Доцент СКИ РАНХиГС рассказал об экономическом эффекте от внедрения искусственного интеллекта
Об экономическом эффекте от внедрения искусственного интеллекта рассказал доцент Северо-Кавказского института – филиала РАНХиГС Евгений Золкин.
Подавляющее большинство стартапов в области искусственного интеллекта работают в сфере ИТ-услуг (более 57%, особенно в сфере программного обеспечения, баз данных и аналитики данных), ещё около 7% — это инжиниринговые фирмы или поставщики услуг в области НИОКР. Чуть менее 19% относятся к отраслевой группе бизнес, налоговый учёт, финансовый учёт, консалтинг и реклама. Отрасли, использующие искусственный интеллект - от промышленности до торговли, транспорта и других услуг - составляют в общей сложности 17% всех стартапов в области искусственного интеллекта.
С экономической точки зрения недавние достижения в области искусственного интеллекта (ИИ) являются преимуществом, поскольку они способствуют снижению затрат на прогнозирование. Обеспечение повышения качества доступных прогнозов при тех же затратах.
Многие аспекты принятия решений не связаны с прогнозированием. Однако более качественные, дешевые и общедоступные прогнозы на основе искусственного интеллекта могут иметь преобразующий эффект, потому что прогнозы влияют на многие виды деятельности человека. Снижение стоимости прогнозов на основе искусственного интеллекта расширило возможности их использования, что должно иметь такие же глубокие последствия, как в своё время растущее распространение компьютеров. Даже первые приложения ИИ были нацелены на решение задач прогнозирования. Например, машинное обучение используется для прогнозирования дефолта по кредитам и страховым рискам. Поскольку стоимость приложений искусственного интеллекта снижается, некоторые виды деятельности человека сегодня разрабатываются таким образом, чтобы их можно было рассматривать, как проблему прогнозирования. Например, при медицинской диагностике врачи используют данные о симптомах пациента, чтобы получить недостающую информацию о причине этих симптомов. Когда имеющиеся данные используются для получения недостающей информации, это прогноз. Распознавание объектов также является проблемой прогнозирования: человеческий глаз воспринимает данные в виде световых сигналов, а мозг дополняет эти данные информацией, необходимой для классификации концепции. Таким образом, основная проблема, связанная с недавними достижениями в области искусственного интеллекта, заключается в определении того, какие факторы необходимы для дополнения прогнозов.
Прогнозы являются важным вкладом в процесс принятия решений, но они еще не являются решениями. Чтобы прийти к решению, необходимы дополнительные факторы: данные, действия и суждения. Данные — это информация, которая используется для прогнозирования. Многим системам искусственного интеллекта, разработанным в последнее время, требуются большие объёмы цифровых данных для составления прогнозов на основе примеров из прошлого. В целом, чем больше примеров из прошлого, тем точнее прогнозы.
Таким образом, ИИ делает доступ к большим объёмам данных всё более ценным для предприятий и других организаций. Однако стратегическая ценность данных неоднозначна, потому что она зависит от того, будут ли данные полезны для составления прогнозов, важных для рассматриваемой организации. Это также зависит от того, доступны ли данные только ретроспективно или организация может постоянно запрашивать обратную связь с течением времени. Способность постоянно учиться на новых данных может создать устойчивое конкурентное преимущество. Другие новые задачи возникают из других элементов решения – действий и суждений. Некоторые действия по своей сути более ценны, когда они совершаются человеком, а не машиной (например, профессиональными спортсменами, педагогами). Возможно, наиболее важной является концепция оценки, то есть определения полезности конкретного действия в данной среде. Когда ИИ используется для прогнозирования, люди должны решать, что прогнозировать и для чего предназначено прогнозирование. Распространение искусственного интеллекта увеличивается в размерах предприятий. Искусственный интеллект чаще всего используется для распознавания речи, автоматизации и оптимизации процессов, машинного обучения и интеллектуального анализа текста. При этом большинство компаний, работающих с ИИ, обладают внутренними компетенциями в области обработки данных и разработки программных решений. Однако технологические и организационные возможности, необходимые для эффективного использования ИИ, менее широко распространены.
Многие аспекты принятия решений не связаны с прогнозированием. Однако более качественные, дешевые и общедоступные прогнозы на основе искусственного интеллекта могут иметь преобразующий эффект, потому что прогнозы влияют на многие виды деятельности человека. Снижение стоимости прогнозов на основе искусственного интеллекта расширило возможности их использования, что должно иметь такие же глубокие последствия, как в своё время растущее распространение компьютеров. Даже первые приложения ИИ были нацелены на решение задач прогнозирования. Например, машинное обучение используется для прогнозирования дефолта по кредитам и страховым рискам. Поскольку стоимость приложений искусственного интеллекта снижается, некоторые виды деятельности человека сегодня разрабатываются таким образом, чтобы их можно было рассматривать, как проблему прогнозирования. Например, при медицинской диагностике врачи используют данные о симптомах пациента, чтобы получить недостающую информацию о причине этих симптомов. Когда имеющиеся данные используются для получения недостающей информации, это прогноз. Распознавание объектов также является проблемой прогнозирования: человеческий глаз воспринимает данные в виде световых сигналов, а мозг дополняет эти данные информацией, необходимой для классификации концепции. Таким образом, основная проблема, связанная с недавними достижениями в области искусственного интеллекта, заключается в определении того, какие факторы необходимы для дополнения прогнозов.
Прогнозы являются важным вкладом в процесс принятия решений, но они еще не являются решениями. Чтобы прийти к решению, необходимы дополнительные факторы: данные, действия и суждения. Данные — это информация, которая используется для прогнозирования. Многим системам искусственного интеллекта, разработанным в последнее время, требуются большие объёмы цифровых данных для составления прогнозов на основе примеров из прошлого. В целом, чем больше примеров из прошлого, тем точнее прогнозы.
Таким образом, ИИ делает доступ к большим объёмам данных всё более ценным для предприятий и других организаций. Однако стратегическая ценность данных неоднозначна, потому что она зависит от того, будут ли данные полезны для составления прогнозов, важных для рассматриваемой организации. Это также зависит от того, доступны ли данные только ретроспективно или организация может постоянно запрашивать обратную связь с течением времени. Способность постоянно учиться на новых данных может создать устойчивое конкурентное преимущество. Другие новые задачи возникают из других элементов решения – действий и суждений. Некоторые действия по своей сути более ценны, когда они совершаются человеком, а не машиной (например, профессиональными спортсменами, педагогами). Возможно, наиболее важной является концепция оценки, то есть определения полезности конкретного действия в данной среде. Когда ИИ используется для прогнозирования, люди должны решать, что прогнозировать и для чего предназначено прогнозирование. Распространение искусственного интеллекта увеличивается в размерах предприятий. Искусственный интеллект чаще всего используется для распознавания речи, автоматизации и оптимизации процессов, машинного обучения и интеллектуального анализа текста. При этом большинство компаний, работающих с ИИ, обладают внутренними компетенциями в области обработки данных и разработки программных решений. Однако технологические и организационные возможности, необходимые для эффективного использования ИИ, менее широко распространены.
Подавляющее большинство стартапов в области искусственного интеллекта работают в сфере ИТ-услуг (более 57%, особенно в сфере программного обеспечения, баз данных и аналитики данных), ещё около 7% — это инжиниринговые фирмы или поставщики услуг в области НИОКР. Чуть менее 19% относятся к отраслевой группе бизнес, налоговый учёт, финансовый учёт, консалтинг и реклама. Отрасли, использующие искусственный интеллект - от промышленности до торговли, транспорта и других услуг - составляют в общей сложности 17% всех стартапов в области искусственного интеллекта.
