ИИ как экосистема, бизнес и рынок

Для понимания феномена искусственного интеллекта можно подойти к явлению с разных сторон. Выше мы кратко рассмотрели некоторые аспекты развития технологий, составляющих основу ИИ. В данной лекции постараемся ответить на другой вопрос. Как данные технологии используются в бизнесе, какие продукты создаются на основе ИИ, какие компании и ресурсы для этого требуются, в каких индустриях ИИ дает наибольшую отдачу, как ИИ влияет на успешность отдельных компаний, отраслей и целых стран?

Бизнес - это та сила, которая в существенной мере является стимулом и целью развития технологий, анализ бизнеса позволяет лучше понять перспективы и траекторию развития техники. Поэтому развитие ИИ невозможно рассмотреть не обратившись к теме бизнеса на его основе. Для этого нужно ответить на массу вопросов. Какие формируются рынки, ассоциированные с ИИ? Из какой совокупности сегментов состоит ИИ-рынок? Какие компании его развивают? Какие факторы стимулируют развитие этого рынка и какие тормозят? Какие направления развиваются быстрее? В какие направления более целесообразно вкладывать средства? Какие компании, отрасли, страны в большей степени преуспели в создании систем ИИ, и как их можно ранжировать по этому показателю? Это далеко не полный перечень вопросов, которые аналитики пытаются изучать, чтобы описать развитие ИИ с точки зрения бизнеса.

Многие аналитические компании оперируют понятием "рынок ИИ", хотя единой точки зрения на это понятие нет. ИИ-рынок рассчитывается на основе совокупности ИИ-проектов. Поэтому прежде, чем обсуждать понятие рынок ИИ, давайте поговорим о жизненном цикле ИИ-проектов.

Рассмотрим, какие существуют проекты по построению ИИ, какие игроки в подобных проектах задействованы, каковы их роли.

Экосистема компаний, участвующих в создании ИИ-решений

В данном разделе речь пойдет о типах компаний, которые участвуют в бизнесе по построению ИИ-решений. Большинство этих компаний можно классифицировать по двум принципам. Первый - это классификация по этапам жизненного цикла типового ИИ-проекта (от компаний, задействованных на этапе планирования проекта, до тех, кто внедряет и обслуживает ИИ-модели). Второй - по принадлежности к уровню технологического стека (от поставщиков специализированного железа до поставщиков отраслевых приложений).

Начнем с типового проекта в области ИИ и рассмотрим стадии его жизненного цикла, а также ответим на вопрос - какие компании участвуют в создании такого рода проектов.

Типовой ИИ-проект, его этапы и разработчики

Несмотря на то, что ИИ - это термин многогранный и вариантов ИИ-проектов может быть множество (об этом пойдет речь позднее в данной лекции), тем не менее существует понятие типового ИИ-проекта и жизненного цикла типового ИИ-проекта.

Заметим, что в самом первом приближении о жизненном цикле ИИ-проекта мы уже начали разговор на рис. 1.30, говоря об этапах обучения нейронной сети и применения готовой модели. В данной лекции рассмотрим стадии жизненного цикла более подробно.

Согласно трактовке специалистов Labelyourdata, типовой ИИ-проект в общем случае включает три стадии - "планирование и сбор данных", "разработка и обучение" и "развертывание и обслуживание модели" (рис. 3.1).

Рис. 3.1. Ключевые этапы жизненного цикла типового ИИ-ML-проекта. Источник: адаптировано по материалам Labelyourdata.com [112]

Этап планирования проекта и сбора данных

В концепции рис. 3.1 проект начинается с формулировки проблемы и бизнес-анализа проекта. На этих этапах необходимо дать ответ на вопрос - какая решается бизнес-задача, обосновать целесообразность применения методов машинного обучения, оценить и спланировать необходимые кадровые и инфраструктурные ресурсы.

Примерный список вопросов, на которые необходимо дать ответ при проведении бизнес-анализа проекта, представлен на рис. 3.2.

Рис. 3.2. Вопросы, на которые необходимо дать ответ при проведении бизнес-анализа проекта. Источник: Lean DS [113]

Заметим, что далеко не все ИИ-проекты являются успешными. И именно на этапе планирования важно оценить риски и причины, которые могут затормозить внедрение ИИ на конкретном предприятии.

Полезно изучить отраслевой опыт, обратиться к консалтинговым компаниям, проанализировать опросы специалистов, указывающих на типичные проблемы при внедрении ИИ-проектов. Результаты одного из таких опросов представлены на рис. 3.3. Интересно отметить, что в рассматриваемом опросе респонденты в качестве основных барьеров на первом месте отмечают не отсутствие данных или проблемы с их качеством (о важности этого аспекта говорят все аналитики по ИИ), а наличие культурных и организационных барьеров при внедрении ИИ.