Только треть российских компаний использует машинное обучение

Под автоматизацией организационных процессов в исследовании понимается перенос рутинных процедур или типовых задач под контроль цифровой информационной системы. Примеры автоматизации процессов: системы автоматизации взаимодействия с потребителями (CRM), системы автоматического управления складами, поставками, производством, бухгалтерией, человеческими ресурсами и т.п.

Под машинным обучением понимается процесс, в ходе которого система (искусственный интеллект) обрабатывает большое число примеров (кейсов), выявляет закономерности и использует их, чтобы анализировать и прогнозировать характеристики новых данных. Например, система может анализировать данные об обращениях в организацию и строить прогноз будущих обращений.

Большинство крупных предприятий (80%), представители которых приняли участие в опросе, используют автоматизацию в бизнес-процессах, а на каждом пятом предприятии (20%) все бизнес-процессы автоматизированы. 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%) и их удешевление (35%), имиджевая необходимость использования автоматизации (31%), дефицит человеческих ресурсов (12%).

Несмотря на то, что автоматизированные бизнес-процессы применяются в большинстве компаний, участвовавших в исследовании, машинное обучение используется только на каждом третьем предприятии (33%). При этом на большинстве крупных предприятий ИТ-директора знают о машинном обучении в общих чертах (62%) или в подробностях (18%). Сегодня машинное обучение чаще всего используется 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%). Подробнее – в таблицах ниже.

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 полученным данным, технологии машинного обучения уже используются 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 своих 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 в участвовавших в исследовании предприятиях государственного сектора являются проблемы кибербезопасности, а основным драйвером – повышение производительности труда персонала (по 72%).

В ритейле и торговле ожидаемо самый высокий процент внедрения машинного обучения приходится на продажи (86%). Представители опрошенных 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%), а основным драйвером к этому является снижение текущих расходов (58%).

В промышленности и энергетике, по словам представителей опрошенных компаний, машинное обучение чаще всего интегрировано в оптимизацию производства (68%) и логистику (50%). Те из принявших участие в исследовании компаний в сфере промышленности и энергетики, которые еще не используют машинное обучение для оптимизации производства, планируют начать это делать (48%). 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% опрошенных финансовых компаний – 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 рассчитывают за счет этих инициатив повлиять на повышение качества обслуживания, снижения текущих расходов и сокращение сроков принятия решений после его внедрения. Решения на основе технологии машинного обучения им представляются оптимальными для этих целей.

Эффективность внедрения машинного обучения будет оцениваться по рентабельности затрат на внедрение (62%), соблюдению стоимости и сроков реализации проекта (58%), отзывам о качестве продуктов или услуг (40%), тому, насколько машинное обучение используется в стратегическом планировании (38%), оценке полезности машинного обучения персоналом (26%).

Около половины (47%) крупных предприятий имеют штатных специалистов, способных внедрить машинное обучение. Предприятия в равных долях (40% и 38% соответственно) разделились на предпочитающих внедрять такие технологии своими силами и привлекать для этого профессиональные ИТ-компании.

«Готовность российских компаний к цифровой экономике растет. Это мы видим на примере собственных проектов по автоматизации крупного бизнеса на основе технологии машинного обучения. Вместе с тем, разрыв в уровне проникновения современных технологий в крупных и средних компаниях, может отличаться в несколько раз. В ходе исследования выяснилось, что лидерами по использованию технологии машинного обучения являются государственный сектор, финансы, промышленность, ритейл, медицина. Отставание других сегментов экономики отчасти связано со спецификой барьеров при внедрении цифровизации. Среди ключевых проблем, с которыми мы сталкиваемся при сотрудничестве с крупным бизнесом - проблема обработки неструктурированной информации, недостаточное бюджетирование, дефицит квалифицированных кадров. На основе полученных данных, мы предполагаем, что в течение ближайших 5-7 лет нас ожидает период активного перехода на использование машинного обучения, систематизации данных, накопления опыта», – отметил генеральный директор Mains Group Сергей Худяков.

«Цифровые технологии, включая технологии машинного обучения, позволяют предприятиям повышать свою эффективность и конкурентоспособность и поэтому получают все большее распространение. В то же время россияне, работающие по найму, опасаются возможности потери работы в связи с развитием цифровых технологий. Решение этой проблемы – развитие цифровой грамотности и цифровых навыков сотрудников, которое обеспечит их востребованность и эффективность в новых, цифровых условиях труда. Что касается машинного обучения, мы ожидаем дальнейшего роста использования этой технологии в различных отраслях экономики, прежде всего в крупном бизнесе, а также на интеллектуально и технологически продвинутых малых и средних предприятиях, – считает кандидат социологических наук, руководитель исследовательских проектов НАФИ Всеволод Хоменко.