Когда компаниям стоит внедрять технологии искусственного интеллекта

На протяжение последних почти десяти лет наша компания разрабатывает и внедряет решения на базе технологий машинного обучения, компьютерного зрения, обработки естественных языков и анализа данных. Такие системы позволяют оптимизировать различные процессы, принятие решений, улучшить качество и скорость анализа, снизить ошибки и зависимость от человеческого фактора, конечно уменьшить расходы. За эти годы были реализованы сотни проектов, как для небольших компаний, так и для крупнейших корпораций России, а также за ее пределами.

Если десять лет назад основной акцент был на создании прогнозных и рекомендательных систем, а главной сферой внедрения были банки, страховые компании и высокотехнологичные корпорации, то в настоящее время искусственный интеллект проник практически в каждую область. 

Публикация основана как на опыте внедрения интеллектуальных решений для различных компаний за последние несколько лет, так и посещения целого ряда промышленных предприятий, производств и заводов в этом году. Основная задача статьи раскрыть — как и зачем компании внедряют ИИ, когда это действительно имеет смысл, а когда стоит подождать.

На сегодняшний день наибольшее количество запросов связано с внедрением систем компьютерного зрения и систем на базе больших языковых моделей, получивших особую популярность, после выпуска компанией OpenAI языковой модели ChatGPT основанной на предобученном трансформере GPT осенью 2022 года. 

Среди систем компьютерного зрения наиболее популярны системы автоматизации конвейерного процесса. Они способны в реальном времени анализировать видеопоток и решать целый класс задач. В частности: подсчет и классификация объектов, анализ и выявление дефектов, брака на производстве, оценка параметров и характеристик объектов, движущихся по конвейеру (например оценка гранулометрического состава вещества). 

Другой класс задач связан с безопасностью на производстве и анализом эффективности рабочих процессов. Выделим здесь классические задачи распознавания СИЗ (средств индивидуальной защиты), контроля рабочих зон и процессов. Системы анализа эффективности на производстве позволяют, например оценивать сколько времени человек проводит в определенной зоне предприятия, не нарушает ли распорядок и правила безопасности. Как правило, такие системы снабжаются модулем распознавания лиц, что позволяет сразу определить нарушителя. Системы контроля производственных процессов позволяют вести полноценный учет и контроль на производственной линии, распознавая различные действия, классы объектов и событий — предотвращают ошибки, ускоряют сборку и ведут полноценную статистику. Такие системы могут быть внедрены, например в сборочном цеху. 

Не только промышленные производства внедряют системы компьютерного зрения. Очень часто такие системы используют торгово-развлекательные комплексы, магазины, кафе и рестораны. В этом случае, компьютерное зрение позволяет подсчитывать число уникальных посетителей, проходимость гостей, считать заполнение столов и проведенного времени, присутствие персонала в рабочей зоне. Конечно нарушения, кражи и мошенничества.

Не меньшую популярность получили системы компьютерного зрения в городской среде. В рамках концепции «Умный город» сложные аналитические системы, которые имеют доступ к уличным и дорожным камерам анализируют тысячи событий в секунду и решают множество задач. Это и всем известные распознаватели автомобильных номеров на дорогах, системы анализа трафика дорожного движения в будущем могут автоматизировано управлять светофорами, снижая нагрузку на дорогах. Это системы анализа дорожного покрытия и обнаружения ям, наледей, снега на дорогах, системы идентификации ДТП, чрезвычайных событий в городской среде.

На базе больших языковых моделей наиболее популярны системы информационного поиска и структурированного извлечения информации, которые позволяют автоматизировать ручной труд и существенно сокращать время сотрудников. Таким решениям мы посвятили отдельную статью.

Когда же компании принимают решения о внедрение искусственного интеллекта, если все и так работает? В первую очередь необходимо определить экономическую целесообразность внедрения. Стоимость полноценной системы видеоаналитики может доходить до нескольких десятков миллионов рублей. Такие системы обрабатывают видеопотоки, поступающие от десятков IP-камер, интегрированы во внутреннюю инфраструктуру предприятия и снабжаются довольно мощными вычислительными серверами. Более простые системы, решающие локальные задачи, типа распознавания номеров, лиц, средств индивидуальной защиты или подсчета объектов могут стоить существенно дешевле — порядка 1-2 млн. рублей. Такие системы призваны заменить человека, снизить ошибки и сократить время, полностью автоматизировав производственный процесс, поэтому сроки окупаемости системы вычислить не сложно. Другой причиной внедрения являются необходимость и требования видео-мониторинга, например в случае систем промышленной безопасности. Здесь стоимость внедрения уходит на второй план. 

Поэтому для начала необходимо оценить сроки окупаемости внедрения такой системы. Конвейерное производство довольно эффективно использует возможности компьютерного зрения, особенно в случае масштабирования на несколько производственных линий. В случае же, например небольшого магазина, снабженного камерами видеонаблюдения, задачу выявления воров легко может решать один человек и, конечно, сроки окупаемости замены человека на ИИ будут исчисляться годами. Безусловно, человек может отвлечься, не заметить или уйти с рабочего места. Поэтому, подводя итоги, советуем, в первую очередь, сделать экономический расчет.