Як реалізувати штучний інтелект з максимальною прибутковістю для підприємства.

Сьогодні чимало підприємств визначають амбітні завдання щодо впровадження штучного інтелекту (ШІ) з метою збільшення прибутків і зменшення витрат. Чи є їхні дії виправданими?

Обговоримо теорію. Чи може впровадження штучного інтелекту самостійно забезпечити стійке збільшення маржі? Швидше за все, ні, і ось чому.

По-перше, штучний інтелект не є джерелом конкурентних переваг. В цілому, впровадження ШІ не є прерогативою тільки одного підприємства. Якщо одна організація використовує ШІ, спираючись на загальнодоступні базові моделі, то інша компанія має можливість зробити те ж саме і досягти схожих результатів.

Наприклад, якщо одна фірма впроваджує штучний інтелект для налаштування продукту під потреби споживачів, інша може оперативно скопіювати цей підхід.

По-друге, ефективні ринки не дозволяють надлишкової дохідності. Якщо бізнеси зможуть усунути людей із процесів і, як наслідок, різко знизити витрати, навряд чи в довгостроковій перспективі вони зможуть утримувати ті самі ціни за ті самі продукти чи послуги.

Якщо хтось вирішить утримувати стару високу ціну, прагнучи зберегти всю вигоду для себе, неодмінно з'являться конкуренти, які вбачать у цій різниці можливість захопити частину ринку. Це стане причиною цінової боротьби, і в підсумку всі учасники опиняться на стандартному рівні доходності.

Крім того, існує ймовірність, що маржа може знизитися. З огляду на те, що автоматизація стане доступною для споживачів, вони можуть почати вимагати зниження цін на різні товари чи послуги. Більш того, загальний розвиток технологій сприяє зменшенню бар'єрів на ринку, а їх відсутність призводить до падіння маржі (якщо немає складнощів, то й маржі не існує).

Слід підкреслити, що мова йде саме про конкурентні ринки. Для компаній, що мають вбудовані "бар'єри", такі як унікальні дані або монополістичні позиції, ситуація може виглядати зовсім по-іншому.

За останні десятиліття автоматизовано безліч завдань. Чи призвело це до зростання прибутковості?

Візьмемо для прикладу США. За останні десятиліття в США прибуток на одиницю реальної доданої вартості зростав, із помітним стрибком у 2020-х.

Існує кілька факторів, які сприяють цьому. По-перше, монетарна політика, а, відповідно, й перевищення попиту над пропозицією відіграли значну роль. Крім того, технологічний прогрес і автоматизація також зробили свій внесок. Бізнес мав можливість збільшувати ціни швидше, ніж зростали витрати на працю та інші ресурси, принаймні доти, поки конкуренція не почала їх наздоганяти. Таке зростання прибутковості може тривати роками, а іноді й десятиліттями.

Можна виокремити декілька припущень, які формують замкнене коло для системного підвищення маржинальності:

Не впроваджувати ШІ на конкурентних ринках є неможливим. Якщо ви відстанете, то конкуренти вас з'їдять. Тобто рахувати повернення інвестицій потрібно не тільки від додаткового прибутку, а хоча й від потенційно втраченого доходу.

Існує три ключові умови, за яких інтеграція штучного інтелекту сприятиме зростанню прибутку.

Перша ключова перевага — це швидкість впровадження. Компанія, яка здатна швидше за інших інтегрувати штучний інтелект, отримує можливість тимчасово випереджати конкурентів. Проте, якщо організація зможе встановити ефективний процес безперервного вдосконалення своїх AI-інструментів, вона матиме шанси на отримання стійкої конкурентної переваги.

Що заважає швидкості? Як стверджується в статті The Economist у великих компаніях середня ланка менеджерів може стримувати впровадження нових технологій через побоювання втратити власну релевантність. Логіка проста: якщо я автоматизую роботу своїх підлеглих, то може і мою роботу скоро автоматизують. Крім логічної складової, думаю, також існують інші поведінкові моменти, в тому числі банальна лінь впроваджувати нові проєкти.

Отже, варто зазначити, що швидкість є однією з ключових переваг малих та середніх підприємств, оскільки в них відсутня складна ієрархія мотивацій для менеджерів різних рівнів.

Наприклад, один із провідних українських банків відкрив "Дата Лабораторію", яка оперативно реалізує нові рішення: спершу у сфері класичного машинного навчання, а тепер і в галузі штучного інтелекту. Це означає, що цьому банку не потрібно повторно інвестувати в ШІ, адже вся необхідна інфраструктура та команда вже були сформовані і просто адаптуються до нового інструменту.

Друга умова - ексклюзивність. Якщо ви маєте інші конкурентні переваги (дані, дистрибуцію, обчислювальні потужності, ексклюзивну технологію використання ШІ, або просто знаходитесь в індустрії, що захищена регуляцією), ШІ допоможе вам більше, ніж компаніям на більш ефективних ринках. Уявіть, що всім відомо, як краще обслуговувати клієнтів в залежності від їх історії покупок. Той, хто має більше даних з такої історії покупок, скоріш за все отримує більше вигоди від впровадження ШІ.

Наприклад, Visa є найбільшим власником платіжних даних. За нашою оцінкою, Visa має більше даних, ніж всі наші великі конкуренти разом. Для ефективного використання даних ми постійно інвестуємо в data science можливості, в тому числі з використанням GenAi. Дані Visa - ексклюзивний актив, що не доступний іншим компаніям.

Третій аспект - це масштабування. Використання штучного інтелекту дозволяє розширювати обсяги виробництва (збільшувати асортимент товарів та послуг при зниженні витрат на одиницю продукції). Проте існують занепокоєння, що це може призвести до зосередження прибутків у руках лише кількох великих компаній. Водночас, якщо середні підприємства зможуть знайти продукти або послуги, які можна ефективно реалізувати за допомогою ШІ, вони отримають можливість швидко розвиватися, поки великі корпорації борються з внутрішніми адміністративними перешкодами.

Чат-боти, які працюють на основі моделей LLM, суттєво знижують витрати на обслуговування клієнтів. Це перший етап інтеграції штучного інтелекту, який ми спостерігаємо у всіх B2C секторах, таких як банки та роздрібна торгівля. У майбутньому очікується широке впровадження ШІ не лише для розв'язання існуючих проблем, а й для залучення нових клієнтів, а також для автоматизації обробки їхніх документів під час процесу онбордінгу.