Илья Калагин, «АйТеко»:
Мы создаем решения в сфере искусственного интеллекта

Илья Калагин: Можно говорить о внедрении коммерческих решений, которые сейчас есть, наверное, у каждого известного мирового вендора, работающего на рынке корпоративной автоматизации. Есть они, например, у Microsoft, IBM, SAP. Если по тем или иным причинам целесообразно использовать именно их, то процесс внедрения имеет много общего с привычной практикой развертывания других корпоративных систем от тех же или иных вендоров В этом случае интегратор должен обладать необходимой и достаточно глубокой экспертизой не только в сфере самих продуктов, но и в области алгоритмов, которые лежат в основе функционирования таких систем, тем более что подобная экспертиза на стороне заказчика сейчас в дефиците.

Функционал, непосредственно реализующий возможности искусственного интеллекта, в подобных сценариях развертывается таким образом, как было изначально предусмотрено создателем системы, и всегда существует методология их внедрения. Распределение ролей участников рынка при внедрении коммерческих систем тоже традиционно: вендор предоставляет инструмент, а интегратор помогает заказчику грамотно использовать его для решения конкретной задачи. Например, если компания «Центр речевых технологий» предоставляет интегратору свой SDK для транскрибирования и синтеза речи, то интегратор создает решение под конкретную бизнес-задачу (скажем, голосовой заказ товара или услуги), а затем осуществляет интеграцию с различными ИТ-системами заказчика.

Но внедрение – лишь один из путей имплементации систем искусственного интеллекта в ИТ-ландшафт компаний. Должны обязательно быть и альтернативные варианты. Создание собственных разработок и работа со стартапами являются неотъемлемой и крайне важной частью деятельности компании-интегратора. При внедрении традиционных систем это в целом не было характерно. Чтобы понять, о чем мы говорим, необходимо выделить некоторые особенности развития самих систем искусственного интеллекта.Игорь Лейпи, ГК Softline: Объем поставок российских операционных систем в ближайшие годы увеличится как минимум вдвое

Года три-четыре назад это направление начало интенсивно развиваться как мощный мейнстрим автоматизации, связанный с решением огромного количества бизнес-задач с помощью различных алгоритмов. Многие решения по отдельным направлениям начали выстраиваться независимо друг от друга, нередко в соответствии с идеологией open source. По такому же принципу развиваются ИТ-инструменты, ориентированные на создание систем искусственного интеллекта.

Как следствие, появились широкие возможности для выбора необходимых «элементов» под конкретную бизнес-задачу и их использования для быстрого создания необходимого рынку решения без существенных финансовых вложений. Именно в такой среде как крупные интеграторы, так и начинающие стартапы получают едва ли не идеальные возможности для развития рынка предложений.

Илья Калагин: Трудности существуют, и их немало. Наиболее подходящая для формирования готовых программных решений в сфере Artificial Intelligence инфраструктура одновременно создает условия для появления негативных тенденций. Спрос со стороны корпоративного заказчика сформирован, а вот релевантного опыта внедрения систем AI пока практически нет. Это с одной стороны. С другой, – если говорить о доступности инструментария, порог вхождения в рынок для небольших и начинающих компаний-разработчиков оказывается совсем невысоким.

Создать нечто формально презентабельное сейчас не так сложно. О том, что для написания полноценного промышленного решения требуется серьезная методическая и, если угодно, глубокая математическая подготовка, многие не задумываются, да не очень-то и хотят. Набраться знаний налету невозможно даже для способных молодых сотрудников стартапов – на подготовку нужно время. О тех, кто намеренно стремится капитализироваться на недостаточной зрелости рынка, я уже не говорю.

Как следствие, во множестве появились и продолжают плодиться так называемые фейковые разработки, не способные решать конкретные задачи. Продвигающие их «специалисты», к сожалению, тоже иногда способствуют формированию не слишком позитивного имиджа искусственного интеллекта как магистрального направления современной корпоративной автоматизации. Как результат, когда мы приходим к заказчику, нам часто говорят примерно следующее: «У нас уже перебывало немало компаний со своими предложениями. Теперь мы знаем, что у них ничего не работает, и считаем, что искусственный интеллект – просто модный термин».

За редким исключением на стороне заказчика еще не созданы подразделения, целенаправленно занимающиеся обеспечением качества информационного ресурса компаний в целом и поиском путей его наиболее эффективного использования, и отсутствуют такие специальные должности или связанные роли, как Data Scientist и Data Engineer. В этом мы ощутимо отстаем от западного бизнеса, хотя в эпоху развития систем искусственного интеллекте все это и необходимо, и востребовано.

Еще одна проблема связана с лицензированием. Большинство компонент, фреймворков и предобученных нейронных сетей сейчас распространяются по модели open source, а многие компании-разработчики почему-то считают, что могут брать из этого пула все, что хочется, и использовать по своему усмотрению. Это не совсем так и даже совсем не так: модель open source как раз и предполагает наличие очень развитой системы лицензирования. Да, использовать бесплатно можно, в том числе и в коммерческих целях, но при этом необходимо соблюдать ряд существенных ограничений, для каждого типа лицензии своих. И если вы поставляете на рынок комплексное решение, необходимо четко документировать, какой элемент решения откуда взят. Во многих странах за этим, кстати, весьма тщательно следят. Мы в своих проектах все это неукоснительно соблюдаем, что, к сожалению, сейчас характерно не для всех.

Илья Калагин: Вопрос, что делать в этой ситуации, действительно возникает. Для нас и, думаю, для ИТ-интеграторов вообще он разбивается на два подвопроса: как развивать собственные решения и как выстраивать взаимодействие с внешним рынком, прежде всего со стартапами. Мы создаем решения класса AI, и сами при этом пользуемся всеми преимуществами глобальной инфраструктуры open source. Здесь, как уже было замечено, барьер выхода на рынок не очень высок. Но мы прекрасно понимаем и то, насколько он высок в плане грамотной методической поддержки. В Центре когнитивных технологий «АйТеко», который занимается вопросами разработки и внедрения систем искусственного интеллекта, работают люди с учеными степенями, настоящие профи. И, поверьте, это не «про маркетинг» и не желание продемонстрировать заказчику, какие мы умные и начитанные. Речь идет об обязательных требованиях к профессиональной подготовке специалистов, внедряющих системы искусственного интеллекта.

По поводу взаимоотношений с внешними компаниями хочу подчеркнуть, что это важный и отчасти специфический для рынка систем искусственного интеллекта вопрос. Речь идет даже не столько о компании «АйТеко», сколько о некой экосистеме, предполагающей различные формы сотрудничества ИТ-интеграторов и стартапов. В любом случае это деятельность, которая должна вестись на регулярной основе в отношении всего сообщества начинающих инновационных компаний. Первоначально мы больше рассчитывали на покупку стартапов с целью развития собственного бизнеса. Потом поняли, что это, безусловно, перспективно, но есть много нюансов.

Во-первых, нас как крупного ИТ-интегратора потенциально интересует весьма широкий круг задач из области искусственного интеллекта, а стартапы концентрируются на одной узкой области. При этом они могут иметь разный уровень понимания проблемы, разные методы подхода к ней и разный уровень текущих достижений. Большинство стартапов в настоящее время не способны предоставить то качество решений и уровень компетенций, на которые они формально претендуют. Однако это вовсе не значит, что они «плохие ребята»:. у многих хороший потенциал, который можно и нужно использовать в перспективе при создании конкретных решений, задав коллективу правильный вектор развития.

Существенно меньше компаний, которые этот потенциал уже реализовали, хотя, скажем, в направлении видеоаналитики таковых можно насчитать около трех десятков. Впрочем, это уже фактически не стартапы. Они, безусловно, имеют собственное видение развития решений искусственного интеллекта, реализованное в их продуктах. Взаимодействовать с ними необходимо не как со стартапами, и мы довольно широко используем их разработки в своих проектных решениях.

Попытки и желание организовать такую деятельность целенаправленно, с достижением максимального эффекта, предполагают наличие в компании-интеграторе команды специалистов с серьезными компетенциями в области искусственного интеллекта. Наш Центр когнитивных технологий такую деятельность ведет.

Надо сказать, что такого рода подразделения сейчас есть уже у большинства российских системных интеграторов. При этом важно понимать, что их функции, в отличие от функционала финансового отдела или бухгалтерии, не стандартизированы. Кто сегодня сумеет правильно организовать работу, выработать эффективные механизмы деятельности, тот и получит весомые конкурентные преимущества.

Илья Калагин: Говоря о коммерческих решениях, инфраструктуре компаний-стартапов и собственных разработках «АйТеко», мы затронули в основном лишь тему реализации непосредственно алгоритмов искусственного интеллекта, хотя вопрос намного шире. Если вы приходите в крупный российский холдинг, набор сопутствующих функций, которые могут потребоваться для соответствия внутренним регламентам предприятия, может оказаться весьма внушительным, включив вопросы обеспечения безопасности, построения интерфейсов администрирования решений, интеграции с другими продуктами.

Стоит отметить, что в проектах мы часто вынуждены иметь дело с целым «конвейером» технологий. Так, автоматизируя call-центры, мы задействуем системы распознавания и синтеза речи, технологии работы с естественными языками (NLP). Эти компоненты необходимо грамотно связать друг с другом. Кроме того, оператору call-центра часто требуется дополнительная информация в виде документов, записей, картографических данных, без чего реальная бизнес-задача зачастую не решается. С контакт-центрами мы сейчас плотно работаем, делаем системы голосового заказа, интеллектуальные голосовые помощники, поэтому знаем это все не понаслышке.

Важно не забывать о бизнес-процессах. Применяя искусственный интеллект для голосового пикинга товара на складе, мы должны позаботиться о передаче информации, получаемой на выходе систем искусственного интеллекта, в бэкофис, где данные обрабатываются уже традиционным образом. Поскольку проекты по внедрению технологий искусственного интеллекта преимущественно комплексные, значительный акцент приходится делать на ИТ-интеграции.

Заказчик может воспринимать их как некое качественное развитие систем, с которыми он уже в течение многих лет имеет дело: call-центров, CRM, систем управления складом или транспортной логистикой. Если ему так удобнее, это вполне корректная постановка вопроса.

Илья Калагин: Очень часто эффект считается довольно легко, и соответствующие выкладки вполне прозрачны для заказчика. Так, в случае того же контакт-центра мы имеем возможность понять, какую работу можно переложить с людей на ИТ-систему. Аналогичная ситуация наблюдается и при внедрении голосовых технологий на складе, когда можно посчитать, каких сотрудников мы можем сократить и сколько на этом сэкономить.

Однако в ряде случаев финансовый эффект просчитать непросто. Модели, позволяющие предсказывать некоторые цифры или события, предприятия ранее даже не пытались строить. Сегодня такая возможность есть, и, если модель методически грамотно выстроена и адекватно реализована в ИТ-системе, она гарантированно даст положительный эффект. Но столь же доказательно выразить это в денежной форме не всегда представляется возможным.

Бывают случаи, когда внедрение систем искусственного интеллекта тесно сопряжено с необходимостью соответствовать законодательным требованиям, когда эффектом можно считать уже то, что данные требования заказчик в состоянии максимально полно удовлетворить. Думается, в ближайшем будущем подобных сценариев станет больше.

Много внимания в наше время уделяется обеспечению безопасности и конфиденциальности данных. На помощь приходит биометрия, которая является ветвью технологий искусственного интеллекта, и которую явно будут внедрять и на законодательном уровне в том числе.

Илья Калагин: На первое место сегодня я бы однозначно поставил видеоаналитику. Уже сейчас на нее очень большой спрос, сформированный потребностью в решении широкого спектра задач, – от обеспечения безопасности до повышения качества обслуживания клиентов. Инфраструктура решений в данной области тоже уже вполне зрелая: различные прикладные продукты, равно как и базовые технологии, подобрать можно. Системы видеоаналитики часто можно внедрять автономно, что тоже плюс. По нашим оценкам, в ближайшие годы можно ожидать буквально взрывной рост проектов соответствующего класса.

Весьма перспективным видится направление, связанное с анализом и синтезом речи, а также с обработкой естественных языков. Однако рынки спроса и предложения здесь пока не так развиты, как в сфере видеоаналитики.

Илья Калагин: Многие заказчики к сегодняшнему дню уже поработали с рядом предложений в этой области и даже попробовали что-то внедрить. К сожалению, в ряде случаев им пришлось столкнуться с фейковыми решениями. Именно поэтому единственно правильный подход со стороны интегратора должен быть направлен на то, чтобы доказать качество внедряемого решения, выполнив пилотный проект первично за свой счет. Только в случае успеха мы предлагаем заказчику тиражировать проект уже на вполне классических коммерческих условиях. И этот подход работает на практике.

Очень важно и то, как подавать системы искусственного интеллекта в принципе, безотносительно к выполнению тех или иных проектов. Нам представляется, что известные на рынке ИТ системные интеграторы должны брать на себя некую миссию по продвижению технологии Artificial Intelligence.

Например, сейчас многие пытаются представить свои разработки как продукты, насыщенные самыми сложными алгоритмами обработки данных и поэтому якобы предоставляющие наиболее точный результат. Однако в сфере искусственного интеллекта в ряде случаев, когда многое зависит от задачи и конкретных данных, простые алгоритмы дают куда лучший результат. Чтобы понять, почему объективно так происходит, необходимы довольно глубокие теоретические знания, которых сегодня многим недостает. Следовательно, такие подходы надо, если угодно, разоблачать. И это тоже часть нашей миссии. Если этого не делать, в итоге проиграют все.

Задачей крупных ИТ-интеграторов можно считать формирование оптимальной среды взаимодействия с инновационными компаниями. Это даст возможность создавать ИТ-решения, сочетающие в себе как инновационный, так и промышленный подходы, и повысит степень доверия заказчиков к новым технологиям.

Для решения проблем лицензирования необходимо постепенно формировать адекватную культуру. Словом, в сфере маркетинга тех ИТ-решений, о которых мы сегодня говорим, работы пока тоже хватает.