79% промышленных предприятий сообщили о существующем разрыве между ожиданиями и фактическими результатами внедрения ИИ. Чаще всего ожидания руководителей от ИИ превышают реальные возможности компаний. Эти данные были получены в ходе исследования «К2Тех», проведенного среди 150 руководителей крупных промышленных организаций. Редакция IT Speaker ознакомилась с результатами.
Согласно результатам исследования, 30% участников отметили значительный разрыв между ожиданиями руководства и реальным положением дел. Это связано с тем, что от ИИ ожидаются быстрые результаты, хотя данные и инфраструктура не готовы к этому. Еще 49% респондентов заявили, что ожидания руководства лишь частично соответствуют текущим возможностям. Полное соответствие было отмечено только 5% участников опроса, 16% не смогли оценить этот аспект.
Интересно, что управление ИИ не везде организовано как отдельный процесс. В 19% компаний формально не закреплена ответственность за риски, связанные с использованием генеративного ИИ, а у 23% нет системного подхода к управлению ИИ, включая политики, роли и контроль. Дополнительно, 30% компаний оценивают эффективность управления без формальных метрик – по тому, как проходит процесс.
30% респондентов выделили низкое качество данных как одно из основных препятствий для достижения быстрого и измеримого результата от внедрения ИИ. Полностью готовыми свои данные считают лишь 5%. У 46% компаний данные готовы частично и требуют дополнительной разметки, очистки или объединения из различных источников.
Решение этих задач не всегда получает отдельное финансирование. В 37% компаний бюджет на управление данными и ИИ не выделяется – работы проводятся в рамках текущих ИТ-задач. У 33% респондентов бюджет увеличился на 10-30%, и только 14% сообщили об увеличении более чем на 50%.
Дополнительный вопрос для промышленных компаний – готовность data-инфраструктуры к новым требованиям регулирования ИИ. Многие из них относятся к критически важным объектам инфраструктуры, поэтому законодательные требования распространяются на них. Полностью готовыми к ним считают себя 12% респондентов. Частично готовыми указали себя 48% – им требуется доработка процессов и платформ. Еще 21% ожидают значительной трансформации data-ландшафта, а 19% на момент исследования еще не проводили оценку.
Ограничения также существуют на уровне вычислительных мощностей. Для 27% опрошенных именно нехватка ресурсов стала основным препятствием. 24% арендуют GPU у сторонних поставщиков, 21% комбинируют свои мощности с облачными сервисами для пиковых нагрузок, и еще 21% располагают собственными GPU-кластерами с достаточным запасом ресурсов. Еще одной преградой является нехватка квалифицированных специалистов и экспертизы. Так, 75% из них не умеют обеспечивать безопасность ИИ-процессов для бизнеса.
«Чтобы ИИ достиг ожидаемых результатов, необходимо рассматривать внедрение ИИ комплексно, исходя прежде всего из запланированного результата. Перед тем как приступить к каким-либо действиям, компаниям следует оценить свою готовность к конкретному сценарию: достаточно ли у них качественных данных и вычислительных ресурсов, кто будет отвечать за функционирование решения и как будет оцениваться его эффективность. После этого – определить, как интегрировать его в текущие процессы. Для специалистов компании это сложная задача на стыке нескольких направлений, особенно когда ее нужно решать одновременно с текущими ИТ-задачами. Это тоже важно учитывать при разработке плана, иначе сроки внедрения могут оказаться нереалистичными», – отметил Дмитрий Красников, руководитель практики Big Data & BI «К2Тех».
Ранее редакция IT Speaker сообщала о том, что Yandex B2B Tech совместно с Selectel и MetaMentor запустили новый проект, который меняет подход к ИИ для бизнеса. Продукт класса On-Premises AI-as-a-Service доступен в формате программно-аппаратного комплекса.
Внедрение ИИ увеличит потребность в ИТ-специалистах
