Инвестиции во внедрение искусственного интеллекта пока что окупаются с трудом. Виноваты завышенные ожидания бизнеса.
Около 70% российских компаний пока не вернули вложения в технологии искусственного интеллекта. Такой вывод сделала Triada Partners, проанализировав практику в горнодобыче, металлургии, нефтяной отрасли и строительстве.
Проблемы планирования
Генеральный директор холдинга SNDGlobal кандидат физико–математических наук Ольга Квашенкина считает, что статистика отражает сразу две плоскости.
“
"Этот показатель одновременно и симптом системной проблемы, и отражение частых ошибок внедрения на уровне компаний", — отмечает она.
К системным факторам относятся дефицит кадров и рост зарплат в сегменте machine learning и data science, высокие издержки на вычислительную инфраструктуру и лицензии, а также санкционные ограничения на доступ к топовым графическим процессорам и сложная цепочка импортозамещения. Всё это усиливается "фрагментированной регуляторной средой и требованиями по локализации и безопасности".
С другой стороны, продолжает Квашенкина, в корпоративной практике слишком часто встречаются запуск точечных пилотов без чёткой дорожной карты масштабирования, отсутствие измеримых исходных баз (baseline), слабая интеграция результатов ИИ в операционные процессы и отсутствие управления изменениями (change–management). Именно сочетание рыночных ограничений и процессных ошибок, подчёркивает она, формирует эффект неокупаемости.
Директор департамента IT DCLogic Михаил Копнин не согласен с оценками Triada Partners.
“
"Я бы предположил, что показатель “сколько инвестиций в ИИ не окупились” будет всё–таки выше 70%. И проблема здесь скорее в завышенных ожиданиях игроков рынка от пока ещё не совершенной технологии. Возникает ассоциация с шуткой из “Теории большого взрыва” — “Всё становится лучше с Bluetooth”. С ИИ сегодня та же история. Применять его можно везде, но грамотно применять — непростая задача", — говорит он.
Управляющий директор промышленного холдинга "Экспанта" Илья Измайлов подтверждает:
“
"Данный показатель скорее отражает недостаточную системность подхода, связанную с завышенными ожиданиями. Когда на хайпе началось внедрение ИИ–советчиков, цифровых двойников и других рекомендательных систем, решения реализовывались как отдельные stand–alone–проекты с надеждой на быстрые победы. Лишь в редких случаях заказчики выстраивали программы по ИИ, обеспечивали приживаемость систем за счёт изменения привычных бизнес–процессов и планировали сквозную оптимизацию".
Именно такие компании, уточняет он, и реализовали те самые 30% инвестиций, которые окупились.
Непростая математика
Ключевой спор касается методик измерения. Квашенкина отмечает: единственно правильного KPI не существует. Она описывает следующий последовательный подход: чёткая формулировка целевой гипотезы, фиксация базовой линии, исчисление всей TCO (стоимости владения), учёт отложенных и нематериальных эффектов.
“
"Окупаемость инвестиций от ИИ следует измерять комплексно, учитывая не только прямое сокращение издержек, но и рост выручки от новых продуктов или услуг, а также долгосрочные эффекты — повышение качества данных, клиентского опыта и операционной гибкости", — поддерживает руководитель продуктового направления Data Science в Hybrid Илья Лысенко.
По наблюдениям Квашенкиной, лучшие результаты в России дают банки, металлургия, нефтяные компании и транспорт. "“Сбер” публично декларирует сотни миллиардов рублей эффекта к 2024 году. “Норникель” сообщает о $100 млн дополнительного результата от ИИ–инициатив. РЖД последовательно внедряют десятки решений", — приводит она примеры.
Копнин называет самым успешным примером внедрения ИИ в России бытовой сектор, а именно — голосовой помощник "Алиса". Здесь, по его словам, успех достигнут не столько за счёт продажи технологии, сколько благодаря созданию целой экосистемы сервисов.
Сооснователь Minervasoft Алексей Зобнин добавляет, что в клиентском сервисе ИИ способен "забирать 20% трафика" и существенно повышать эффективность. Но в целом, считает он, "в России пока нет такого же активного внедрения ИИ, как за рубежом… Для российских компаний путь к внедрению ИИ оказывается длиннее и затратнее".
Дело не быстрое
Большинство экспертов сходятся в оценке: текущие траты на ИИ носят характер долгосрочных вложений.
“
"Типичный жизненный цикл зрелого ИИ–проекта включает значительную подготовительную часть. Это капитальные вложения, которые амортизируются годами и создают фундамент для последующих быстрых кейсов", — объясняет Квашенкина.
При этом в структуре затрат кадры "съедают" до половины бюджета. "При проекте с общим бюджетом 100 млн рублей персонал может составлять порядка 40–50% (45 млн)", — говорит она.
Господдержка может несколько менять картину. "Простая числовая иллюстрация: если проект окупается за 3,33 года, то грант 30% уменьшает срок окупаемости до 2,33 года. Экономия времени составит примерно 1 год", — объясняет Квашенкина.
Генеральный директор ГК "УльтимаТек" Павел Растопшин говорит о более глубокой проблеме. "Промышленная отрасль уже в большей степени озадачена вопросом импортозамещения. Цикл инвестиций в ИТ в промышленности в 3–5 раз длиннее, чем в банках. Абсолютное большинство систем АСУ ТП — западного производства, и для их замещения потребуются годы, если не десятилетия", — отмечает он.
Однако есть и позитив.
“
"Из 140 млрд рублей объёма рынка 2025 года до половины уже занимают российские решения. Тогда как ещё несколько лет назад их доля не превышала и нескольких процентов", — подчёркивает Растопшин.
