В последние несколько лет искусственный интеллект (ИИ) стал центром внимания в бизнесе и технологической сфере. Компании по всему миру стремятся использовать ИИ для повышения эффективности, улучшения клиентского обслуживания и оптимизации бизнес-процессов. Однако, несмотря на этот рост интереса и внедрения, многие организации все еще сталкиваются с существенными препятствиями на пути к полной интеграции ИИ в свои процессы. О чем же идет речь, и что именно останавливает компании от принятия ИИ? Согласно последнему отчёту McKinsey, подготовленному в мае 2024 года, 65% организаций уже используют генеративный ИИ. Это почти вдвое больше по сравнению с показателями 10 месяцев назад.
Однако за этим оптимистичным ростом скрываются серьезные проблемы, которые нужно решить, чтобы обеспечить полную интеграцию технологий ИИ. Одной из крупнейших проблем, с которой сталкиваются компании, является сложность открытых моделей ИИ. Открытые модели, безусловно, способствуют более быстрой разработке и внедрению технологий, но они также представляют собой уязвимые места для атак злоумышленников. Поскольку эти модели доступны для всех, они могут стать объектом так называемых «адверсариальных атак», когда киберпреступники используют известные уязвимости для получения контроля над системой. Это создает потенциальные риски для организаций, которые не могут позволить себе высокие затраты на адаптацию и защиту.
Доктор Мэтт Хасан, генеральный директор компании aiRESULTS, говорит: «Прозрачность открытых моделей ИИ — это двойной меч. С одной стороны, это ускоряет разработку, с другой — создает площадку для потенциальных атак». Менеджеры и руководители отделов, стремящиеся к масштабной адаптации ИИ, могут столкнуться с необходимостью значительных инвестиций в безопасность и кастомизацию моделей, что вызывает острую настороженность. Кроме того, открытые модели поднимают важные вопросы конфиденциальности данных. Чтобы технологии ИИ работали эффективно, им необходимо огромное количество данных, и пользователи начинают беспокоиться о безопасности и конфиденциальности своих данных.
В таких отраслях, как здравоохранение и финансовые услуги, где информация чувствительна, это замедляет внедрение ИИ. Лиза Лауд, исполнительный директор фонда Secret Network, комментируя ситуацию, отмечает: «Большинство индустрий рискуют остаться позади в практическом и эффективном принятии ИИ. Несмотря на интерес со стороны крупных технологических компаний, все современные ИИ-модели основаны на открытых данных». Это приводит к тому, что любые вводимые данные, а также результаты взаимодействия могут быть использованы ИИ, что создаёт угрозу утечек и неправомерного использования информации. Чтобы решить эту проблему, компании и разработчики технологий должны сосредоточиться на создании конфиденциальных инструментов ИИ.
Лауд утверждает, что эффективный ИИ должен быть децентрализованным, без разрешений и конфиденциальным. Переход на такие модели, как Secret Network, основанные на шифровании и децентрализации, может изменить ландшафт разрешения на использование ИИ. Однако проблемы конфиденциальности данных — не единственный фактор, сдерживающий внедрение ИИ. Необходимость интеграции ИИ в существующие системы и процессы организаций представляет собой серьезное препятствие. Многим компаниям трудно согласовать решения ИИ с устаревшими системами, что приводит к задержкам в принятии новых технологий.
Лабхеш Пател, генеральный директор Autonomys, говорит, что решение этой задачи требует не только наличия передовой технологии, но и ее безупречной интеграции в бизнес-процессы. Он утверждает, что поэтапный подход к внедрению вместе с комплексными программами обучения может значительно упростить переход и помочь организациям преодолеть начальные трудности интеграции. Также стоит упомянуть финансовые соображения. Внедрение ИИ — это дорогостоящий процесс, и многие компании остаются осторожными, рассматривая затраты и возможную возвратность инвестиций (ROI). Начальные затраты на установку, текущие расходы на обслуживание и потребность в специализированных кадрах делают инвестиции в ИИ серьезным денежным обязательством.
Большинство отраслей ждут четких примеров финансовых выгод, прежде чем сделать шаг в сторону масштабного внедрения технологий. Не менее значительным является и влияние регуляторной среды. Многие отрасли, особенно финансовый сектор и здравоохранение, ждут четкого определения правил и стандартов, касающихся применения ИИ. Непредсказуемость будущих регуляций также вызывает замедление принятия технологий, поскольку организации предпочитают подождать более ясных и строгих указаний. В конечном итоге, несмотря на ускоряющееся внедрение технологий и растущий интерес со стороны маркетологов и отделов продаж, компании должны учитывать множество факторов, прежде чем полностью адаптировать ИИ в своих процессах.
