Технологии машинного обучения (ML) использует треть крупных российских предприятий (33%). Об этом сообщает аналитический центр НАФИ. Машинное

27 нояб 2019 10:40 #88354 от ICT
По данным НАФИ, 80% крупных бизнесов в стране используют автоматизацию в бизнес-процессах. На каждом пятом предприятии автоматизированы все бизнес-процессы. В будущем количество автоматизированных бизнес-процессов на предприятиях продолжит расти - такой прогноз дали 93% опрошенных представителей компаний. Причины дальнейшего роста уровня автоматизации процессов: повышение конкурентоспособности (80%), экономия производственных затрат (69%), повышение качества решений по автоматизации (53%), их удешевление (35%), имиджевая необходимость использования автоматизации (31%), дефицит человеческих ресурсов (12%). Несмотря на то, что автоматизированные бизнес-процессы применяются в большинстве компаний, машинное обучение используется только на каждом третьем предприятии (33%). На большинстве крупных предприятий ИТ-директора знают о машинном обучении в общих чертах (62%), в подробностях - только 18%. Чаще всего машинное обучение используют для организации продаж (56%), обслуживания (44%), и логистики (33%). В ближайшие 2-3 года машинное обучение в компаниях планируют применять в первую очередь для оптимизации производства (40%), аналитики и исследований (35%), маркетинга (29%). Согласно исследованию, основной драйвер внедрения машинного обучения на предприятиях - сокращение текущих расходов (44%). Дополнительные предпосылки - повышение производительности труда (36%), оптимизация взаимодействия подразделений (35%), сокращение сроков принятия решений (29%), сокращение сроков анализа данных (29%). Наиболее распространенные барьеры к внедрению машинного обучения - необходимость перестройки существующих бизнес-процессов (31%), неготовность персонала (29%), недостаточный уровень цифровизации в организации (27%). По информации НАФИ, технологии машинного обучения используют в государственном управлении (57%), ритейле и торговле (37%), промышленности и энергетике (32%). Опрошенные представители медицинских и фармацевтических компаний пока только планируют внедрять машинное обучение на предприятиях. В сфере 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 представители предприятий госсектора назвали кибербезопасность, а основным драйвером - повышение производительности труда персонала (и то, и другое упомянули 72% опрошенных). В ритейле и торговле самый высокий процент внедрения машинного обучения приходится на продажи (86%). Представители этих 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%). Основным драйвером внедрению также является снижение издержек (58%). В промышленности и энергетике, по информации НАФИ, машинное обучение чаще всего интегрировано в оптимизацию производства (68%) и логистику (50%). В планах внедрить машинное обучение есть у 48% компаний в сфере промышленности и энергетики. 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%). Представители опрошенных компаний в сфере медицины и фармацевтики 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%). Больше 50% финансовых респондентов - банки, страховщики - признались, что видят необходимость перестройки существующих бизнес-процессов для внедрения машинного обучения и готовы заняться этим в ближайшие 2-3 года. Компании финансового сегмента так рассчитывают повлиять на качество обслуживания, снизить расходов и сократить сроков принятия решений. В целом 47% крупных предприятий обладают штатными специалистами, способными внедрить машинное обучение. Опрошенные разделились в предпочтении, как внедрять такие технологии - своими силами (40%) и привлекать для этого профессиональные ИТ-компании (38%). "На основе полученных данных, мы предполагаем, что в течение ближайших 5-7 лет нас ожидает период активного перехода на использование машинного обучения, систематизации данных и накопления опыта. Рассчитываем на плавный рост, который будет заключаться в том, что компании, уже использующие МО, будут расширять область его применения, а не использующие - постепенно внедрять данную технологию", - прогнозирует руководитель исследовательских проектов НАФИ Всеволод Хоменко. Опрос проводился НАФИ в сентябре 2019 г. в форме онлайн-интервью с представителями крупного бизнеса и госорганов. Объем выборки - 51 респондент. Под автоматизацией организационных процессов в исследовании понимают перенос рутинных процедур или типовых задач под контроль цифровой информационной системы. Под машинным обучением подразумевают процесс, в ходе которого искусственный интеллект обрабатывает большое количество примеров, выявляет закономерности и использует их, чтобы анализировать и прогнозировать характеристики новых данных. Аналитик управления системной архитектуры компании "Техносерв" Александр Голышко с выводами НАФИ согласен: "Уверен, что применение технологии машинного обучения с каждым годом будет неуклонно увеличиваться. Полагаю, что рост сегмента будет стабильным, на уровне 15-20% в год". Основным драйвером развития технологии ML станет повышение функциональности устройств и информационных систем, а также систем видеоаналитики, полагает эксперт. Директор по перспективным сервисам компании "СБКлауд" Вячеслав Самарин ожидает увеличение применения ML. Барьерами роста, с его слов, могут стать недостаточный уровень автоматизации бизнес-процессов и нехватка собственных ресурсов для обработки больших объемов данных. Однако способ преодолевать эти препятствия уже известен: можно арендовать готовые сервисы и ресурсы у специализированных провайдеров, сказал Вячеслав Самарин. Машинное обучение - один из ключевых ИТ-трендов, и наиболее готовы к нему отрасли, где накоплен опыт сбора и обработки больших массивов данных. "По нашей оценке, машинное обучение широко применяется в банковском секторе - в исследовании он, очевидно, отнесен к ритейлу - для оценки кредитных рисков, таргетированных маркетинговых акций, прогноза спроса на различные услуги. Машинные технологии также активно внедряются в сферу HR для обучения сотрудников, первичного отбора соискателей на массовые позиции, прогнозирование кадровых потребностей", - говорит Вячеслав Самарин. Руководитель группы IoT компании Softline Валерий Милых отметил, что машинное обучение - в первую очередь это алгоритмы, которые способны учиться. Выявлять закономерности можно привычными методами, например, статистическими. "Однако способность учиться делает машинное обучение принципиально иным - происходит накопление "собственных" знаний системы о предмете на основе анализа примеров", - уточнил он. Специалист не согласен, что фармацевтика не использует методы машинного обучения. В качестве примера он назвал технологии распознавания качества готовой продукции и ее упаковки. По прогнозам Softline, решения, основанные на машинном обучении будут проникать во все отрасли. "Это неизбежное следствие эффективности применения этих методов. По мере совершенствования, методы машинного обучения станут привычным элементом систем управления и взаимодействия с персоналом предприятий", - ожидает Валерий Милых. Процент российских компаний, использующих машинное обучение будет расти, так как традиционные пути повышения эффективности в основном исчерпаны. "Рост стоимости ресурсов, квалифицированных кадров, необходимость полной утилизации мощностей установленного оборудования - это драйверы развития направления машинного обучения", - перечисляет Валерий Милых. К указанным в исследовании барьерам он добавил высокую стоимость решений в области машинного обучения. Эксперт связывает это с отсутствием широкой отраслевой экспертизы. Директор центра разработки компании Artezio (входит в группу "Ланит") Дмитрий Паршин уверен: исследование отражает реальное положение дел с внедрением решений на основе искусственного интеллекта. "Эти проекты достаточно дорогие, поэтому компании и предприятия готовы заказать разработку с ИИ только в случае, когда будет достигнута максимальная экономическая эффективность. То есть ИИ пока не стал обязательным инструментом для всех, не в каждой бизнес-задаче технология может показать абсолютную финансовую эффективность", - делает вывод специалист. По мнению Дмитрия Паршина, можно было бы говорить о более широком использовании искусственного интеллекта в бизнесе, если бы снизилась стоимость разработки или появились универсальные решения "для всех". "Мы видим определенный спрос на решения с искусственным интеллектом. Однако, говорить о том, что эти проекты стали массовыми пока очень рано. Все изменится, как только стоимость внедрения ИИ значительно уменьшиться. Именно дисбаланс цены и эффективности является сдерживающим фактором для представителей различных секторов экономики". - полагает представитель Artezio. Ссылка на источник


  • Сообщений: 75474

  • Пол: Не указан
  • Дата рождения: Неизвестно
  • Пожалуйста Войти или Регистрация, чтобы присоединиться к беседе.

    Похожие статьи

    ТемаРелевантностьДата
    Технологии машинного обучения (ML) использует треть крупных российских предприятий (33%). Об этом сообщает аналитический центр НАФИ. Машинное82.53Среда, 27 ноября 2019
    Технологии машинного обучения (ML) использует треть крупных российских предприятий (33%). Об этом сообщает аналитический центр НАФИ. Машинное82.53Среда, 27 ноября 2019
    Технологии машинного обучения (ML) использует треть крупных российских предприятий (33%). Об этом сообщает аналитический центр НАФИ. Машинное82.53Среда, 27 ноября 2019
    В SAP S/4HANA добавлены технологии машинного обучения18.47Четверг, 21 сентября 2017
    X5 применила технологии машинного обучения в маркетинге18.47Понедельник, 19 ноября 2018
    Google представила технологии машинного обучения для рекламы и аналитики18.08Среда, 24 мая 2017
    Cisco представила технологии ИИ и машинного обучения для умных сетей18.08Четверг, 13 июня 2019
    OTC.RU интегрировала в систему поиска тендеров технологии на базе машинного обучения17.89Понедельник, 03 апреля 2017
    Технологии машинного обучения внедрены на каждом третьем крупном российском предприятии17.7Четверг, 28 ноября 2019
    Trend Micro внедрила технологии машинного обучения TippingPoint в решения для сетевой защиты17.52Понедельник, 13 февраля 2017

    Мы в соц. сетях