IT Channel News. Предлагаешь — покажи: готов ли российский ИТ-канал стать примером внедрения ИИ?

Вроде бы направление, связанное с искусственным интеллектом, на российском ИТ-рынке процветает: динамика этого сегмента вдвое лучше, чем у прочих, руководители видят хорошие перспективы высвобождения рабочего времени сотрудников за счёт ИИ, да ещё при этом умные агенты не заменяют работников, а становятся для них дополнительными средствами производства — а значит, потенциальный рынок сбыта для ИТ-канала благодаря ИИ только ширится. Но когда очередной клиент приходит к интегратору за проектом внедрения у себя этого модного и мощного инструмента — всегда ли у партнёра есть что показать заказчику предметно, опираясь на собственный опыт?

Измеримая польза

Какие именно бизнес-процессы российских заказчиков в первую очередь могли бы выиграть (или уже выигрывают) от внедрения ИИ?

Юлия Печникова, директор департамента развития бизнеса VAD (Value Added Distribution) компании Merlion, обращает внимание на следующий тонкий момент: «На практике успех внедрения ИИ зависит от определения самого термина: что считают собственно внедрением ИИ? Если это пилот, внедрение чат-бота в одном департаменте или закупка инфраструктуры „под ИИ“, — таких кейсов много. Если же мы говорим о проектах, где нужно внедрить ИИ в промышленный контур — с владельцем процесса, регламентом и понятной окупаемостью, — то таких кейсов заметно меньше. ИИ даёт результат только там, где есть узкий процесс, чистые данные и чёткий критерий „сделано“. Он не способен „починить“ размытую задачу и не заменяет собой управленческие решения. Сейчас отчётливо виден дисбаланс: компании охотнее инвестируют в „железо“ и лицензии, чем в перестройку внутренних процессов. В первую очередь от внедрения ИИ выигрывает документооборот; далее — первая линия поддержки и service desk: автоматический разбор типовых обращений, классификация и поиск ответов в базе знаний. Третий контур — продажи и пресейл: скоринг лидов, генерация материалов, навигация по продуктовому портфелю и проверка совместимости решений. Здесь ИИ приносит прямую пользу и интегратору, и вендору».

Практические преграды

С какими наиболее острыми вызовами сталкиваются заказчики, стремящиеся интегрировать ИИ, уже минуя стадию пилота, — именно в свою повседневную практику? И как в ходе такой интеграции удаётся избегать задержек и потери темпов привычной коммерческой деятельности компании-клиента?

Юлия Печникова склонна видеть самый острый вызов в самoм прыжке в неизвестность, которым по сути является масштабное внедрение ИИ в бизнес-процессы: «Пилот обычно живёт на чистом срезе данных, в одном отделе и без жёсткого SLA. А промышленная эксплуатация — это «грязные» данные, сложные интеграции, строгие регламенты, рабочие смены и юридический вопрос: «Кто отвечает за ошибку модели?». Если проигнорировать эти факторы, внедрение буксует: сотрудники вынуждены вести два контура параллельно, они не доверяют новой системе — и при малейшем сбое возвращаются к привычной рутине. На практике у заказчиков системных интеграторов проблемы возникают не с «моделью» как таковой, а в других четырёх аспектах:

• Данные. В пилоте их объёма хватало, но в промышленном контуре обнаруживается нехватка актуальных данных, критическое падение их качества или отсутствие согласий на обработку.
• Встройка в действующий процесс. ИИ должен автоматически писать данные в учётную систему и двигаться по стандартному маршруту согласования, а не жить в изолированном чате.
• Безопасность: персональные данные, коммерческая тайна и закрытый контур — эти вопросы обязаны быть решены строго до запуска, а не в процессе.
• Люди. Без выделенного владельца процесса и чёткого регламента «что делать, если ИИ выдал неуверенный ответ», проект навсегда останется на стадии демо.

Как не потерять темп привычной работы? Не выключать модель в день запуска. Рабочий путь такой: берём один узкий процесс с понятным результатом; какое-то время ИИ идёт рядом, в тени, старый регламент остаётся основным; сравниваем качество и скорость на живом потоке; только потом переносим нагрузку, с запасным маршрутом назад. Обучение команды и инструкции внедряем до момента переключения (cutover), а не после первого сбоя. Инфраструктура, доступы и ИБ-согласования должны быть финализированы заранее, иначе проект наглухо застрянет на этапе бюрократии. Иначе говоря: попытка миновать пилот и развернуть ИИ «сразу на весь холдинг» гарантированно уничтожит темп и сломает бизнес-процессы. Но если отказаться от «вечного эксперимента» и сразу внедрить ИИ внутрь одного живого процесса с параллельным теневым контуром, вы защитите операционку и получите быстрый результат».

Смотрите — работает!

Сложные проекты, внедрение которых неизбежно ведёт к переустройству бизнес-процессов, осторожные заказчики предпочитают сперва изучать на сторонних примерах. Есть ли такие примеры в собственной практике участников российского ИТ-канала?

«Сразу уточню нашу роль в экосистеме, — оговаривается Юлия Печникова. — Мы — проектный дистрибьютор: вендор создаёт продукт, системный интегратор ведёт внедрение у заказчика, мы собираем связку — инфраструктура, ПО, совместимость, демо, пилот, обучение партнерского канала. Поэтому наши кейсы — это реальный опыт вендоров и партнёров, а также сценарии, которые заказчик может протестировать у нас вживую. Мы не переписываем чужие бизнес-процессы сами, мы даём для этого все необходимые инструменты. Осторожность заказчика абсолютно оправданна. Чужой опыт жизненно необходим, особенно когда речь идёт о глобальной перестройке процессов, а не о локальном эксперименте. Но работает не любой пример. Убеждает сопоставимый контур: та же отрасль или тот же класс задачи, похожие ограничения по данным и безопасности, понятная метрика до и после. Кейс из облака, когда у заказчика закрытый контур, чаще пугает, чем помогает».

Полная версия статьи с мнениями других экспертов – на сайте издания IT Channel News (часть 1, часть 2).