Искусственный интеллект не лишит людей работы, а создаст новые рабочие места

Кирилл Соловьев – эксперт в области современной бизнес-стратегии, автор книги «Стратегия без прикрас: Практическая инструкция по стратегии, которая работает», победитель в номинации «ESG - лидер года» в конкурсе Investment Leaders Award 2024, рецензент и автор статей в научных журналах входящих в список ВАК. За свою карьеру он реализовал более 30 масштабных проектов по созданию стратегии, цифровизации и внедрению ИИ, и реализации стратегии в тяжелой промышленности, фарме, private equity и прочих индустриях для компаний Fortune 500 на рынке США и Европы. Сейчас эксперт работает в головном офисе Маккинзи & Компания в Нью-Йорке. Кирилл рассказал «Комсомольской правде» о подходах в использовании ИИ и генеративных ИИ решений для компаний.

Кирилл, расскажите вкратце, какие задачи стоят перед бизнес-стратегом? В чем сложность профессии?

– Основная задача это – формирование и реализация комплексных стратегий для развития компании. В числе вызовов я бы отметил необходимость быстрой адаптации в условиях меняющегося рынка, интеграцию цифровых технологий в стратегическое планирование и оценку эффективности разработанных стратегий. Бизнес-стратегу нужно не только глубоко разбираться в технологических трендах, и уметь прогнозировать их влияние на бизнес-модель компании.

Как на вашу профессию повлияло появление искусственного интеллекта?

– Повсеместное использование ИИ и генеративный ИИ оказало значительное влияние на все сферы бизнеса, но в нашей профессии современные технологии используются значительно чаще. На данный момент большинство крупных компаний внедряет “умных” помощников на базе ИИ, как для своих сотрудников, так и для клиентов. Поэтому усиление цифровых технологий становится приоритетной задачей в рамках траектории развития бизнес-стратегии. Это возможно только при глубоком понимании новых технологий и умении интегрировать их в текущие бизнес-процессы. Сотрудники, использующие диджитал-инструменты, в семь раз продуктивнее тех, кто не умеет ими пользоваться. Интересный факт, на сегодняшний день 70% разработанного софта для корпораций было разработано более 10 лет назад, и новые разработки в области ИИ, особенно в генеративном ИИ, радикально изменяют баланс затрат и преимуществ в модернизации устаревших технологий и сокращения технологического отставания в рамках более масштабных изменений в работе IT.

Сможет ли ИИ заменить какие-то позиции, оставив людей без работы?

– Мне кажется, что не верно считать, будто ИИ создан для замещения. Эта технология должна работать в симбиозе с человеком. И сейчас одной из важнейших задач является интегрирование человеческого потенциала с искусственным интеллектом, так, чтобы технологии могли дополнять навыки и знания работников. Конечно, часть рутинных задач может быть делегирована ИИ. Но при этом передовые технологии будут создавать новые позиции.

Приведите пример интеграции ИИ из вашей практики

Я разрабатывал операционную стратегию для одной из топовых энергетических компаний в США. После анализа текущих операционных процессов наша команда предложила решения на базе ИИ, которые помогали мониторить состояние оборудования в реальном времени. Это позволило существенно повысить точность прогнозирования возможных сбоев и уменьшить время простоя оборудования на 30%. Новая технология помогла оптимизировать работу механиков, отправляя их на обслуживание участков, требующих особого внимания. Таким образом, нам удалось увеличить общую производительность и сократить затраты на обслуживание, что в конечном счете повлияло на повышение надежности энергосистем.

Как вы считаете, в каких областях внедрение ИИ будет наиболее эффективным и необходимым?

- По моему мнению искусственный интеллект показывает отличные результаты в аналитике. Приведу еще один пример из своей практики, когда мы разрабатывали стратегию аутсорсинга персонала, который проводит обработку данных, собранных с ранних стадий испытаний нового медицинского препарата для крупнейшей фармацевтической компании. Сотрудникам приходилось обрабатывать колоссальный объем данных. Мы внедрили решение на основе AI, позволяющее выявлять ошибки в сверке данных с исходными документами на ранних этапах. Автоматизация проверки соответствия данных протоколу исследования позволила сократить время обработки каждого кейса с 3-6 часов до часа. На основе полученных данных оператор может принять решение об одобрении или отклонении данного кейса. В итоге внедрение AI уменьшило время анализа в среднем на 50-70%. Это один из шагов на пути ускорения процесса разработки медицинских препаратов.

У вас есть личные достижения в области применения ИИ?

- Да, используя свой опыт в бизнес стратегии и ИИ, я разработал технологию, которая сейчас находится в процессе регистрации. Она позволяет сортировать ТБО на различного типа предприятиях с использованием ИИ решений. Это полноценная система, состоящая из нескольких модулей, использующих технологию Duty Cycle и Low power sensors и NIR для сканирования проходящих через сенсоры ТБО. Технология использует технологию глубокого обучения (DL) и компьютерного зрения (Computer Vision) для точной классификации. Также благодаря постоянному самообучения через алгоритмы машинного обучения (ML), устройство обеспечивает высокую точность и адаптируемость в реальных условиях и на различных предприятиях.

Уже на нескольких пилотных предприятия получилось достичь значительных результатов, например одна небольшая металлургическая компания-клиент смогла увеличить количество сортировки отходов на переработку с примерно 60% до 90%. Это позволило увеличить выручку от реализации отходов на 9%. По прошествии первого года кумулятивный результат оценивается в 14 млн. руб.

Как вы считаете, какой потенциал в использовании ИИ в бизнесе?

- По последним исследованиям, в которых я участвовал в рамках нашей компании, генеративный ИИ способен ежегодно приносить доход в мировую экономику от реализации технологии в размере от 2,6 триллиона до 4,4 триллиона долларов. Это говорит о том, что внедрение генеративного ИИ может увеличить совокупный эффект от всех технологий на основе ИИ на 15–40%. Более того, если учитывать его интеграцию в уже существующее программное обеспечение, которое используется для других задач, этот эффект может удвоиться.

Наибольшая ценность от использования генеративного ИИ будет сосредоточена в четырех ключевых направлениях:

- Работа с клиентами

- Маркетинг и продажи

- Разработка программного обеспечения

- Исследования и разработки (R&D)

На эти области приходится около 75% кумулятивного эффекта.

Если говорить об отраслях, то банки, высокие технологии и фармацевтика могут получить наибольший прирост в доходах. Например:

- В банковском секторе генеративный ИИ может принести дополнительную ценность от 200 до 340 миллиардов долларов ежегодно

- В ритейле и секторе потребительских товаров этот потенциал составляет от 400 до 660 миллиардов долларов ежегодно