СЕМЕЙНЫЙ ТУРНИР ЦИФРОВАЯ ГРАМОТНОСТЬ ЦИФРА В «НОРНИКЕЛЕ» ПУЛЬС ТЕХНОЛОГИЙ
Пульс технологий
Хочешь знать о технологиях и цифровизации больше?
Устанавливай приложение «Цифроникель». Проходи обучение в игровой форме. Копи знания, получай баллы, участвуй в конкурсах и получай ценные призы.
ПРОЙТИ ОБУЧЕНИЕ

Как имитационное моделирование может помочь бизнесу?

Имитационное моделирование на основе технологий искусственного интеллекта (ИИ) внезапно стало повсеместным. Организации практически во всех отраслях используют преимущества дальнейшего развития имитационного ИИ для ускорения операций, снижения рисков и повышения эффективности принятия решений.

Хочешь знать о технологиях и цифровизации больше?
Устанавливай приложение «Цифроникель». Проходи обучение в игровой форме. Копи знания, получай баллы, участвуй в конкурсах и получай ценные призы.
ПРОЙТИ ОБУЧЕНИЕ

За последние пару лет появилось множество новых применений имитационному моделированию: от цифровых двойников, дающих представление о текущей производительности, до продвинутых интеллектуальных симуляторов, оценивающих будущие сценарии. 

И даже запаздывающие компании успели вскочить на подножку набирающего скорость поезда ИИ-симуляции. По данным исследования PWC «2022 AI Business Survey», 96% респондентов заявили, что планируют использовать имитационное моделирование с помощью ИИ в этом году. При этом 57% из тех, кого считают лидерами в области ИИ, планируют использовать эту технологию для прогнозирования рыночных условий, а 54% лидеров собираются использовать симуляции для помощи в финансовом планировании, разработки стратегий продаж и маркетинга, а также для оптимизаций цепочек поставок и операций.

ИИ-симуляции являются мощной технологией. Она может гораздо больше, чем просто предоставлять подробную информацию о текущей производительности в режиме реального времени. Она может увеличить скорость и помочь снизить риск ваших будущих операций. Благодаря параллельному моделированию огромного количества сценариев, имитационные модели позволяют быстро спрогнозировать вероятные события и «проиграть» управленческие действия в виртуальном мире, не принимая на себя никаких рисков в мире реальном. Например, если вы объедините моделирование поведения поставщиков, клиентов, конкурентов с прогнозами погоды, вы сможете лучше прогнозировать динамику цен или сбои в цепочке поставок и заранее иметь план действий для преодоления сложностей.

У ИИ долгое время была серьезная проблема с точки зрения бизнеса: недостаточная окупаемость инвестиций. Компании создавали модели ИИ, которые работали, но не давали ответы на нужные бизнес-проблемы. Этот недостаток становится все более существенным по мере того, как компании переходят от «скучного ИИ» — с его зачастую привлекательной отдачей с момента внедрения — к более сложным сценариям использования. Чем сложнее задача, тем важнее, чтобы руководители компаний направляли свои инициативы в области ИИ на решение правильных проблем. Одной из главных причин затруднений в этой области является проблема измерения или даже выявления рентабельности инвестиций в ИИ. Как, например, количественно оценить ценность оптимального стратегического решения? Или как определить точную цену того сбоя в цепи поставок, который так и не произошел, потому что модели ИИ предупредили вас заранее? 

Благодаря новым методам оценки компании теперь все чаще могут ответить на эти и другие вопросы. Они могут фиксировать не только «твердую» отдачу, например, повышение производительности, и «твердые» затраты, например, расходы на новое оборудование. Они также могут отражать «мягкие» результаты, такие как улучшение условий труда сотрудников, и «мягкие» затраты, такие как увеличение спроса на услуги специалистов в области ИИ. Целостный подход к ИИ, который способствует распространению этой технологии, обмену мнениями и передовым опытом, облегчает прогнозирование окупаемости инвестиций в новые применения ИИ. В процессе работы над измерением и увеличением окупаемости инвестиций в ИИ вы также можете воспользоваться преимуществами самого ИИ: его симуляции могут принимать во внимание неопределенность, которая окружает разработки в области ИИ, помогая лучше распределять ресурсы.

Такое пристальное внимание к возможностям ИИ-симуляторов для бизнеса неудивительно, рассказал в интервью изданию VentureBeat Ананд Рао, директор консультационной практики PWC в США.

«Несколько лет назад некоторые из них были невозможны из-за недостаточной вычислительной мощности или недостаточного количества данных, — пояснил он: Но теперь можно моделировать миллионы клиентов, включая детали  их механизма принятия решений. И теперь можно получать ощутимые результаты, которые позволяют быстро изменять ваши продукты и услуги под новые условия или точнее нацеливать их на новые сегменты клиентов.»

Тем не менее, по словам Рао, хотя он и не удивлен тем, что увеличилось число респондентов, использующих или планирующих использовать имитационные модели ИИ, он поражен тем, насколько сильно оно выросло.

«Пандемия кардинально изменила ситуацию, — предположил он: Моделирование с помощью цифровых двойников и другие имитационные модели ИИ работают особенно хорошо, когда у вас нет большого количества исторических данных или когда степень неопределенности происходящего вокруг просто зашкаливает. А именно так и обстояли дела в начале пандемии.»

Рао предлагает три ключевых направления работы, двигаясь по которым можно превратить имитационное моделирование из игрушки руководства в надежный инструмент, который будет приносить пользу всем сотрудникам компании.

Во-первых, нужно объединять усилия бизнесменов и технических специалистов.

«Специалистов по моделированию, которые, как правило, имеют инженерное образование, необходимо объединить с экспертами по изучению данных, а также с  бизнес-лидерами. Для правильного моделирования необходимо и понимать бизнес, и знать, как строить сложные модели с помощью конкретных инструментов и методов», — уверен он.

Во-вторых, необходимо сделать моделирование частью общей технологической платформы предприятия. По словам Рао, интегрировав ИИ с облаком и добавив цифровых двойников к доступному сотрудниками инструментарию, организации могут эффективно использовать возможности ИИ для создания имитационных моделей, имеющих отношение к бизнесу.

«Технологии, которые получали широкое распространение до последнего времени, были в основном сосредоточены вокруг машинного и глубокого обучения, а не на моделировании, — сказал он: Моделирование было, как правило, нишевой областью, которую использовали некоторые инженеры, но оно никогда не было частью общей технологической платформы. Теперь компании хотят получить возможность моделирования в рамках моего ИТ-стека, иметь способы получения данных из всех существующих хранилищ, подключать их к системе Salesforce и ей подобным, чтобы это стало частью процесса принятия решений.»

В-третьих, не стоит стесняться пользоваться синтетическими данными. Имитационные модели могут создавать данные для обучения моделей машинного обучения, в тех случаях, когда настоящих данных недостаточно. Например, симуляции могут создавать изображения лиц под разными углами, с различными уровнями контрастности и яркости для моделей распознавания лиц. Кроме того, синтетические данные могут быть уточнены в дальнейшем.

«Вы можете начать с имеющихся у вас данных о клиентах и обогатить их синтетическими данными, — предлагает Рао: По мере того, как вы собираете всё больше данных из реального мира, вы можете пересматривать синтетические данные, делать их гораздо более разнообразными и правдоподобными.»

Хочешь знать о технологиях и цифровизации больше?
Устанавливай приложение «Цифроникель». Проходи обучение в игровой форме. Копи знания, получай баллы, участвуй в конкурсах и получай ценные призы.
ПРОЙТИ ОБУЧЕНИЕ
Google Play
App Store
Читайте также
СЕМЕЙНЫЙ ТУРНИР ЦИФРОВАЯ ГРАМОТНОСТЬ ЦИФРА В «НОРНИКЕЛЕ» ПУЛЬС ТЕХНОЛОГИЙ