5 причин, по которым нейросети еще не используются повсеместно в корпоративной среде

Использование искусственного интеллекта – это один из ключевых факторов успеха при работе современных организаций. Но как реализовать его применение для решения конкретных задач внутри корпоративной инфраструктуры? В этой статье мы предлагаем вам подискутировать о том, какие условия необходимо выполнить для того, чтобы «корпоративный ИИ» работал стабильно, не галюцинировал, не нарушал правил ИБ и вообще стал помощником, а не еще одной проблемой.

Потребность в ИИ очевидна?

Сегодня, кто все желающие уже успели познакомиться с ChatGPT, GigaChat, Yandex GPT и прочими решениями, аспект применения ИИ можно считать достаточно очевидным: вы можете сэкономить массу времени, передавая нейросети любые задачи, которые выполняются по одному и тому же шаблону. Однако не стоит ожидать, что нейросеть сможет грамотно решить те задачи, которые заставляют даже человека задуматься (именно задуматься и найти новый подход – а не просмотреть массу информации и найти типовое решение).

По разным оценкам сегодня пользователи тратят до 50% своего рабочего времени на поиск информации. И, как отмечают аналитики, далеко не всегда это приводит к позитивным результатам – то есть потратив эти самые половину рабочего дня, сотрудник может так и не найти часть нужных ему документов. При правильной организации процесса, эту часть работы можно было бы полностью передать ИИ.

Порядка 5% времени уходит на коммуникации – выяснение ситуации, общение с клиентами или сотрудниками, получение задач от руководства. И это действительно полезные затраты, которые позволяют определиться, какую работу выполняет человек. Здесь ИИ может выступать только в роли ассистента и, например, готовить моментальные расшифровки аудио и саммари текстов

Наконец, 45% времени уходит на воспроизведение проблемы и моделирование ситуаций. Другими словами, эту часть своих ресурсов человек тратит на то, чтобы погрузиться в проблему и сформулировать самому себе задачи. Здесь ИИ может выполнять различные роли – секретаря-референта, советника по процессам, средства систематизации имеющихся данных.

Если взглянуть на все это поверхностно, кажется, что внедрение ИИ в корпоративной среде – логичный и естественный шаг, который сразу же скажется на производительности труда. Но на практике это происходит не так часто. И все дело в том, что для эффективной работы ИИ существуют препятствия, которые не так-то просто преодолеть.

1. Информационная безопасность

Внедрить ИИ можно различными способами, но для большинства организаций метод работы с облачным сервисом не подходит, так как в этом случае риск компрометации данных оказывается очень высоким. А для целого ряда структур такой подход вообще запрещен законом. В итоге компаниям остается рассчитывать только на локальные on-prem модели.

2. Необходимость в компетенциях

Раз нельзя работать с ИИ через облако, значит нужны специалисты, которые будут развивать вашу собственную языковую модель (LLM). А для этого необходимы специалисты, которые смогут не только обучить ее в соответствии с корпоративными задачами, но также решат вопросы тонкой настройки, разделения прав доступа и интеграции.

3. Недоступность части данных

В наше время в корпоративном периметре количество информационных систем, в которых хранятся важные данные, постоянно увеличивается. Растут и объемы самих баз данных. И если у ИИ нет единого доступа к ним, не создано централизованное хранилище и не проведена верификация, выводы, основанные на этих данных будут мягко говоря не точными.

4. Интеграция в бизнес-процессы

Чтобы от ИИ была польза, необходимо сделать его применение удобным. В большинстве случаев отдельно «стоящий» сервис ИИ не будет использоваться сотрудниками, так как для работы с ним потребуются дополнительные действия и усилия. И если вы не проведете предварительную интеграцию, не встроите движок ИИ в вашу ИТ-экосистему, не получится использовать его потенциал по полной даже для таких простых (с точки зрения нейросетей) задач как поиск инфорации.

5. Необходимость учитывать контекст

Запрос к ИИ от сотрудника кадровой службы, от инженера, рассчитывающего прочность изделия и от менеджера по продажам, будут кардинально отличаться по контексту. И чтобы ИИ мог помогать людям, «общаясь» с ними на естественном языке, необходимо обеспечить распознавание контекста для каждого запроса. Иначе ИИ-помощник будет выдавать вместо полезных ответов бесполезную информацию и быстро перестанет использоваться сотрудниками.

Проекты внедрения ИИ требуют подготовки

Подводя итог, можно сказать, что только эти 5 проблем создают серьезные препятствия к внедрению ИИ в корпоративной среде. Их нужно решать комплексно, и это повод для запуска целого интеграционного проекта или использования готового решения от разработчика, который сам уже провел все необходимые изыскания, оптимизации и разработки. Как следствие, подключение ИИ к автоматизации, казалось бы, очевидных для нейросети задач, оказывается намного более сложным процессом.

На своей практике мы в РЕД СОФТ убедились в том, что большинство задач из этого перечня можно решить на уровне разработки продукта. И вВ следующей статье мы расскажем подробнее о решении РЕД Архив – Центр Знаний, которое позволяет использовать ИИ на тех данных, которые уже есть в компании без рисков информационной безопасности.