CNews: Как изменилась в 2024 году динамика рынка искусственного интеллекта?

Андрей Зотов: В этом году на российском рынке искусственного интеллекта я бы выделил несколько главных драйверов.

Во-первых, значительный рост получил GenAI, генеративный ИИ, особенно в области обработки естественного языка и создания контента. Компании активно внедряют крупные языковые модели для улучшения клиентского сервиса, автоматизации поддержки и персонализации предложений.

Во-вторых, усилилось внимание к интеграции ИИ в облачные сервисы. Cloud-платформы стали основой для масштабирования ИИ-решений и обеспечили гибкость и доступность передовых технологий для бизнеса различного масштаба.

Если посмотреть на глобальный рынок, то согласно отчету «2024 Global Trends in AI» от S&P Global, растут интерес к генеративному ИИ и объемы его внедрения. В частности, в отчете указано, что 88% организаций исследуют GenAI. Кроме того, 24% организаций уже интегрировали эти технологии.

CNews: Какие тенденции года в использовании ИИ вы бы назвали главными?

Андрей Зотов: Одна из тенденций — тренд на мультимодальность и мультиагентность. В последнее время есть возросший интерес к мультимодальным и мультиагентным ИИ-системам. Мультимодальные модели могут обрабатывать и анализировать данные из различных источников, будь то текст, изображение или аудио. Это позволяет создавать более комплексные и гибкие решения. Мультиагентные системы, в свою очередь, фокусируются на взаимодействии нескольких ИИ-агентов между собой для выполнения сложных задач. Эти направления открывают новые возможности в создании более интеллектуальных и адаптивных систем, которые могут эффективно работать в сложных сценариях.

Есть тренд на демократизацию ИИ и Low code/No code платформы: все больше организаций стремятся сделать технологии доступными для широкой аудитории, для людей, не умеющих программировать.

Платформы с подходом Low code/no code играют ключевую роль в этом процессе, позволяя даже специалистам без глубоких знаний программирования разрабатывать и внедрять ИИ-решения. Благодаря этому растут темпы адаптации ИИ в разных индустриях. Эволюционируют и требования к специалистам по ИИ. Все чаще среди необходимых навыков выделяются аналитика, лингвистика и промпт-инжиниринг. Эти навыки помогают им лучше понимать и адаптировать ИИ для специфических нужд бизнеса, улучшая качество и эффективность внедрения технологий.

Последнее, но не менее важное — это автоматизация работы разработчиков, где ИИ помогает оптимизировать рутинные задачи и повышать производительность. Например, последние исследования показывают, что разработчики, использующие Code Assistant (Copilot), выполняют на 26% больше задач по сравнению с теми, кто не использует LLM в работе. При этом качество написанного кода не снижается.

CNews: Какие сферы лидируют по интеграции ИИ в свои сервисы и платформы, а какие отстают — и почему?

Андрей Зотов: Один из лидеров по внедрению ИИ в России — финансовая индустрия. Здесь технологии используются для анализа рисков, борьбы с мошенничеством, а также в клиентских сервисах для консультаций и поддержки.

Ритейл широко использует ИИ для персонализации предложений, управления запасами и оптимизации цепочек поставок. В eCommerce крупнейшие компании внедряют ИИ для улучшения рекомендательных систем и повышения точности и предсказуемости сервисов доставки.

«Догоняющие» рынки с более низкой долей проникновения ИИ, как правило, сталкиваются с проблемами, связанными с ограниченным доступом к технологиям и ресурсам, недостатком компетенций и качественных данных.

Несмотря на рост применения ИИ, многие компании не могут масштабировать свои ИИ-инициативы из-за устаревших архитектур данных. Низкая доступность и качество данных создают заметные препятствия. Кроме того, малый и средний бизнес могут не обладать достаточными ресурсами для внедрения ИИ на уровне, который мог бы кардинально изменить операционные процессы. У них в штате часто нет сотрудников, которые могли взять бы на себя внедрение ИИ, а сервисы «под ключ» пока еще нетипичная история для рынка.

CNews: Чего вы ожидаете от развития отрасли в будущем году?

Андрей Зотов: В следующем году мы ожидаем более глубокой интеграции ИИ в бизнес-процессы, особенно в продвинутых, индустриях. С рядом клиентов планируем перейти от пилотов к масштабируемым решениям на базе нашей облачной платформы.

Еще одним направлением станет улучшение инструментов для работы с данными в облаке. Это позволит бизнесу более эффективно использовать искусственный интеллект. Кроме того, ожидаем, что СМБ будет активно работать с готовыми/предобученными моделями, предоставляя к ним доступ по API на маркетплейсе.

CNews: Чем отличается использование ИИ в разных сегментах рынка?

Андрей Зотов: У каждого сектора есть свои отраслевые особенности в использовании искусственного интеллекта. Например, в финансовом секторе особый акцент делается на безопасности данных и соблюдении регуляторных требований. ИИ используют для обнаружения мошеннических операций, оценки кредитных рисков и автоматизации клиентского сервиса через чат-ботов и виртуальных ассистентов.

Ритейл и электронная коммерция персонализируют предложения — здесь ИИ помогает в управлении запасами, прогнозировании спроса и динамическом ценообразовании.

Оптимизация цепочек поставок и управление запасами — еще одна область, где ИИ находит широкое применение в рознице. Прогнозирование спроса с использованием машинного обучения позволяет компаниям своевременно пополнять склады, избегать дефицита товаров и сокращать издержки на хранение излишних запасов.

В промышленности ИИ применяют для мониторинга состояния оборудования, прогнозирования поломок, что позволяет снизить простои и затраты на ремонт в ходе реализации стратегий ТОиР. Еще один сценарий — оптимизация производственных линий и повышение качества продукции, например, искусственный интеллект в нефтехимии помогает улучшать рецептуры нефтепродуктов и использоваться при разработке новых.

Кроме того, некоторые компании сейчас изучают возможности запуска LLM в своем контуре, либо в частном и гибридном облаках. Для них довольно остро стоит вопрос защищенности данных, а популярные LLM сервисы до сих пор не очень прозрачны в этом плане.

Для них мы разработали несколько решений. Это первый в России программно-аппаратный комплекс, в котором есть большая языковая русскоязычная модель партнерской разработки, которую можно интегрировать себе в контур или использовать в гибридном облаке. Второе — приватный выделенный под заказчика экземпляр русскоязычной LLM-модели, развернутый в облаке Cloud.ru Evolution.

CNews: Изменились ли потребности клиентов в разных рыночных сегментах?

Андрей Зотов: За последние несколько лет мы заметили существенную эволюцию в потребностях наших клиентов. Компании стали активнее интегрировать искусственный интеллект в свои бизнес-процессы, стремясь повысить эффективность, улучшить обслуживание клиентов и получить конкурентное преимущество за счет внедрения ML в продукты и сервисы. Если раньше ИИ рассматривался как инновация для крупных игроков, то сейчас он становится стандартом даже для среднего и малого бизнеса. Мы в Cloud.ru также придерживаемся стратегии клиентоцентричности и внедряем технологии искусственного интеллекта в свои бизнес-процессы и продукты, оттачивая их внутри и уже затем предлагая клиентам.

CNews: Чем обусловлено это изменение потребностей?

Андрей Зотов: Здесь есть несколько определяющих факторов. Первый — это само развитие ИИ как технологии. Облачные вычисления делают ИИ-решения более доступными и масштабируемыми для компаний любого размера. Это позволяет бизнесу внедрять инновации быстрее и с меньшими затратами.

Второй фактор — это продолжающийся рост объемов данных и переход к data-driven подходу. Компании генерируют и собирают огромные объемы данных из различных источников — от транзакций и взаимодействий с клиентами до данных интернета вещей. Возникает необходимость в инструментах и технологиях, способных эффективно анализировать эти данные и превращать их в ценные инсайты. Data-driven подход предполагает принятие решений на основе данных. Это требует внедрения ИИ и машинного обучения для обработки больших данных и извлечения из них полезной информации.

В качестве третьего фактора я бы назвал усиливающееся конкурентное давление. В условиях насыщенного рынка компании ищут способы выделиться и предложить уникальную ценность своим клиентам. Использование искусственного интеллекта и data-driven подхода позволяет создавать более эффективные продукты и услуги, что повышает конкурентоспособность и лояльность клиентов.

Изменение ожиданий потребителей серьезно изменило облик практически всех рынков. Клиенты ожидают быстрого, удобного и персонализированного обслуживания. Компании вынуждены адаптироваться к этим ожиданиям, перестраивая свои продуктовые и сервисные стратегии с помощью ИИ.

CNews: И к каким результатам приводят изменения?

Андрей Зотов: Есть несколько ощутимых результатов:

В первую очередь, повышение эффективности. Автоматизация рутинных задач с помощью ИИ освобождает ресурсы сотрудников для более сложной и творческой работы. Это способствует увеличению производительности и снижению операционных затрат.

Во-вторых, внедрение ИИ помогает улучшить качество обслуживания. Персонализированные рекомендации и быстрый ответ на запросы клиентов повышают уровень удовлетворенности и лояльности.

ИИ стимулирует инновации в продуктах и услугах. Компании способны разрабатывать новые продукты и бизнес-модели, основанные на возможностях ИИ, что открывает дополнительные источники дохода.

Используя ИИ, бизнес может принимать более обоснованные решения. Аналитика данных на основе ИИ позволяет проверять гипотезы и выявлять глубокие инсайты, например, при разработке новых продуктов или выходе на новые рынки.

CNews: А как выглядит в компаниях практическая реализация data-driven подхода?

Андрей Зотов: На практике переход к data-driven включает несколько этапов.

Во-первых, компании создают инфраструктуру для сбора и хранения данных. Это включает в себя использование больших данных и платформ для обработки информации в реальном времени, а также, если речь идет о трансформации, облачных технологий. Без надежной и масштабируемой инфраструктуры невозможно эффективно применять ИИ и анализировать большие объемы данных.

Во-вторых, важную роль играет развитие культуры принятия решений на основе данных внутри организации. Это означает, что сотрудники на всех уровнях должны понимать ценность данных и уметь использовать их в своей работе. Компании часто проводят специальное обучение, внедряют новые процессы и меняют организационную структуру, чтобы стать по-настоящему data-driven.

Например, в крупных банках есть специализированные подразделения по аналитике данных и искусственному интеллекту. Эти команды работают над разработкой и внедрением ИИ-решений, тесно сотрудничая с другими отделами. Такая интеграция позволяет быстро адаптироваться к изменениям рынка и потребностям клиентов.

В розничной торговле практическая реализация data-driven подхода проявляется в автоматизации маркетинговых кампаний и персонализации коммуникаций с клиентами. Сегментация аудитории, основанная на анализе данных, позволяет создавать целевые предложения для разных групп покупателей, повышая эффективность рекламы и увеличивая лояльность.

Чтобы полностью перейти к data-driven стратегии, нужно не только использовать технологии, но и создавать культуру, где данные и аналитика выступают основой для принятия решений.

■ erid:LjN8KM8RtРекламодатель: ООО "Облачные технологии"ИНН/ОГРН: 7736279160/5167746080057Сайт: https://cloud.ru/ru