Подходы и технологии для интеграции AIaaS с существующими системами и процессами бизнеса
AIaaS, или искусственный интеллект как услуга, представляет собой набор возможностей для бизнеса по использованию технологий ИИ. Как правило, подразумевается, что услуги оказываются из облака, если под ними понимать частные, гибридные и публичные облака. Виды оказываемых услуг могут быть различными: ИИ-инфраструктура как сервис, когда мы говорим об аренде вычислительных мощностей; ИИ-платформа как сервис, когда речь идет о решениях MLOps и рабочих местах ИИ-специалистов; ИИ-услуги как сервис, что подразумевает возможность использования API.
Если говорить об ИИ-услугах как сервисе, то обычно речь идет о специализированных ИИ-решениях: компьютерное зрение, распознавание речи и речевая аналитика, перевод, анализ текстов и генеративные модели и сервисы.
ИИ-платформа предполагает возможность разработки собственных моделей и управление их жизненным циклом в облаке, но, вероятно, в будущем появятся и более прикладные ИИ-платформы, объединяющие группы решений под определенные задачи или отрасли.
ИИ-инфраструктура как сервис наиболее востребована заказчиками, которые не хотят инвестировать в собственные мощности из-за их высокой стоимости и энергопотребления.
Сценарий интеграции сAIaaS зависит от типа существующих систем. Если мы говорим о монолитной системе, которую заказчик использует много лет, то она возможна в том объеме, насколько позволяет система и какими интерфейсами для взаимодействия с внешними системами она обладает. Например, если система принимает на вход данные или инструкции в определенном формате, то можно настроить инструменты распознавания речи и генеративные модели таким образом, чтобы необходимая информация формировалась в ответ на общение с человеком на естественном языке. Как вариант, формирование заявки на выдачу канцелярии. В каких-то случаях устранить проблему помогают инструменты RPA, которые решают вопросы интеграции ИИ и монолитных систем через роботизацию.
Если же система построена на основе микросервисов, то, как правило, ее гораздо проще интегрировать, ведь большинство ИИ-сервисов также построено на микросервисной архитектуре.
Когда мы говорим о процессах бизнеса, важно понимать уровень их автоматизации. Это может быть роботизированный, частично автоматизированный или ручной процесс. Интеграция ИИ-услуг как сервисов в ручные процессы может быть реализована в виде предоставления сотрудникам доступа к инструментам генеративного ИИ. Например, при написании этого текста я не использую YandexGPT и GigaChat, но мог бы это делать, что, скорее всего, ускорило бы процесс. Частично автоматизированные процессы имеют узкие места, которые можно было бы закрыть с помощью ИИ. При вводе нового наименования товара или позиции провести расширенный поиск по номенклатуре с целью обнаружить не только очевидные дубли, но и неявные повторения. При интеграции ИИ в роботизированные процессы нужно исходить из того, какие элементы можно заменить более интеллектуальными и повысить общую скорость отработки запроса.
Безопасность данных и соответствие нормативным требованиям при интеграции
В части безопасности данных и соответствия нормативным требованиям при интеграции необходимо следовать рекомендациям облачных провайдеров. Существующие правила при хранении, передаче и обработке данных в облаке, включая защиту данных при хранении, и защищенные каналы передачи информации распространяются в значительной степени на AIaaS. Отдельно можно отметить функционал конфиденциальных вычислений, который позволяет обеспечить безопасность при обработке данных на графических процессорах.
Адаптация ИИ-решений к изменениям в бизнесе
К адаптации ИИ-решений к изменениям в бизнесе можно подойти с разных сторон. С одной стороны, использование систем MLOps позволяет отслеживать качество моделей и при необходимости их переобучать или заменять на новые, более эффективные. С другой —важно сохранить возможность участия человека в принятии решений по изменениям процессов в будущем, то есть искусственный интеллект должен дополнять возможности людей. Особенно актуально это в ходе трансформации бизнеса, которая происходит при появлении новых технологий, бизнес-моделей и подходов к решению задач.
При формировании стратегии ИИ-трансформации бизнеса важно оценивать текущий уровень зрелости, определять цели и задачи, а также формулировать человекоцентричную модель применения ИИ в организации. Все большая роль ИИ должна быть сбалансирована целеполаганием, формируемым людьми. Стоит также отметить набирающую популярность полупродуктов AI — предоставление обученных моделей для встраивания в функциональность предприятия, а также предоставление возможности дообучения собственных моделей предприятия на данных из другой отрасли или направления
Поддержка после внедрения
Поддержка ИИ-решений после их внедрения предполагает распознавание одного типа товара, постоянное его развитие со стороны производителя, в том числе за счет опыта использования, и предоставление расширенной поддержки, которая должна включать рекомендации по развитию функционала систем заказчика с применением возможностей ИИ-решения — например, не только к обработке заявок, но и в целом к документообороту клиента.
Какие бизнес-процессы могут наиболее выиграть от интеграции AIaaS?
Для определения бизнес-процессов, которые могут максимально выиграть от интеграции AIaaS в рамках разработки ИИ-стратегии или отдельно, проводится бизнес-обследование. Собираются возможные кейсы применения ИИ, оценивается наличие и доступность данных, готовность моделей и бизнеса, потенциальный эффект, а затем формируется дорожная карта внедрения ИИ. Наиболее выигрышными, как правило становятся те процессы, где есть значительная экономия или возможность нарастить продажи, при этом имеются данные и модели для решения задачи, а бизнес-подразделения заинтересованы в изменениях. Это могут быть процессы, связанные с взаимодействием с клиентами и со скоростью вывода продуктов на рынок, а также операции с высокой долей ручного труда.
Как оценить готовность ИТ-инфраструктуры компании к интеграции с решениями на основе искусственного интеллекта?
Оценка зрелости компании по управлению данными и внедрению ИИ позволяет оценить не только бизнес-составляющую, но в том числе и определить уровень готовности ИТ-инфраструктуры. Если организация обладает хранилищем данных, в ней выстроены организационная структура и процессы и используются инструменты управления данными, то можно говорить о том, что есть фундамент для развития ИИ. Следующие факторы оценки: наличие ИИ-платформы, которая включала бы в себя типовые рабочие места ИИ-специалистов и конвейер MLOPs. Далее необходимо оценить ИТ-инфраструктуру в этих разрезах, в том числе и непосредственно наличие графических процессоров или возможность доступа к ним в облачной среде. Вся эта информация сводится в единый отчет, что позволяет определить узкие места и запланировать развитие.
Основные вызовы при интеграции AIaaS с существующими бизнес-процессами и системами
Вызовы, с которыми сталкиваются заказчики, в значительной степени зависят от уровня зрелости организации. На начальном этапе с учетом доступности ряда услуг из облака можно говорить о том, что бизнес любого размера может начать свой путь к применению AIaaS уже сейчас. Основным вызовом часто становится готовность и поддержка руководства. По мере насыщения рынка ИИ-решениями постепенно возникает избыточное предложение в определенных областях применения и снижаются возможности по повышению эффективности и производительности труда, становится сложнее найти быстрые одиночные решения, приходится больше думать о внедрении нескольких решений в рамках программы развития ИИ в организации и оценки кумулятивного эффекта. Но пока это растущий рынок, где появление новых технологий и решений опережает во многих случаях возможности по их массовому внедрению. Следует ожидать продолжительного роста ИИ-рынка и расширения сферы его применения в бизнесе разных размеров.
Опубликовано 29.05.2024