021 г. принесли российской экономике решения в сфере ИИ. Если брать 2022 г., то государство вложило 3,6 млрд руб. в различные меры поддержки: исследовательские центры, гранты, субсидии, развитие собственного "железа". Сейчас более 20% компаний в РФ используют технологии ИИ", - привел статистические данные Алексей Сидорюк.
При этом он сделал упор на главных проблемах отрасли: "Есть несколько барьеров при внедрении ИИ во всех отраслях. Во-первых, экономический: часть решений слишком долго окупается. Кроме того, мы видим дефицит кадров, вопросы по обмену данными остаются неурегулированными, и пока еще до сих пор нет единой платформы для обмена данными. Это очень важные проблемы, над которыми нам стоит работать".
Эксперты рынка отмечают положительное влияние ИИ на все отрасли экономики. Директор центра продвинутой аналитики АО "Альфа-Банк" Алексей Каширин рассказал о применении ИИ в банковской сфере: "Мы живем в благословенное время, когда технологии машинного обучения вступают в значимую силу. За последние несколько лет мы взрывным образом развиваем эту историю. Основа основ - это кредитный скоринг. Главное достижение прошлого года - весь процесс End-to-End (сквозное тестирование для проверки работоспособности программы) розничного кредитования переведен на модельный подход, включая тотальный офферинг. Нам достаточно номера телефона, чтобы сделать первичное адекватное предложение клиенту. Еще одна важнейшая задача, которую мы внедрили, - работа со сквозным трафиком. То есть если мы по какой-то причине не выдали клиенту кредит, то раньше он полностью выпадал из нашего фокуса внимания. Сейчас, благодаря данным из разных источников и современным технологиям ИИ, мы можем с этим сквозным трафиком работать, и это сильно расширяет воронку продаж. И конечно, подбор оптимальных предложений. Здесь важно продавать не то, что мы хотим, а что хочет клиент. Но при этом сделка должна в том числе принести деньги банку. Соответственно, чтобы найти некий компромиссный вариант, который будет выгодным для обеих сторон, тоже нужна модель на базе искусственного интеллекта".
Директор по инвестициям группы компаний "Ташир Медика" Ярослав Марков сообщил о проблемах в сфере здравоохранения: "В целом мы позитивно принимаем внедрение ИИ. Большая часть инвестиций идут в сервисы для пациента и формирование трафика. Активное применение наблюдаем больше в частном здравоохранении, нежели в государственном. Но это в Москве. В регионах ситуация немного хуже. В конце 2022 г. Министерство здравоохранения обязало закупить одно из решений от единого поставщика для выполнения указа президента по внедрению ИИ в сфере здравоохранения. Это дало хоть какой-то небольшой толчок для внедрения искусственного интеллекта в регионах. До этого был ряд попыток пилотных проектов, а теперь у всех есть KPI по внедрению как минимум одного сервиса, в 2024 г. их должно быть уже два. Здесь речь идет только о диагностике, МРТ-снимках и т.д. Но мы видим перспективу в анализе электронных медицинских карт. Это направление ближе всего к пациенту. На базе карт можно формировать медицинских помощников. Такие сервисы повсеместно становятся обязательными для медицины".
Директор центра аналитических продуктов VK Predict Роман Стятюгин привел пример проекта с использованием ИИ для индустрии девелоперов. "Идея в том, что с помощью анализа данных можно прогнозировать для застройщика класс жилья, квартирографию и стоимость на разных этапах строительства. Получается интересный комплекс, который с помощью модели машинного обучения закрывает серьезный блок внутренних аналитических процессов застройщика. По мере разработки этого продукта мы стали получать вопросы, связанные с интерпретацией. Мы стали развивать продукт в плане насыщения интерфейсов различными способами влияния аналитиков на модель машинного обучения. Стали, например, добавлять возможность изменения параметров. Все это через один клик в интерфейсе без каких-то сложных влияний на модель, без загрузки новых обучающих выборок и т.д. После многих итераций у нас получился интересный аналитический продукт, внутри которого несколько моделей машинного обучения. Это говорит о том, что практика популяризации и демократизации ИИ в индустриях заключается в следующем: надо просто делать продукты, не ограничиваясь моделями", - подытожил Роман Стятюгин.
