ШІ розповсюджується із феноменальною швидкістю: до 2030 року його ринкова вартість сягне $1339,1 мільярда (зараз $214,6 мільярда) і зростатиме щороку в середньому на 35,7%.
Компанії наввипередки намагаються використовувати ШІ-інструменти: від генеративних моделей до більш потужних систем, імплементованих в основні бізнес-процеси. І в цій гонитві багато хто шукає компромісний варіант, принаймні за вартістю і швидкістю впровадження. Сьогодні таким рішенням є AIaaS – штучний інтелект як послуга.
Що таке AIaaS: можливості, переваги та недоліки
AIaaS (Artificial Intelligence as a Service) – це комерційне використання моделей та інструментів ШІ у вигляді готової послуги, адаптованої під конкретні завдання. Це вже не дитячі експерименти з безкоштовним ChatGPT, але ще і не трансформація у повноцінну AI-компанію.
Велика кількість компаній може розпочати впроваджувати ШІ без значних витрат та часу саме завдяки AIaaS. Це економічна модель із низьким рівнем ризику: компанія не інвестує у ШІ, створюючи їх з нуля, і в будь-який момент може відмовитися від послуг AIaaS-постачальника.
Глобальні AIaaS-постачальники представлені насамперед Amazon Web Services (продукти Amazon SageMaker, Amazon Rekognition, Amazon Lex, Amazon Polly) та Google Cloud (Google Cloud AI, Google Cloud Natural Language API, Google Cloud Vision AI, Google Dialogflow).
Сервісна модель споживання – основна, але не єдина перевага AIaaS:
- Гнучкість та масштабованість: будь-коли можна зменшити, збільшити чи змінити (в межах технічних можливостей) функції ШІ відповідно до потреб бізнесу.
- Відсутність вимог до вузької експертизи в ШІ: не потрібно шукати дорогих і відносно рідкісних фахівців.
- Швидкість: розробка не займає багато часу, достатньо адаптувати запропоноване рішення під конкретний бізнес.
- Масштабованість: якщо бізнес зростатиме, AIaaS дозволить швидко адаптуватися до нових потреб.
- Зростання продуктивності без додаткового персоналу: цілком можливо, що навіть у наявних команд стане менше завдань завдяки впровадженню ШІ.
- Конкурентна перевага – можна отримати можливість якщо не наздогнати лідерів, то хоча б не відставати від «середніх» гравців у галузі та гнучкіше реагувати на потреби клієнтів.
Микита Мельник, Business Analysis, Generative AI Consulting, Training & Coaching, зазначає:
«AIaaS підходить усім компаніям, які бажають бути конкурентними, незалежно від домену і розміру організації. AI сприятиме підвищенню ефективності праці, якості роботи, прискоренню робочих циклів. У цьому контексті можна сказати, що AI не просто «підходить», а є обов’язковим для успішного майбутнього компаній».
Без недоліків теж не обійшлося. Компанії доведеться передавати дані, цінний бізнес-актив, сторонній компанії – постачальнику AIaaS-рішення, що створює певні безпекові ризики.
Другий момент – відсутність контролю над базовими процесами зсередини. Тобто клієнт не знає, які ШІ-алгоритми використовуються для виконання конкретного завдання та які дані мають найбільший вплив на кінцевий результат.
І третє: залежність бізнесу від працездатності сервісу: зупинки та внутрішні помилки, які можуть викривити результати, теж створюють проблеми для бізнесу.
Микита Мельник зауважує, що основною проблемою використання AI зараз і в найближчі кілька років є впровадження інструментів у робочі процеси. Це організаційний чендж-менеджмент, який потребує якісного впровадження і часу, щоб технологія прижилася. Враховуючи швидкий розвиток технології та інструментів, це призводить до того, що такий процес буде майже безперервним у найближчі кілька років.
AIaaS: як це працює
В основі AIaaS лежать три основні компоненти: сервіси, ШІ-інструментарій та ІТ-інфраструктура.
Сервіси ШІ – це сукупність API та послуг, які легко отримати, масштабувати та які не потребують специфічних знань від тих, хто їх використовує.
Інструментарій поєднує програмні засоби, що допомагають використовувати можливості платформи, наданої постачальником AIaaS.
Це можуть бути програми-помічники, інтегровані середовища розробки, інструменти для підготовки даних для подальшого оброблення та навіть готові шаблони віртуальних машин зі встановленими платформами для навчання на конкретних даних.
ІТ-інфраструктура для моделей ШІ та машинного навчання, які передбачають роботу з великими масивами даних, має підтримувати складні обчислення. Це потребує використання останніх моделей процесорів та відеокарт, які забезпечують прискорену обробку даних.
Андрій Михайленко, COO at Colobridge, компанії-експерта з хмарних рішень та AI:
«AIaaS включає надання необхідних програмних рішень та технічної бази. Майданчиком для розгортання AI-системи може бути власна IT-інфраструктура клієнта або хмара. Другий варіант є кращим з декількох причин. Отримати або надалі масштабувати обчислювальні ресурси у хмарі завжди простіше та швидше, ніж в in-house варіанті. Аналогічно з командою, яка підтримуватиме та адмініструватиме IT-інфраструктуру: при оренді обчислювальних ресурсів у хмарі всі ці завдання виконуватимуть технічні фахівці постачальника послуг. Але головне це те, що компанія може зосередитися на основному бізнесі та не розпилювати ресурси на менш пріоритетні завдання, навіть якщо вони приноситимуть важливі для компанії результати».
Які ШІ-продукти та послуги надаються у вигляді AIaaS
Розглянемо чотири найбільш поширених варіанти.
Чат-боти та персональні помічники
Найбільш розповсюджений та простий для розуміння формат послуги. Компанія створює агенти (чат-боти), текстові або голосові помічники, які з високою точністю відповідають на різноманітні запитання на тему бізнесу клієнта. В інтернет-магазині це може бути особистий консультант з підбору розміру одягу, у мобільного опера — чат-бот, який заміняє першу лінію співробітників підтримки.
Завдяки таким розробкам як RAG (Retrieval-Augmented Generation) чат-боти з ШІ легко стають експертами у будь-якій галузі. Особливість полягає в тому, що вони постійно навчаються, і кожна наступна відповідь є більш точною. Типові приклади інтелектуальних помічників знайомі всім: це Siri, Alexa та Google Assistant.
API (інтерфейси прикладного програмування)
Завдяки AIaaS можна створювати цікаві API, які дозволяють різним сервісам більш якісно взаємодіяти. Наприклад, API для NLP (Natural Language Processing) можуть аналізувати емоції людини, а інші API — створювати «карти знань» на основі великих наборів даних, розпізнавати та виявляти обличчя на зображеннях.
Машинне навчання Low-code та No-code
Дозволяє впроваджувати ML-моделювання в процеси розробки з використанням візуального та спрощеного інтерфейсу програмування. Ці AIaaS-рішення включають готові моделі, спеціально розроблені шаблони та незакодовані інтерфейси. Чудовий варіант для компаній, які не бажають інвестувати в інструменти розробки та не мають експертизи, притаманній спеціалістам з даних.
Фреймворки для машинного навчання
Хмарні програмні бібліотеки з набором інструментів для створення власних моделей штучного інтелекту. Постачальник AIaaS пропонує готову ML-платформу для легкого і швидкого навчання та розгортання ШІ-моделей без значних витрат ресурсів. Така платформа допомагає знаходити закономірності у великих наборах даних та робити точні прогнози майбутніх подій. Це може бути прогноз завантаженості складу, дій користувача, працездатності обладнання тощо. Щоб отримати такі прогнози, не потрібно аж надто великі об’єми даних — фактично цей тип AIaaS підходить абсолютній більшості малих та середніх компаній.
Що стримує розповсюдження AIaaS
Згідно з опитуванням Forbes, підприємці в цілому позитивно оцінюють потенційні переваги використання ШІ у бізнесі: 64% очікують, що ШІ покращить відносини з клієнтами та підвищить продуктивність, а 60% — що він гратиме ключову роль у стимулюванні зростання продажів. Проте все ще існують певні перепони, які дещо стримують розвиток цієї моделі використання ШІ.
Ось що з цього приводу думає Кирил Марченко, CEO at Beinf:
«Можна виділити два взаємопов'язані фактори, які певною мірою гальмують впровадження AIaaS. Перший — це нерозуміння можливостей самого рішення: де саме воно може принести користь компанії, чи будуть варті результат витрачених ресурсів і як їх можна виміряти. Другий чинник — це складнощі на старті: як оцінити готовність компанії ставати Data-Driven, з чого почати використання AI (якщо не враховувати факт використання генеративного АI на кшталт ChatGPT та аналогів), які ресурси необхідні на старті».
Чого очікувати від AIaaS у майбутньому?
Є всі передумови для зростання ринку AIaaS у майбутньому, але цей тренд доволі загальний. Якщо більш детально, то найближчим часом можна очікувати наступних змін.
Зростання кількості мікросервісів. Необхідну ШІ-систему можна буде зібрати по «цеглинкам» з довільної кількості сервісів, що розробляються, розгортуються та підтримуються окремо. Це дозволить отримати більш масштабоване та гнучке рішення.
Глибока персоналізація. Користувачі очікують більш захопливого та персоналізованого досвіду під час взаємодії з брендами й не проти, щоб ті використовували дані на основі попередніх взаємодій.
Андрій Волнянський, Head of Marketing at Beinf:
«Використання AIaaS може сильно вплинути на досвід користувача і в цілому на лояльність клієнтів у компанії, оскільки дозволяє з відносно невеликими зусиллями зробити взаємодію з ними гіперперсоналізованим. На тлі великої кількості пропозицій клієнти будуть все частіше вибирати ті, які враховують їх реальні потреби. Наприклад, запропоноване нами рішення дозволяє значно поліпшити ефективність маркетингових кампаній і продажів саме шляхом надзвичайно точної/релевантної персоналізації. Ми беремо дані клієнтам і за допомогою просунутої аналітики та машинного навчання перетворюємо їх на джерело цінних бізнес-інсайтів, на основі яких компанія може вибудовувати комунікацію з клієнтом. Впевнений, потреба в таких рішеннях лише зростатиме: вони ще не стали мейнстримом і дають важливу конкурентну перевагу».
Масове використання чат-ботів у онлайн-ритейлі. Боти використовуватимуть NLP для визначення патернів у питаннях людей та надаватимуть точні відповіді, щоб працівники зосередилися на складних чи навіть творчих завданнях.
Більш природні відповіді чат-ботів та асистентів. Розмовні відповіді стають не тільки більш точними, але й максимально схожими на такі, які надає людина.
В останньому пункті варто було б написати про повстання машин, але сподіваємося, що воно все-таки відбудеться у далекому майбутньому.
Підписуйтеся на ProIT у Telegram, щоб не пропустити жодної публікації!
