Стратегия «Скучный ИИ»

Тема ИИ настолько захватила информационное пространство, что пора сформулировать критерии ИИ-скептицизма. Это поможет принимать бизнес-решения без оглядки на медийное давление.

1. На рынке нет кейсов комплексной эффективности ИИ. Есть только локальные решения, которые оптимизируют процессы, но не меняют бизнес целиком.

2. ИИ — широкое понятие. Хайп последних лет на самом деле связан с Machine Learning — одним из направлений ИИ. Использование термина «машинное обучение» помогает избежать ловушек хайпа.

3. Машинное обучение — не новое изобретение. Этот метод активно используется уже лет 20. Например, Яндекс Алисе уже 8 лет.

4. Комплексные ML-решения не дают абсолютной эффективности. У всех был опыт общения с чат-ботами, когда приходилось звать оператора. Оставлять клиента наедине с ML-решением — риск для LTV.

5. ML-решения дороги. Это касается и операционных затрат (подписки, хостинг собственных моделей), и капитальных (сбор данных, обучение). Часто они дороже традиционных алгоритмов или человеческого труда.

6. Для ML нужны качественные данные. У многих компаний данных либо мало, либо они загрязнены, либо и то, и другое.

Вне всяких сомнений, ИИ — перспективная технология, заслуживающая внимания. Но инвестиции сегодня стоит направить на эксперименты со «скучным ИИ»: точечную оптимизацию с четко обоснованной окупаемостью.

Поговорите об этом со своим шефом, когда он в следующий раз придет с идеей «внедрить ИИ».