Искусственный интеллект в индустрии. Прогноз развития, системные ограничения и возможности

Андрей Даркшевич, заместитель директора Института искусственного интеллекта и цифровых наук, Высшая школа экономики.

За ближайшие 10 лет ожидается дополнительный эффект от внедрения ИИ в России в размере 46,5 трлн рублей.

99% компаний, запускавших ИИ-проекты, терпят неудачу.

Обсуждаются перспективы развития ИИ в условиях дефицита рабочей силы и тренда на человекоцентричность.

Рассматриваются стратегии выживания в условиях быстрой трансформации рынка и необходимость цифровых двойников для анализа.

Обсуждаются ограничения технологий, мощности и устойчивое развитие, включая актуальность отраслевых решений и коллабораций.

Выделяются причины убыточности ИИ-проектов в компаниях.

Ключевые аспекты и детали:

1. Развитие ИИ в России:

Акцент на дефиците рабочей силы и необходимости использования роботов и агентов.

Роль копайлотов как дополнения к клиповому мышлению.

Персонализация в реальном времени для сотрудников, партнеров и контрагентов.

2. Постоянная трансформация и государственное регулирование:

Смена стратегий: дизрапт (для крупных компаний) и survive (выживание).

Необходимость цифровых двойников для анализа и стресс-тестов в режиме реального времени.

Пример: быстрая оценка влияния на туристический сектор из-за поломки танкеров.

3. Ограничения технологий, мощности и устойчивое развитие:

Нехватка электроэнергии (дефицит в 25 гигаватт, отставание в 5 лет).

Переход к отраслевым решениям и коллаборациям.

Пример: отключение функций ответов ИИ в медицине и юриспруденции из-за высоких рисков.

Федеративное обучение и обеспечение безопасности данных.

4. Внедрение ИИ в компании:

Процессы с высоким финансовым эффектом: сокращение времени и освобождение рабочей силы.

Необходимость четкого понимания ожидаемого финансового результата.

5. Причины неудач ИИ-проектов (из статьи Yangov):

Недостаточное внимание к управлению модельным риском.

Отсутствие мониторинга и обслуживания моделей.

Распространенное использование методологии CRISP-DM, вместо CRISP-ML, что приводит к разрыву между бизнесом и данными.

6. Выводы:

Для успешной реализации ИИ-проектов необходимо учитывать все этапы, включая business and data understanding, мониторинг и обслуживание моделей.

Решения должны быть разработаны индивидуально под каждого клиента.

CNews FORUM 2025: Информационные технологии завтра.

Предcтавители бизнеса, госструктур, ИТ-компаний, а также независимые эксперты и аналитики приняли участие в дискуссии о том, как будет проходить информатизация экономики в ближайшие годы.

Цель мероприятия – предоставить независимую площадку для обсуждения ключевых вопросов и актуальных проблем рынка ИКТ, инновационных технологий, подходов к реализации ИТ-проектов – с участием трех сторон – бизнеса, ИТ-поставщиков и государства.

Цель мероприятия – предоставить независимую площадку для обсуждения ключевых вопросов и актуальных проблем рынка ИКТ, инновационных технологий, подходов к реализации ИТ-проектов – с участием трех сторон – бизнеса, ИТ-поставщиков и государства.