ПРОБЛЕМЫ ВНЕДРЕНИЯ ИИ В БИЗНЕС-ПРОЦЕССЫ КОМПАНИЙ

PROBLEMS WITH IMPLEMENTING AI INTO BUSINESS PROCESSES

Anna Shaikova

student, Department of Applied Informatics and Information Technology, Belgorod State National Research University,

Russia, Belgorod

Oleg Reznichenko

scientific supervisor, Senior Lecturer at the Department of Applied Informatics and Information Technologies, Belgorod State National Research University,

Russia, Belgorod

АННОТАЦИЯ

Искусственный интеллект обладает широкими возможностями в быстром анализе больших объемов разнородных данных и их представлении в удобном для человека виде, что может помочь многим компаниям оптимизировать свои бизнес-процессы. Но, как можно заметить, ИИ очень медленно входит в широкое использование, не только среди среднего и малого бизнеса, но также и крупных предприятий. В данной статье рассматриваются проблемы и сложности внедрения ИИ в бизнес-процессы предприятий.

ABSTRACT

Artificial intelligence has ample capabilities for quickly analyzing large heterogeneous data and presenting them in a form convenient for humans. It can help many companies optimize business processes. However, AI has been very slow to become widely used, not only among SMEs but also large enterprises. This article discusses the problems and difficulties of implementing AI into business processes.

Ключевые слова: искусственный интеллект (ИИ), бизнес-процессы, оптимизация бизнес-процессом

Keywords: artificial intelligence (AI), business processes, business processes optimization

Искусственный интеллект (ИИ) – это набор программ, моделей и методов, позволяющих имитировать ряд человеческих способностей, что активно применяется для обработки больших массивов данных, представления их в структурированном, визуально оформленном виде и генерации различных выводов и рекомендаций на их основании [1]. Внедрение данной технологии в бизнес-процессы компании помогает ускорить обработку данных и освободить человеческий ресурс для решения более сложных и важных вопросов. Несмотря на популярность ИИ-технологий в области оптимизации, на деле они очень медленно внедряется в компании, особенно среднего и малого размера. Ниже представлены сложности, с которыми могут встретиться предприятия при внедрении ИИ-технологий в свои процессы.

Данные. Препятствием может являться недостаток качественной информации из надёжных источников для обучения и работы ИИ. Такая сложность появляется в компаниях, обладающих разрозненными и недостаточно структурированными источниками получения информации. Помимо этого, недостаток данных может быть характерен для компаний, конкурирующих на рынке и оказывающих услуги в экстремальных условиях, где раскрытие информации о способах достижения успеха и ошибках может привести к нежелательным последствиям. В такой ситуации даже разработчикам систем может не хватать свободных и проверенных данных для создания и обучения ИИ. Тем не менее, в современном мире на рынке существуют системы, способные извлекать разные типы данных из нескольких разрозненных источников, такие как Domo в управлении бизнесом [2]. Для решения проблемы недостатка свободных данных в некоторых сферах создаются специальные свободные площадки и базы, куда компании и сообщества сохраняют надежную и актуальную информацию. Кроме того, некоторые университеты также формируют отдельные базы знаний, используемые для обучения ИИ. Примером может служить национальный репозиторий данных по нефти и газу Великобритании [3].

Персонал. Данная сложность заключается в возникновении потребности у компаний, использующих сложные ИИ-системы, в услугах специалистов по данным и нейронным сетям, которые смогут поддерживать системы в работоспособном состоянии. Поиск таких сотрудников в штат достаточно сложная задача, так как на рынке труда существует значительная нехватка таких специалистов. Кроме того, при внедрении ИИ-систем в компании возникает необходимость обучить уже существующий персонал их использованию, что зачастую также является трудозатратным и весьма дорогим процессом [3]. Эти проблемы многие компании-поставщики ИИ-продуктов решают внедрением интуитивно понятного интерфейса в продукт, предоставлением технической поддержки или услуг интеграций, куда включается обучение персонала использованию продукта.

Реорганизация. При внедрении ИИ-решений, автоматизирующих многие процессы, возникает необходимость изменения бизнес-модели компании, реорганизация старых процессов и их оптимизация, особенно если компания создавалась без учета будущего внедрения новых технологий. Многие компании не готовы брать на себя связанные с этими процессами риски и сложности [4]. Для решения данной проблемы и облегчения внедрения компании-поставщики могут взять на себя оптимизацию бизнес-процессов заказчиков. Кроме того, существуют организации, специализирующиеся на внедрении новых технологий в старые процессы. Они могут помочь провести реорганизацию профессионально, без лишних затрат и сложностей.

Бюджет. Не каждая организация готова тратить большое количество денежных средств на ввод новой технологии, поддерживание системы, новых специалистов и оптимизацию бизнес-процессов, даже если в долгосрочной перспективе ввод новых ИИ-систем обещает прибыль. В данном вопросе играет роль позиция руководящего звена компании и грамотный анализ положительных факторов и рисков внедрения ИИ в конкретном случае.

Правовое поле. В случаях рекомендации ИИ действий, которые ведут к потере вложений, проблем со здоровьем сотрудников или с окружающей средой, нет четкого понимания разделения ответственности между самим алгоритмом ИИ, пользователем алгоритма или его разработчиком. В некоторых сферах это может вызвать сложности и непредвиденные ситуации, поэтому в настоящее время все больше внимания уделяется правовому статусу ИИ [5].

Таким образом внедрение ИИ в бизнес-процессы может столкнуться с определенными препятствиями, над облегчением преодоления которых работают производители ИИ-платформ, но, тем не менее, многое также зависит от руководящего звена компании, анализа положительных факторов, рисков и трат, а также от правильной организации процесса внедрения [6]. Если соблюсти все правила, преодолеть проблемы и сложности, специалисты всех уровней компании получат высокоэффективного ИИ-помощника, который повысит эффективность многих ее процессов.

Список литературы:

1. Искусственный интеллект: понятие, типы, сферы применения, прогнозы на будущее [Электронный ресурс] – Режим доступа. – URL: https://gb.ru/blog/iskusstvennyj-intellekt/?ysclid=lv56n10q9t988959052 (дата обращения 05.05.2024)
2. Domo [Электронный ресурс] – Режим доступа. – URL:   https://www.domo.com/ (дата обращения 07.05.2024)
3. Artificial intelligence in oil and gas upstream: Trends, challenges, and scenarios for the future [Электронный ресурс] – Режим доступа. – URL:   https://doi.org/10.1016/j.egyai.2020.100041. (https://www.sciencedirect.com/science/article/pii/S2666546820300410) (дата обращения 05.05.2024)
4. 7 проблем, которые мешают внедрить ИИ в работу – исследование Salesforce [Электронный ресурс] – Режим доступа. – URL:    https://vc.ru/life/981828-7-problem-kotorye-meshayut-vnedrit-ii-v-rabotu-issledovanie-salesforce?ysclid=lvv86zf39z609422237 (дата обращения 06.05.2024)
5. Ответственность искусственного интеллекта в правовом поле [Электронный ресурс] – Режим доступа. – URL: https://dgtlaw.ru/analytic/otvetstvennost-iskusstvennogo-intellekta-v-pravovom-pole (дата обращения 07.05.2024)
6. Почему компаниям сложно внедрять искусственный интеллект  [Электронный ресурс] – Режим доступа. – URL:  https://trends.rbc.ru/trends/industry/65643fb69a79471b8a79c1e6 (дата обращения 07.05.2024)