Як штучний інтелект трансформує бізнес: погляд GlobalLogic на майбутнє технологій

Протягом 2024 року ринок ШІ зріс на близько 50 мільярдів доларів — зі 136 мільярдів доларів у 2023 році до 184 мільярдів доларів сьогодні. За прогнозами, у 2030 році вартість сягне 827 мільярдів. Перспективи, які відкриває ШІ для всіх індустрій, очевидні: більша автоматизація процесів (як-то з чат-ботами для customer support), оптимізація ресурсів (бази знань для навчання нових фахівців) і принципово нові рішення (прикладом, протези з ШІ). Втім, існують і ризики — від етичних похибок до питань безпеки даних, пише 24 Канал.

Штучний інтелект: перевага чи ризики

При впровадженні ШІ бізнес отримує численні переваги, і компанії це вже відчули, переконана Анна Щербакова. Вона додає, що на прикладах клієнтів GlobalLogic добре видно зростання операційної ефективності підприємства, можливість приймати більш інформовані рішення на основі точних даних і прогнозів, а клієнтський досвід стає більш персоналізованим. І це далеко не повний перелік плюсів.

За відповідального використання цієї технології пришвидшуються та дешевшають виробничі процеси, розробляються нові продукти та відкриваються нові канали збуту, підвищується лояльність клієнтів і партнерів.

Утім, існують і небезпідставні побоювання стосовно впровадження ШІ в бізнес-процеси. Ми в GlobalLogic знаємо ці підводні камені, адже працюємо з ШІ-технологіями понад 10 років. Для того, щоби технологія працювала на бізнес, а не проти його репутації та прибутку, варто дотримуватися вимог для вихідних даних і не нехтувати безпекою,
– каже Анна Щербакова.

Якість даних, з якими працює ШІ, стає вирішальним фактором успіху. Вони мають бути:

• Актуальними: дані повинні відображати сучасний стан процесів або об'єктів, адже застаріла інформація може спотворити роботу моделі.
• Цілісними: дані мають бути повними, без пропусків у критично важливих атрибутах, аби дозволяти ШІ коректно аналізувати та інтерпретувати інформацію.
• Репрезентативними: гарантувати охоплення всіх можливих сценаріїв і ситуацій для уникнення упередженості.
• Узгодженими: відсутність логічних суперечностей зменшує ризик помилок у навчанні моделі.
• Достатніми: модель вимагає обсягу даних, який дозволить їй навчитися працювати в різних умовах і забезпечить точність її прогнозів навіть у складних випадках.

Чудовим прикладом тут є автомобілебудування, продовжує віцепрезидентка GlobalLogic. Для створення системи адаптивного управління світлом фар (adaptive head beam) в автомобілях на етапі розробки швидкого прототипу може знадобитися близько 10–20 тисяч зображень, які охоплюють базові сценарії, такі як нічна дорога за стандартних умов. Для створення мінімально життєздатного продукту (MVP), який працюватиме в різноманітних реальних умовах, потрібно вже близько 200–500 тисяч зображень, що включають різні погодні умови, типи доріг і час доби. Нарешті, готове до впровадження рішення (Production Grade) вимагає масштабного підходу з використанням понад 5–10 мільйонів зображень. Такий обсяг даних дозволяє системі ефективно працювати навіть у складних або нетипових умовах, таких як густий туман, відблиски світла чи зустрічний транспорт, забезпечуючи надійність і безпеку в реальному світі.

"Інший важливий аспект – безпека даних. Безпекові ризики можуть нести серйозні загрози для бізнесу. Скандал з Cambridge Analytica у 2018 році добре ілюструє цей виклик: тоді дані мільйонів користувачів Facebook використовувалися для маніпуляції політичними процесами, завдаючи удару по довірі до великих платформ. Операційні ризики, як у нещодавньому випадку з CrowdStrike, показують, що навіть найкращі цифрові системи можуть бути вразливими через помилки конфігурації", – додала Анна Щербакова, наголошуючи, що лише враховуючи безпекові вимоги та вимоги до даних, бізнес може побудувати ефективне ШІ-рішення, що додасть йому конкурентних переваг.

Як українські інженери користуються ШІ

За статистикою, 87% українських інженерів уже використовують ШІ в роботі, тоді як минулого року таких було 57%. Цей прогрес наочно демонструє, що наш ринок швидко оцінює переваги ШІ-технологій.

У GlobalLogic використання ШІ-інструментів чітко регламентоване, каже Анна Щербакова. Причина цьому — корпоративні вимоги до безпеки даних, інтелектуальної власності та якості кінцевого результату. "Згідно з корпоративними політиками ми не можемо передавати внутрішню інформацію зовнішнім ресурсам, тому використання AI-інструментів є виваженим та обачливим, – каже вона. – Що ж до рутинних задач, більшість колег уже делегують їх ШІ: як-от швидкий аналіз та підсумовування даних, розшифровку зустрічей, скорочення текстів тощо. Ми використовуємо всі останні платні версії інструментів – Chat GPT 4.0, Gemini pro, Perplexity, – щоби розуміти актуальні можливості ШІ-платформ".

ШІ-проєкти: тенденція до intelligent enterprise

По всьому світу GlobalLogic залучила понад 25 тисяч інженерів з рівнем експертності у ШІ. У життя втілили понад 500 проєктів із застосуванням цієї технології. Це стосується як нових партнерств, так і рішень для вже існуючих клієнтів, пояснює операційна директорка компанії. Найбільша частка ШІ-проєктів припадає на сфери автомобілебудування, охорони здоровʼя, комунікацій та FinTech.

Одним із наймасштабніших проєктів 2024 року був запуск GenAI Platform of Platforms для Hitachi. Так звана "Платформа платформ" допомагає компаніям масштабувати впровадження генеративного ШІ. Вона розв'язує завдання захисту даних, управління ризиками та забезпечення гнучкості в умовах швидких змін. Втім, попит на ШІ-рішення доповнює, а не скасовує, основну потребу ринку – потребу в експертизі з "класичного" інжинірингу. Ситуації, коли разом із тенденцією на інтеграцію ШІ-інструментів зникла потреба в інших навичках, — немає і навряд чи буде, вважає Анна Щербакова.

Дедалі актуальнішою стає нова якість бізнесу – intelligent enterprise, розумне підприємство. Концепт intelligent enterprise полягає в тому, що ключові бізнес-процеси можуть створюватися та реалізовуватися на основі великої кількості даних. Завдяки цьому, компанії досягають оптимальності, яка була неможлива раніше. Звісно, за допомоги ШІ.

Уявімо, чого можна досягти, якщо почати будувати атомні електростанції з урахуванням тисяч факторів, які раніше проаналізувати було неможливо? Або якщо великий промисловий конгломерат запровадить предиктивне обслуговування всього устаткування на основі аналізу його роботи за допомогою ШІ? До яких змін у бізнесі це призведе? Це ті проєкти, над якими вже працюють спеціалісти GlobalLogic. Результати зможемо побачити у найближчому майбутньому,
– впевнена керівниця компанії.

Як ШІ впливає на ринок кандидатів

Широке розповсюдження ШІ впливає і на вимоги до кандидатів. За даними LinkedIn, роботодавці все частіше шукають спеціалістів з ШІ-експертизою — найм таких фахівців зріс на 323% за останні вісім років.

Втім, з нашого досвіду, якщо оцінювати долю проєктів, які потребують впровадження ШІ — на частину Machine Learning припаде не більше 20% робіт. Тобто фахівці з цими навичками хоч і стають затребуванішими, проте все ще не входять у ТОП-3. Найпопулярнішими стеками, як і раніше, лишаються DevOps, Python і QA.

Велику роль у розвитку компетенцій відіграє навчання. Так звані програми з ШІ-грамотності вже впроваджують IKEA, JPMorgan Chase, WPP та десятки інших гігантів ринку. Hitachi, материнська компанія GlobalLogic, не є винятком. Завдяки партнерству з Google, понад 50 000 фахівців GenAI пройдуть навчання за глобальною програмою, куди увійдуть технології Gen AI Google Cloud. За цією програмою 5 000 українських інженерів вже розвинули свою ШІ-експертизу.

ШІ та бізнес — що буде далі?

Протягом останніх 5-10 років бізнес активно впроваджує ШІ — це не нова технологія, а природний процес цифрової трансформації. Тому попит від ринку буде тільки зростати. У ШІ зацікавлені бізнеси всіх вертикалей. До прикладу, однією з ключових індустрій, які впроваджують ШІ, є мультимедіа. Поруч із автомобілебудуванням, FinTech, охороною здоровʼя та рештою індустрій, розважальні платформи й медіа створюють персональних асистентів, аналізують потреби споживачів і адаптують до них свої пропозиції. Зокрема так працює Netflix: 80% шоу, які дивляться користувачі, були рекомендовані системою на основі ШІ. Про це компанія заявила ще в 2017 році.

У нашому десятилітті ми очікуємо ще більшого підйому ШІ, зокрема завдяки вкладенням у розробки. Очікується, що витрати компаній на ШІ, включаючи програми з підтримкою ШІ, інфраструктуру та повʼязані з ними рішення, подвояться до 2028 року (сягнуть 628 мільярдів доларів). Мій колега, Орхан Гасімов, Associate Vice President з технологій у європейському регіоні в GlobalLogic, уже зазначав, що розвиток ШІ все ж упирається в бюджети.

Повертаючись до прикладу системи адаптивного управління світлом фар (Adaptive Head Beam), підготовка даних вимагає суттєвих витрат. Для створення базового прототипу необхідно забезпечити якісний збір та обробку даних, що охоплюють ключові сценарії використання, з витратами в межах 50–100 тисяч доларів. Розробка MVP (Minimum Viable Product) включає розширення покриття даних для різноманітних дорожніх і погодних умов, що може коштувати від 200 до 500 тисяч доларів. На етапі Production Grade додається значно більший масштаб обробки даних, розширення сценаріїв використання та інтеграція системи в реальні умови експлуатації. Це підвищує витрати до 1–2 мільйонів доларів, враховуючи складність розмітки та забезпечення точності моделі.

На завершення, Анна Щербакова додала, що у найближчі роки вона очікує більшого державного та юридичного регулювання сфери ШІ. Це буде симбіоз корпорацій, правових інституцій і найбільших гравців ринку для впровадження загальних стандартів. Згодом технологія набуватиме тільки ширшого розповсюдження. Ми до цього готові й це визначатиме, серед іншого, конкурентні позиції України на міжнародному ІТ-ринку. Українські інженери відповідають тренду та швидко вчаться роботі з технологіями – кількість українських розробників, які використовують ШІ, за рік виросла в півтора раза.