Демократизация ИИ: польза для бизнеса и разработчиков

Как «элитарность» ИИ привела к «тихой революции» в ИТ

Технологии искусственного интеллекта (ИИ) – уже неотъемлемая часть нашей жизни. Они составляют персонализированные подборки музыки, фильмов и книг, рекомендуют товары и услуги, основываясь на наших вкусах и потребностях, с помощью технологии Face Recognition в московском метро можно расплатиться за вход, не вытаскивая проездной, а платформы для интеллектуальной обработки информации уже научились заполнять за нас данные при покупке авиабилетов.

Однако такое повсеместно внедрять и использовать ИИ начали совсем недавно. До последнего времени он считался «элитарным» – разработка каждого решения велась под индивидуальные задачи компании-заказчика. Такой подход приводил к ряду сложностей и тормозил инновации.

Во-первых, из-за индивидуального подхода разработчикам ИИ было сложно масштабировать решение. Даже если создатель технологий предлагал рынку «массовый» или «коробочный» продукт, каждый раз его приходилось дополнительно обучать на новых данных, которые были недоступны другим заказчикам. Кроме того, такие «частные» данные быстро устаревали.

Во-вторых, модели, обученные на закрытых и ограниченных датасетах, были несовершенны. Лучшее тому подтверждение – системы распознавания лиц. Несмотря на высокие показатели точности, полученные при тестировании, эти технологии время от времени ошибаются при распознавании людей других национальностей, рас, возраста и т.п. А решения для распознавания автомобильных номеров лучше всего справляются с «типичными» номерами той страны, где была создана технология. В данном случае проблема не в самом ИИ, а в том, что модель работает по принципу garbage in – garbage out. Также если датасет был неполный и долго не обновлялся, то риск подобных ошибок возрастает.

В-третьих, и это, пожалуй, самое важное, – ИИ был сложен в настройке. Для того, чтобы бизнес мог адаптировать решение под свои задачи, требовались люди, которые не только умели программировать, но и хорошо разбирались в аналитике данных и машинном обучении. Это привело к огромному запросу бизнеса на ИТ-специалистов и их дефициту на рынке.

Как итог – наступила «тихая революция» в разработке ИИ: началась демократизация технологий, которая сделала их более доступными и понятными сотруднику любого профиля.

Теперь разработчики стремятся создавать такие решения, которые уже не требуют глубоких знаний программирования, но с возможностью дообучать системы на различных данных в режиме реального времени. Такой ИИ напоминает конструктор: пользователь сам создает свое решение из готовых кубиков-блоков. Возможность разработки таких решений отчасти связана с развитием микросервисной архитектуры и облаков.

Демократизация ИИ привела к тому, что бизнес смог снизить траты на настройку и техническую поддержку продуктов из-за открытого доступа решений. А разработчикам стало легче распределять вычислительные мощности и вносить в систему обновления, поскольку теперь пользователи работают в одной среде.

При этом демократизация ИИ не означает, что программисты и data scientists больше не нужны. Напротив, они требуются еще больше, чтобы создавать более простые, понятные и удобные для всех ИИ-решения.

Как cloud-native подход позволяет ускорить развитие ИИ

Для развития ИИ постоянно не хватает данных и вычислительных мощностей. Конечно, с этим помогают справиться различные подходы: генерация синтетических данных, дообучение на реальных данных, transfer learning и пр. Однако этого все равно не достаточно, а вычислительные мощности по-прежнему ограничены. Здесь могут помочь cloud-native приложения.

Cloud-native подход предполагает, что приложение изначально создается для работы в облачной среде: оно не привязано к конкретным серверам внутри компании, использует столько мощностей, сколько необходимо в данный момент времени, постоянно обновляется и достаточно надежно, чтобы обеспечивать потребности бизнеса.

Как это устроено? Разработчики используют микросервисную архитектуру. Все функции приложения создаются как отдельные сервисы в контейнерах, которые управляются с помощью оркестратора. Микросервисы слабо связаны между собой, а это значит, что, когда в одну из частей решения вносятся изменения, общая работа системы не замедляется. При этом для одного решения разработчики могут использовать разные языки программирования и среды без необходимости их интеграции. К тому же, у микросервисов могут быть разные показатели доступности и отказоустойчивости. Так бизнесу не приходится выбирать между безопасностью и гибкостью.

Еще один плюс cloud-native подхода – масштабируемость. Облачная платформа предоставляет по запросу огромные вычислительные мощности. К примеру, мы в ABBYY помогаем компаниям автоматизировать обработку документов с помощью cloud-native платформы. Бывают периоды, когда системой пользуются одновременно много людей – скажем, бухгалтеры в конце квартала загружают на распознавание счета и акты, чтобы подготовить финансовые отчеты. Мощности можно увеличивать и уменьшать в зависимости от нагрузки.

Low-code/no-code решения: как через 10 лет каждый станет немного программистом

Уже ни для кого не секрет, что программисты стали интеллектуальной элитой XXI века. В России количество вакансий в IT за последние полгода выросло на 70% по сравнению с 2020 годом, причем наибольшая борьба идет за опытных разработчиков и руководителей групп (team lead).

Не удивительно, что дефицит IT-специалистов приводит к увеличению уровня зарплат разработчиков. Но ведь и они не могут расти бесконечно. В этом случае у бизнеса есть два пути: или научить неспециалистов программировать, или внедрять решения, которые этих навыков не требуют. Если первый вариант реализовать затруднительно, то второй – вполне реально. В первую очередь, речь идет о разработке low-code/no-code платформ, которые позволяют пользователям самим создавать и настраивать под себя процессы, используя визуальные элементы.

Простейший пример – конструктор сайтов Tilda. Еще не так давно сайты создавали web-разработчики. Теперь же с помощью Tilda любой пользователь может выбрать нужные блоки и создать лендинг самостоятельно, не написав ни строчки кода. Также благодаря low-code/no-code обычные люди могут решать и более сложные задачи – к примеру, обучать систему компьютерного зрения распознавать сигналы светофора. Можно и программировать, не зная кода: например, Open AI Codex API делает это за пользователя, обрабатывая запросы на естественном языке.

Новая low-code/no-code платформа ABBYY помогает клиентам обрабатывать любые документы. Пользователь сам решает, что сделать с накладной, счетом, резюме, контрактом или другим документом: распознать, определить тип, извлечь поле, отправить на доработку и т.п. И сам может дообучать систему, просто исправляя результаты работы системы или указывая новые поля, которые надо извлечь.

Несмотря на то, что базовые навыки программирования в ближайшие 10 лет станут обязательным требованием для всех, а взаимодействие людей и ИИ выйдет на новый уровень, все же программисты не станут менее востребованными специалистами на рынке труда. Скорее наоборот, ведь low-code/no-code решения просты в использовании, но сложны в разработке.

Почему ИИ все чаще предоставляется как сервис

В наше время никого уже не удивить подпиской на музыку, книги или кофе. А как насчет подписки на ИИ для бизнеса? Такой сервис стал возможен благодаря развитию технологий связи нового поколения и облачной инфраструктуры.

Уже сейчас подход к ИИ как к продукту изменился. К примеру, Software Engineering Institute, одна из авторитетных организаций в сфере разработки ПО, предложила новые стандарты для создания ИИ-решений. В числе ключевых принципов эксперты указали масштабируемость и дизайн, ориентированный на человека.

Обе идеи воплотились в модели ИИ как сервиса (AIaaS), при которой продукт предоставляется как готовое решение в облаке. Заказчик использует сервис по подписке, что позволяет ему более гибко управлять расходами. При этом для поддержки решения не нужно много времени внутренних ИТ-специалистов. Для разработчиков ПО подписка тоже удобна, так как они получают более прогнозируемый доход.

Существует несколько видов AIaaS. Первый – End-to-end ML. Здесь разработчики предоставляют клиентам предобученные модели, настраиваемые шаблоны и простые интерфейсы, работающие по принципу drag and drop. Пример такого сервиса – облачная платформа ABBYY. С помощью технологий машинного обучения клиенты могут создавать бизнес-процессы по извлечению данных и обработке документов на разных языках. Затем верифицировать результаты работы сервиса и настраивать процессы под свои бизнес-цели.

Второй способ – когда компания предоставляет готовые ML-компоненты как сервис. Например, так делает Algoritmia – продает алгоритмы для анализа различных датасетов по подписке.

Третий способ – API-интерфейсы, которые позволяют встраивать ML уже существующие IT-системы. По API предоставляют технологии обработки естественного языка, распознавания лиц, голоса, т.н. sentiment analysis и другие. Для работы с API уже требуются дополнительные усилия программистов, но все же это проще, чем изобретать велосипед с нуля.

AIaaS – еще один шаг к демократизации ИИ, поскольку делает решения более простыми и доступными для бизнеса и пользователей.

Кто такие Citizen Developers и зачем они нужны компаниям

Демократизация ИИ уже привела к тому, что разработкой начали заниматься и далекие от программирования специалисты, или Citizen Developers. К примеру, ими могут быть сотрудники компаний, которые ежедневно выполняют рутинные операции, активно используя low-code/no code платформы и создавая IT-решения для своей компании. Такие специалисты собирают необходимый процесс из готовых блоков, составляют из них последовательность действий, в некоторых случаях – прописывают логику поведения приложения.

Какими навыками обладают Citizen Developers? Во-первых, такой человек должен хорошо разбираться в процессах, которые хочет улучшить с помощью ИИ. Если это юрист, который анализирует риски, он должен четко понимать, какие факторы считаются рисковыми, а какие – нет. Во-вторых, желательно, чтобы у него были развиты аналитические навыки и было желание изучать новые технологии. В-третьих, он должен уметь продуктивно взаимодействовать с сотрудниками других отделов, вовлеченных в процесс, который предстоит автоматизировать.

Рассмотрим пример, как такой пользователь работает с облачной платформой по автоматизации обработки документов. Допустим, банку необходимо обрабатывать заявки на открытие счета для юридических лиц. Сначала сотрудник загружает комплект документов. Решение определяет, что это за файлы, и предлагает предобученные навыки-блоки, из которых будет строиться процесс. Первым этапом будет загрузка, затем классификация, распознавание, извлечение полей и отправка данных в целевую систему.

За машинное обучение отвечает отдельный микросервис. Эта технология учится правильно извлекать данные, опираясь на обратную связь от пользователя. Допустим, мы работаем с договором. Платформа определила тип документа, но не нашла его номер или распознала его некорректно. Пользователь вносит правки, а в это время сервис накапливает статистику. Когда примеров набирается несколько десятков, запускается переобучение. Алгоритм сравнивает старую и новую модели. Если система работает хоть на долю процента точнее, то именно эта модель в дальнейшем будет использоваться.

Уже сейчас очевидно, что наличие Citizen Developers в компаниях необходимо. Они помогают быстрее оптимизировать рутинные процессы и освобождают время программистов для решения более сложных задач машинного обучения.

Artificial Intelligence (AI)

Татьяна Даниэлян

вице-президент и заместитель директора по исследованиям и разработкам ABBYY

Подписка на обновления в блоге

Вы будете получать статьи на почту первыми

Ваша подписка прошла успешно!

Я проинформирован о том, что я имею право в любое время полностью или частично отозвать вышеуказанное согласие. Данное согласие на обработку персональных данных может быть отозвано в любой момент. Для этого нажмите на ссылку «Отписаться» внутри любого письма, полученного от ABBYY, или заполнив форму Права доступа ABBYY к персональным данным.

Я даю согласие на использование моих персональных данных для целей, описанных в правовой политике.

Ваша подписка прошла успешно!

Читайте нас