Машинное обучение уже применяется в государственном управлении, ритейле и торговле, промышленности и энергетике, а медицинские и фармацевтические компании только планируют начать его внедрение. Аналитический центр НАФИ и компания Mains Group, специализирующаяся на образовании и информационных технологиях, представляют результаты исследования востребованности технологий машинного обучения в крупном российском бизнесе.

Автоматизация бизнес-процессов получила широкое распространение в крупном бизнесе (80%), и в будущем уровень автоматизации продолжит расти. При этом технологии машинного обучения сейчас используются только на трети предприятий (33%).

Дата публикации:

26 ноября 2019

ТЭГИ:

Тренды

Аналитика

Искусственный интеллект

Тренды

Аналитика

Искусственный интеллект

Основные выводы исследования

2

3

4

5

6

7 Наиболее востребованные направления для внедрения в будущем оптимизация производства, аналитика и исследования

Наиболее распространенные барьеры — необходимость перестройки бизнес процессов и неготовность персонала предприятия

Несмотря на свою известность, технологии машинного обучения пока не используются на большинстве крупных предприятий

ИТ директора ожидают дальнейшего роста автоматизации бизнес процессов, в том числе за счет более широкого внедрения МО

В настоящий момент МО чаще всего используется в продажах

Главный драйвер внедрения МО сокращение расходов, дополнительные драйверы повышение производительности труда и оптимизация взаимодействия подразделений

1 Автоматизация процессов получила широкое распространение в крупном бизнесе

Под автоматизацией организационных процессов в исследовании понимается перенос рутинных процедур или типовых задач под контроль цифровой информационной системы. Примеры автоматизации процессов: системы автоматизации взаимодействия с потребителями (CRM), системы автоматического управления складами, поставками, производством, бухгалтерией, человеческими ресурсами и т.п.

Под машинным обучением понимается процесс, в ходе которого система (искусственный интеллект) обрабатывает большое число примеров (кейсов), выявляет закономерности и использует их, чтобы анализировать и прогнозировать характеристики новых данных. Например, система может анализировать данные об обращениях в организацию и строить прогноз будущих обращений.

сотрудников, принимающих решения в сфере ИТ на крупных предприятиях, воспринимают машинное обучение как полезный инструмент, который будет все более востребован в будущем

95

Это создает некий барьер для входа и активного применения технологии. Люди попросту не готовы активно применять неизвестную технологию.

Большинство крупных предприятий (80%), представители которых приняли участие в опросе, используют автоматизацию в бизнес-процессах, а на каждом пятом предприятии (20%) все бизнес-процессы автоматизированы. В будущем количество автоматизированных бизнес-процессов на предприятиях продолжит расти.

Несмотря на то, что автоматизированные бизнес-процессы применяются в большинстве компаний, участвовавших в исследовании, машинное обучение используется только на каждом третьем предприятии (33%).

На большинстве крупных предприятий директора знают о машинном обучении в общих чертах или что-то слышали.

Сфера госуправления;в опрошенных компаниях машинное обучение чаще всего применяется для управления персоналом и подбора кадров (50%), при этом организации планируют внедрить его также в аналитику и исследования (43%). Основным барьером для внедрения машинного обучения в участвовавших в исследовании предприятиях государственного сектора являются проблемы кибербезопасности, а основным драйвером – повышение производительности труда персонала (по 72%); Ритейл и торговля;ожидаемо самый высокий процент внедрения машинного обучения приходится на продажи (86%). Представители опрошенных компаний также планируют внедрить его в логистику (42%), в оптимизацию производства и в маркетинг (по 37%). В первую очередь их удерживает от внедрения машинного обучения необходимость перестройки существующих бизнес-процессов (42%), а основным драйвером к этому является снижение текущих расходов (58%); Промышленность и энергетика;по словам представителей опрошенных компаний, машинное обучение чаще всего интегрировано в оптимизацию производства (68%) и логистику (50%). Те из принявших участие в исследовании компаний в сфере промышленности и энергетики, которые еще не используют машинное обучение для оптимизации производства, планируют начать это делать (48%). Барьерами для них являются неготовность персонала и нехватка доступной информации о машинном обучении (по 37%), а драйверами – сокращение сроков анализа данных и снижение текущих расходов (по 42%); Медицина и фармацевтика;Представители опрошенных компаний больше всего стремятся начать применять машинное обучение в аналитике и исследованиях (71%), а также в маркетинге (57%) и в оптимизации производства (43%). В первую очередь их останавливает нехватка доступной информации о машинном обучении (71%), а стимулируют перспективы улучшения имиджа организации (57%), сокращение срока принятия решений и повышение эффективности разработок (по 43%); Финансовый сектор;Больше 50% банков и страховщиков признались, что видят необходимость перестройки существующих бизнес-процессов для внедрения машинного обучения и готовы заняться этим в ближайшие 2-3 года. Компании финансового сегмента рассчитывают за счет этих инициатив повлиять на повышение качества обслуживания, снижения текущих расходов и сокращение сроков принятия решений после его внедрения. Решения на основе технологии машинного обучения им представляются оптимальными для этих целей;

Одна из ключевых причин медленного внедрения технологии - это отложенный эффект. Принимая во внимание, что модели на базе ИИ требуется время для обучения, а далее требуется довольно большой отрезок для внедрения и нормального применения, экономический эффект может проявиться лишь спустя период времени. В реалиях короткого горизинта планирования менеджмент компаний просто не может себе позволить ждать. Поэтому зачастую решения принимаются в пользу менее эффективных но быстрых решений, вплоть до найма большого количества нихкоквалифицированных кадров.

"Готовность российских компаний к цифровой экономике растет. Это мы видим на примере собственных проектов по автоматизации крупного бизнеса на основе технологии машинного обучения. Вместе с тем, разрыв в уровне проникновения современных технологий в крупных и средних компаниях, может отличаться в несколько раз. В ходе исследования выяснилось, что лидерами по использованию технологии машинного обучения являются государственный сектор, финансы, промышленность, ритейл, медицина. Отставание других сегментов экономики отчасти связано со спецификой барьеров при внедрении цифровизации. Среди ключевых проблем, с которыми мы сталкиваемся при сотрудничестве с крупным бизнесом - проблема обработки неструктурированной информации, недостаточное бюджетирование, дефицит квалифицированных кадров. На основе полученных данных, мы предполагаем, что в течение ближайших 5-7 лет нас ожидает период активного перехода на использование машинного обучения, систематизации данных, накопления опыта"

CEO of Mains Group

Сергей Худяков

Назад к новостям