+7 3842-75-17-09
Логотип

05 июля 2021

Хайп вокруг цифровизации: почему не все стратегии digital-трансформации работают

Как понять, какие технологии компании действительно нужно внедрять, и как избежать неэффективных инвестиций, рассказывает Сергей Плуготаренко, директор Российской ассоциации электронных коммуникаций, руководитель проектного офиса «Хакатоны и лекции по искусственному интеллекту» — флагманского проекта президентской платформы «Россия — страна возможностей».

 

Страх перед цифровой трансформацией создает избыточное давление на компании: кто не начнет сейчас, рискует опоздать и потерять бизнес.

По данным глобального опроса McKinsey, только 8% компаний считают, что их бизнес-модель устоит в условиях растущей цифровизации. По этой причине эксперты Gartner ещё после первого бума ИИ в 2016-2017 годах выделили феномен «panic buying» — паническую закупку компаниями технологий из стадного чувства. 

Могло бы показаться, что рынки за пять лет вынесли определенные уроки после первой волны внедрений, когда на каждый успешный кейс AI или ML пришлось множество неудач. Было доказано, что даже в случае успеха они в среднем позволяют достичь экономии по всем индустриям только в 3-5%.

В целом же, по оценке McKinsey, в 2018 году в США 70% инициатив по цифровой трансформации на сумму почти $900 млн закончились провалом.

С тех пор технологии стали доступнее. К услугам бизнеса — репозитарии открытого кода и алгоритмов, облачные решения для машинного обучения (такие как Amazon Web Services, Microsoft Azure, Google Compute Engine), и это создало уверенность в том, что внедрение ИИ может быть простым и эффективным. Однако это не так.

Если бы задача сквозной имплементации технологии перешла в разряд типичных сценариев для бизнеса, крупные компании вроде «Сбера» не теряли бы миллиарды из-за ошибок ИИ.

Последние новости, актуальные события и нетворкинг в AgroTech-комьюнити — AgroCode Hub. Присоединяйся!

 

Почему так мало успешных кейсов цифровой трансформации

В 2020 году, по данным KMDA, 64% российских компаний считали digital-трансформацию необходимой для развития бизнеса. Цифровизация процессов уже составляет 54% по всем отраслям российской экономики.

 

При этом только 10% считают, что их бизнес достиг (или практически достиг) цифровой зрелости. Четверть компаний отметили, что не получили вообще никаких эффектов от преобразований. 

Если рассматривать факторы, которые тормозят трансформацию, то они по большей части сводятся к двум главным проблемам:

  • Нехватка компетенций и кадров

Анализ приоритетов бизнеса в рамках трансформаций говорит о том, что в компаниях есть перекос в сторону технических процессов в ущерб развитию компетенций. Согласно опросу HR-директоров, потребность в новых кадрах достигает до 30% от текущего штата компаний.

Решить этот вопрос только с помощью найма невозможно: в России есть огромная нехватка ИТ-специалистов, которая в общей сложности оценивается в миллион рабочих мест, а если брать топовый уровень — то как минимум в 200 тыс.

Впрочем, это не только российская проблема. Недостаток компетенций — главная угроза цифровым трансформациям по всему миру, считают аналитики Gartner. Именно поэтому, принимаясь за цифровую трансформацию, любому бизнесу в первую очередь нужно озаботиться запуском программ переподготовки и созданием мощных центров компетенций.

На практике в России к этому мало кто готов. Так, ис­сле­дова­ние Ана­лити­чес­ко­го цен­тра при пра­витель­стве РФ и ВЦИОМ показало, что большинство компаний остро нуждаются в квалифицированных инженерах ИИ, но только каждая четвертая готова инвестировать в переподготовку сотрудников. Половина полагает, что эту задачу должно решать государство. 

На западе нет подобных патерналистских настроений, и бизнес начинает активно вкладываться в переподготовку. Например, Amazon собирается потратить на эти цели $700 млн до 2025 года. 100 тыс. сотрудников компании пройдут бесплатные программы в области AI, ML и облачных технологий Amazon Web Services. 

  • Отсутствие ясных целей цифровой трансформации

В топе причин провалов, которые назвали респонденты KMDA, — отсутствие четкой стратегии и сопротивление сотрудников переменам, что, по мнению аналитиков агентства, напрямую взаимосвязано. С этим трудно не согласиться: когда цель преобразований не ясна для всех членов корпоративных команд, вырабатывается внутреннее несогласие.

 

Ни о какой сплоченности коллектива на пути к общей цели говорить не приходится. Это тоже общемировая проблема: согласно опросу The Economist Intelligence Unit, почти треть компаний столкнулись с бойкотом цифровых перемен в коллективах. 

Даже если у компании есть четкая стратегия цифровой трансформации, воплощать ее в жизнь некому: у половины нет единого органа управления изменениями. Эта задача возложена на топ-менеджмент, который загружен операционными задачами и просто не имеет ресурса на тактические действия в рамках ЦТ. Такая позиция, как CDTO, есть только у 12% компаний, где принята стратегия.

Словом, прозрачность целей и создание условий для их достижения — это большая структурная проблема, которая решается на многих уровнях: от организационного (появление единого центра управления переменами с делегированием полномочий) до идеологического (переход к культуре открытости и готовности к инновациям).

Попытки воссоздать такие условия можно наблюдать, например, у «Северстали», которая создала несколько внешних компаний (офис трансформации, «Северсталь-инфоком», «Северсталь диджитал» и др.). Они решают стратегические и тактические задачи в рамках ЦТ, создавая и внедряя инновации, и одновременно развивают компетенции. 

Только когда в компании выполнены оба условия, можно рассчитывать на правильное определение пула технологий и конкретных инструментов цифровой трансформации вместо panic buying. Возможно, не всегда и не везде внедрение ИИ принесет безусловную пользу. 

 

Чек-лист: когда компании действительно нужен ИИ

По данным совместного исследования РАЭК и ВШЭ, Россия входит в число стран с высоким потенциалом внедрения искусственного интеллекта. Лидеры по адаптации технологии на данный момент – это промышленность, банки, телеком и ритейл.

Чаще всего ИИ применяют в области исследований и разработки (R&D) — 41%, во взаимодействии с клиентами (например, для персонализации) – 32% и сервисе – 31%. В целом, сегодня уже 80% российских компаний используют ИИ. 

Эксперты, опрошенные в рамках исследования, отнесли к основным преимуществам применения ИИ, прежде всего, оптимизацию бизнес-процессов (58%), а также разработку новых продуктов и услуг (49%) и увеличение производительности труда (41%).

Эффект можно получить только при соблюдении ключевых условий: 

  • Качественные данные 

Самые эффективные ИИ решения могут провалиться при отсутствии достаточного количества качественных данных или некорректной их интерпретации. Это приводит к необходимости создания подразделения, которое займётся сбором, систематизацией и очисткой данных.

Многие ИИ вендоры декларируют демократизацию data science процесса в рамках предлагаемых продуктов, но пользователи систем все равно должны обладать компетенциями и понимать концепты, которые лежат в основе автоматизации принятия решений.

По этой причине, например, X5 Retail Group — далеко не ИТ-компания — наращивает свои компетенции в сфере data science и устраивает конференции для этой группы профессионалов.

  • Расчет экономики внедрения 

Ожидаемый эффект от ИИ должен быть выше стоимости разработки и затрат на AI-специалистов. По данным McKinsey, почти половина компаний за счёт технологии нарастила выручку до вычета налогов (EBID) менее, чем на 5%, и только каждая пятая — больше 5%.

Если смотреть на максимальный эффект ИИ в разрезе отдельных функций, то наибольшая доля бизнесов, которым удалось достичь роста показателя более чем на 10%, отмечается при внедрении в риск-аналитику и разработку продуктов или услуг.

Что касается надежды на бесплатные решения, которые не требуют команды AI-разработчиков, то простые модели подходят далеко не для всех сценариев, кроме самые типичных.

Крупным компаниям с уникальными бизнес-процессами часто нужны свои «кастомизированные» алгоритмы. Кроме того, готовые инструменты ещё нужно выбрать и встроить в ИТ-архитектуру компании.

  • Апробация технологии

Чтобы избежать избыточных расходов, стоит апробировать ИИ (это касается и любых других технологий) в ограниченных условиях.

На фоне дефицита кадровых ресурсов один из таких способов — хакатоны. Они дают возможность привлечь широкий спектр разработчиков с различным экспертным опытом, которые предложат компаниям-партнерам возможные решения для конкретных бизнес-задач или цифровой стратегии в целом. 

Например, в рамках хакатона EnergoMach конкурса «Цифровой прорыв» Минэнерго апробировало интеллектуальную систему визуализации алгоритмов предупреждения ЧС на объектах ТЭК, а Минпромторг — цифрового помощника для проактивного взаимодействия с пользователями «Навигатора мер поддержки».

На хакатоне Health&Science «Сбер» тестировал прототип системы, определяющей «фронтиры» науки и технологий для планирования исследований в масштабах страны, а для Университета Лобачевского и EPAM участники разработали алгоритм детектора ковидных аномалий в ритме сердца.

Все это решения на основе AI/ML, но помимо этого на хакатоне апробацию проходят самые разнообразные кейсы в области практического применения всех актуальных технологий для многих отраслей.

Сегодня в России хакатоны выходят на новый уровень, их число растет, поэтому потенциальные возможности бизнеса по апробации ИИ-решений в условиях «песочницы» увеличиваются соответственно.

Например, недавно стартовал масштабный проект — «Хакатоны и лекции по искусственному интеллекту», который проводится в рамках нацпрограммы «Цифровая экономика». За три ближайших года он охватит 116 хакатонов в каждом регионе РФ, на которых бизнес может предложить свои задачи. 

Если суммировать, то некорректное понимание целей (отсутствие четкого видения) цифровой трансформации может привести к отсутствию ожидаемого результата и разочарованию в использовании технологий. Избежать бессмысленных инвестиций может помочь проработанная стратегия, четкое понимание соответствия целей цифровизации с бизнес интересами компании, предварительная апробация технологии.

Источник