Экономика нейросетей
Как бизнес учится измерять финэффекты от внедрения искусственного интеллекта
Рынок искусственного интеллекта давно перешел от этапа технологического эксперимента к массовой коммерциализации: ИИ-решения все активнее внедряются в банки, телеком, ритейл и облачные сервисы. Так, «Яков и партнеры» прогнозирует, что к 2028 году финансовый эффект от использования ИИ во всем мире будет составлять $17–26 трлн в год, а в России экономический потенциал этой технологии достигнет 22–36 трлн руб.
Вместе с объемом рынка растут и потребности бизнеса. Автоматизация, персонализация и ускорение процессов уже дают измеримые экономические эффекты и влияют на рост прибыли в будущем. На конференции AI Journey директор по ИИ Т-Банка Виктор Тарнавский рассказал, что компании уже не хотят просто разрабатывать и внедрять ИИ из-за тренда на него, они начинают задавать правильный вопрос: «Как же грамотно применять ИИ так, чтобы технология действительно принесла бизнесу пользу»? Но он отмечает, что правильно рассчитывать эффекты от применения нейросетей — это достаточно сложная задача, потому что ИИ — это все-таки прикладная технология, а не конечный продукт.
От прямой экономии к трансформации бизнес-моделей
Компании сталкиваются сегодня с некоторыми барьерами массового внедрения ИИ в бизнес-процессы, считает директор центра бизнес-образования и аналитики Центрального университета, партнер-эксперт «Яков и партнеры» Илья Иванинский. Так, по его словам, для того чтобы массово внедрять ИИ, в компании должна быть выстроена гибкая и стабильная ИТ-инфраструктура. «Бизнес только учится правильно измерять эффекты от внедрения технологий, есть и кадровые ограничения — только формируется класс руководителей и инженеров, которые понимают, какие технологии нужно внедрять и для чего». Однако он отмечает, что крупный бизнес уже широко использует ИИ для достижения целого ряда эффектов.
Это подтверждают и в Т-Банке. По словам Виктора Тарнавского, результаты от применения ИИ могут быть разного типа. Один из них — прямые экономические эффекты, которые отражаются в P&L компании за год. В основном они связаны с операционными затратами, где ИИ повышает эффективность разных функций, например поддержки или продаж, путем оптимизации издержек или персонала. Однако существуют и другие способы влиять на P&L, например, улучшать рекомендацию продуктов, замечает господин Тарнавский. «Если ты рекомендуешь свои продукты, особенно в цифровом мире, более правильным клиентам, то стоимость привлечения одного клиента на продукт получается меньше. Это измеримый эффект от ИИ, от которого можно посчитать пользу в денежном эквиваленте»,— поясняет он. Другой пример — экономические эффекты будущего. Их нельзя посчитать прямо сейчас, но в долгосрочной перспективе для компаний они показывают большие финансовые результаты.