McKinsey: К 2030 году вклад ИИ в мировой ВВП достигнет $13-20 трлн

Стратегические альянсы являются ключевым элементом успешного внедрения генеративного искусственного интеллекта

Искусственный интеллект робот внутри стеклянных зданий
ИИ становится неотъемлемой частью современной экономики
Фото: Unsplash/Drew Dizzy Graham

Искусственный интеллект (ИИ) становится неотъемлемой частью современной экономики, принося значительные изменения в различные сферы деятельности. Согласно отчету McKinsey, потенциал генеративного ИИ огромен, и его влияние на мировую экономику будет продолжать расти. Предполагается, что к 2030 году вклад ИИ в мировой ВВП может достигнуть 13-20 трлн долларов. С внедрением ИИ компании могут значительно повысить свою эффективность.

Но повсеместное внедрение ИИ в целом и генеративного ИИ в частности — это непростая задача, требующая наличия соответствующего регулирования, технологий и инфраструктуры. Согласно исследованию Oxford Insights от 2023 года, Казахстан находится на 72 месте среди 193 стран по готовности к массовому внедрению ИИ (на первом месте, предсказуемо, находится США). При этом стоит отметить, что из трех групп параметров для оценки наибольшее отставание наблюдается в области технологической готовности, с оценкой 31/100. Тем не менее, Казахстан осознает важность искусственного интеллекта и активно предпринимает шаги для его интеграции в различные секторы экономики. Например, разработана пятилетняя дорожная карта, направленная на стимулирование использования ИИ. И этот шаг можно только поприветствовать — создание правильного государственного регулирования и целевая поддержка инфраструктурных инициатив необходимы для успеха.

Но есть еще один аспект, который необходимо учитывать при дальнейшем развитии ИИ. А именно — размеры компаний и их готовность инвестировать в создание собственных решений. Например, товарооборот Walmart’a в 2,5 раза выше ВВП Казахстана. Такие размеры позволяют крупным игрокам в США создавать ключевые компетенции в ИИ внутри организации и лидировать разработку и внедрение самостоятельно. Для многих компаний Центральной Азии это непозволительная роскошь. Обойти это ограничение можно с помощью стратегических партнерств в области ИИ.

На примере компаний США мы уже видим, что стратегическое партнерство становится важным инструментом для успешной реализации ИИ-проектов. Даже крупнейшие компании внедряют генеративный искусственный интеллект в партнерствах с другими игроками, в первую очередь провайдерами технологических решений. Компании, которые не располагают достаточными внутренними ресурсами, могут воспользоваться опытом и технологиями партнеров, чтобы ускорить процесс внедрения и минимизировать риски.

Но такие партнерства необходимо структурировать правильным образом. Для этого есть три ключевых рычага: углубление сотрудничества, выбор поставщиков с учетом масштабируемости, совместимости и возможностей повторного использования, а также контроль за процессом и результатом.

Углубление сотрудничества

Работа с партнерами и вендорами в области генеративного ИИ требует большего уровня доверия и сотрудничества, чем это было необходимо при работе с обычными ИТ-вендорами. Важны осознанная прозрачность, частые коммуникации и явное согласование планирования, разработки и постоянного управления. Углубление сотрудничества можно достигнуть следующими способами:

  • совместное создание решений (co-creation): разработка ИИ-решений в партнерстве позволяет объединить усилия и знания обеих сторон для создания более эффективных и инновационных продуктов. Наибольший эффект от внедрения ИИ достигается через адаптацию предложений поставщиков к уникальным данным компаний. Это требует итеративного процесса, включающего подготовку данных, настройку моделей и тестирование. В контексте генеративного ИИ намного сложнее «отдать задачу на аутсорс», поскольку слишком много информации и решений будет требоваться от самого клиента.
  • совместное планирование (joint planning): планирование процессов и стратегий внедрения ИИ с учетом мнений и предложений всех участников партнерства. Поставщики ИИ должны предоставлять прозрачность своей дорожной карты, включая новые функции и возможности. Это позволяет компаниям планировать дальнейшие внедрения и влиять на развитие продуктов. Совместное планирование особенно важно для интеграции различных моделей ИИ.
  • разделение рисков и инвестиций (risk and investment sharing): совместное инвестирование в проекты и разделение рисков позволяет уменьшить финансовую нагрузку на отдельные компании и повысить вероятность успешной реализации проектов. Такой подход обеспечивает отсутствие конфликта интересов: партнеры выигрывают и не выигрывают вместе.

Выбор поставщиков с учетом масштабируемости, совместимости и возможностей повторного использования

Ни один поставщик не может предложить компаниям все необходимые решения. Поэтому, выбирая поставщика, важно понимать не только насколько хорошо они могут масштабироваться, но и насколько их решения будут работать с другими компонентами экосистемы ИИ компании. Компании должны тщательно оценивать своих партнеров, чтобы обеспечить совместимость и возможность интеграции различных решений. Важно учитывать следующие аспекты:

  • масштабируемость (scalability): насколько решения поставщика могут масштабироваться в зависимости от потребностей компании. Здесь важно понимать не только «теоретическую масштабируемость», но и реальные примеры, когда аналогичное решение было реализовано в компании требуемого масштаба. Компании должны тестировать пилотные программы, чтобы оценить готовность к масштабированию, и выбирать поставщиков, которые могут выполнять конкретные задачи, например, увеличение количества запросов на 50% за шесть месяцев без ухудшения качества.
  • совместимость (interoperability): способность решений поставщика интегрироваться с существующими системами и технологиями компании. Разумеется, большинство вендоров будут предлагать «полный пакет» собственных решений, акцентируя внимание на том, что их собственный модули совместимы между собой. На практике этого недостаточно. И всегда лучше пойти на уровень глубже и проанализировать фактические возможности и способы интеграции, например, как выглядят стандартные API (application programming interface) и под какие системы они заточены.
  • переиспользуемость (reusability): возможность повторного использования компонентов и решений в различных проектах и сценариях. Переиспользуемость важна на долгосрочном горизонте. Создание новых компонент для каждого юз-кейса влечет дополнительные затраты и время на разработку. Использование стандартизированных компонент позволяет повысить эффективность внедрения на 30-50%.

Контроль процесса и результата

Важно найти баланс между использованием возможностей поставщика и чрезмерной зависимостью от него. Это означает инвестиции в гибкую инфраструктуру, постоянный мониторинг производительности поставщика и привязку компенсации к результатам, при этом четко определяя границы интеллектуальной собственности (IP). Компании должны стремиться к самостоятельному развитию и управлению своими активами, чтобы избежать зависимости от внешних поставщиков и сохранять конкурентоспособность. Ключевые аспекты контроля включают:

  • инвестиции в гибкую инфраструктуру: создание систем и процессов, которые могут адаптироваться к изменениям и новым технологиям. Этo «шасси» может быть централизованной платформой или набором четко определенных API, протоколов интеграции и форматов данных, которые позволяют различным компонентам ИИ работать вместе. Для обеспечения максимальной гибкости компании используют подходы DevOps и MLOps. Эти практики помогают обеспечить надежность и производительность стека генеративного ИИ, а также быстро откатывать изменения при возникновении ошибок.
  • мониторинг производительности модели: постоянная оценка работы модели и корректировка при необходимости. Компании должны избегать «черного ящика», требуя от поставщиков документацию и прозрачность разработки. Важен надежный мониторинг и тестирование для раннего выявления проблем, включая автоматизированные отчеты по метрикам модели, статистике задержки и отзывам пользователей. Регулярные сквозные тесты позволяют отслеживать производительность и выявлять проблемы в экосистеме поставщиков.
  • определение границ интеллектуальной собственности: ясное понимание и соглашения относительно владения и использования разработанных технологий и решений. Четкие границы IP важны для генеративного ИИ. Компании должны определить существующую IP каждой стороны, как будет управляться IP, созданная в ходе сотрудничества, и условия лицензирования, коммерциализации и распределения доходов. Если вы хотите, чтобы ваш вендор не мог переиспользовать совместные наработки для других клиентов — это стоит проговорить заранее.

Для реализации описанных выше подходов компании создают внутренние центры экспертизы, которые отвечают за развитие и внедрение ИИ-технологий. Эти центры могут работать в тесном сотрудничестве с внешними партнерами, но при этом сохранять контроль над ключевыми процессами и технологиями. Это позволит не только уменьшить зависимость от поставщиков, но и развивать собственные компетенции и инновационные решения.

Заключение

Стратегические альянсы являются ключевым элементом успешного внедрения генеративного искусственного интеллекта. Для большинства компаний Казахстана и Центральной Азии, такие партнерства — наиболее оптимальный путь к масштабированию ИИ. Компании, которые смогут эффективно использовать потенциал партнерств, получат значительные преимущества и смогут занять лидирующие позиции на рынке. В условиях глобальной конкуренции и быстрых технологических изменений, умение создавать и поддерживать партнерские отношения становится важным фактором успеха.

Если вы обнаружили ошибку или опечатку, выделите фрагмент текста с ошибкой и нажмите CTRL+Enter
Популярное
Выбор редактора
Ошибка в тексте