AspenTech: Созвездие ИИ
По мере того как многие предприятия приступают к формированию собственных программ ИИ и планов цифровизации, возникает потребность в некой базовой концепции, которая отражала бы суть парадигмы перехода к ИИ и связанной с этим трансформации всех бизнес-процессов внутри организации, будь то революционные инновации, повседневное обслуживание клиентов или инициативы по повышению производительности предприятия. Среди многочисленных концепций, с помощью которых мы пытаемся дать определение и объяснение искусственному интеллекту, самой понятной и логичной, на мой взгляд, является парадигма под названием «созвездие ИИ», описанная в книге «Человек + машина. Новые принципы работы в эпоху искусственного интеллекта» Пола Доэрти и Джеймса Уилсона.
В рамках этой парадигмы ИИ на предприятии рассматривается на трех уровнях. На первом уровне предприятие определяет бизнес-процессы и прикладные бизнес-задачи (отвечая тем самым на вопросы зачем и что), которые можно оптимизировать за счет использования данных и тем самым создать дополнительные преимущества для заинтересованных участников. На втором уровне определяется набор функциональных возможностей ИИ, который может быть использован для реализации выделенных прикладных задач. И, наконец, на третьем (главном) уровне мы изучаем различные методы машинного обучения, которые могут быть использованы для реализации определенных на предыдущем этапе функциональных возможностей ИИ (отвечая тем самым на вопрос как).
Концепция парадигмы «Созвездие ИИ»
В качестве примера одного из наиболее наглядных вариантов применения ИИ в ресурсоемких отраслях промышленности можно привести директивное техобслуживание. Возвращаясь к описанию первого уровня рассмотренной парадигмы, можно отметить, что решение подобных задач с помощью ИИ получает все большее распространение в тех отраслях, которые опираются на системы для сокращения внеплановых простоев, увеличения срока службы ресурсов и повышения общей производительности.
На втором уровне такие бизнес-приложения (или интеллектуальные программные агенты) могут использовать одну или несколько функций ИИ, чтобы спрогнозировать потребность в обслуживании того или иного актива. Наконец, на третьем уровне эти функции опираются на методы машинного обучения, начиная с контролируемого обучения с помощью регрессионных моделей и/или нейронных сетей и заканчивая полуконтролируемым обучением распознаванию закономерностей и другими методами машинного обучения (МО).
С помощью этой концепции можно фундаментально деконструировать любой вариант применения ИИ, чтобы предприятия могли создать целостную программу ИИ, ясно оценить значение каждой инициативы ИИ с точки зрения бизнеса и определить базовый набор требований для инвестирования в программу ИИ и ее реализации.
Созвездие ИИ — это мощная платформа, с помощью которой предприятия могут строить собственную программу ИИ. Эта концепция выявляет ценность сценария и приложений для бизнеса, помогает сосредоточиться на требованиях к внедрению ИИ и преодолеть сложности методов, лежащих в основе ИИ и МО. По мере совершенствования и быстрого распространения ИИ и МО эти технологии становятся фундаментом цифровой трансформации предприятия.
Применение ИИ и машинного обучения в ресурсоемких отраслях
Несмотря на убедительные сценарии использования и ощутимые бизнес-преимущества от внедрения систем с искусственным интеллектом, ресурсоемкие обрабатывающие отрасли отстают от многих других секторов по уровню внедрения ИИ. Одна из главных причин этого заключается в «зрелости» таких предприятий.
Проблема обусловлена потребностью в новых навыках и отсутствием качественных данных. Согласно недавнему опросу Gartner, 56% руководителей предприятий ощущают потребность в новых навыках для реализации процессов на базе ИИ, а 34% респондентов утверждают, что низкое качество данных составляет основную проблему при реализации проектов на основе ИИ. При этом применение ИИ для директивного обслуживания представляет большую ценность даже с учетом этой ситуации, поскольку в нем также используются методы, позволяющие получать хорошие результаты из текущих данных для любого актива.
Другая причина низких темпов распространения ИИ связана с недостаточным пониманием его преимуществ и сценариев использования: 42% респондентов Gartner заявили, что они не вполне понимают, каковы преимущества ИИ и насколько окупятся подобные инвестиции. Количественная оценка преимуществ, создаваемых проектами на основе ИИ, вызывает у руководителей предприятий большие трудности. К 2024 г. половина инвестиций в ИИ получит количественную оценку и будет привязана к конкретным ключевым показателям эффективности для измерения окупаемости капиталовложений.
Участникам отрасли еще предстоит пройти определенный путь, но отправной точкой этого пути должно стать общее понимание сути искусственного интеллекта и простая концепция, которая поможет предприятиям объективно оценивать преимущества проектов на базе ИИ.
Если вы хотите узнать больше о том, как выйти на новый уровень производительности с помощью цифровых решений, предлагаю вам ознакомиться с кратким обзором, подготовленным компанией AspenTech: Эксплуатационные технологии нового поколения помогают предприятиям наращивать «интеллект» в стремительно меняющемся мире (на английском языке).
