Александр Чулапов, руководитель отдела бизнес-поддержки продаж департамента по развитию бизнеса компании «Дататех» (Холдинг Т1)

Можно рассматривать роль искусственного интеллекта в устойчивом развитии на двух временных диапазонах: применение для решения текущих задач и для прогнозирования и планирования будущего. В целом понятие устойчивого развития, в том числе при формулировке его целей, предполагало, что возникающие практики потребления и преобразования ресурсов не будут оказывать негативного влияния на будущее, или, по крайней мере, максимально сократят это влияние, и могут быть в этом смысле устойчивыми.

Интенсивные события в мире, произошедшие начиная с конца 2019 года, формируют новые требования к тому, чтобы бизнес и государство могли адаптироваться к изменениям, которые происходят сегодня весьма неожиданно и быстро. В этом смысле понятие устойчивости, на мой взгляд, все больше включает не только устойчивость на длительных горизонтах (sustainability), но и в случае резких изменений (resilience), хотя с этим не все могут быть готовы согласиться.

Искусственный интеллект для решения текущих задач уже применяется в кадровом деле. Ряд продуктов управления кадрами уже содержат модели оттока, которые позволяют более внимательно выстроить работу с сотрудниками. В этом смысле первым уровнем применения искусственного интеллекта становятся базовые системы автоматизации организации, а фокус на ESG позволяет уравновесить эффективность и социальную ориентированность и направить сферу применения технологий в правильное русло. Другим примером применения ИИ можно рассматривать задачи GRC (governance, risk and compliance). Все больше факторов как в части управления организацией, так и в части соблюдения требований законодательства, внутренних процедур, обеспечения безопасности, защиты окружающей среды требуют мониторинга, в ряде случаев – моментальной реакции. Эта область требует применения инструментов искусственного интеллекта, которые могли бы рекомендовать лучшие решения и в ряде случаев принимать их за людей.

Рекомендации, как правило, являются заранее подготовленными вариантами, из которых выбирается наилучший. Использование генеративного интеллекта поможет в формировании этих вариантов, а также в их коммуникации наиболее близким способом и в нужном контексте для конкретной ситуации или получателя. Например, сотруднику на производственном участке нужно будет четко обозначить проблему, а руководящему сотруднику потребуется дополнительный контекст. В последующем при анализе принятых решений требуется объяснение того, как произошел выбор. Словесное и графическое описание алгоритма принятия решения может быть результатом работы большой языковой и других генеративных моделей, а информация о факторах, влияющих на выбор, – результатом инструментов интерпретации моделей машинного обучения, которые подготавливают фактуру того, как оно было принято. У нас уже есть ряд наработок в этом направлении.

Следующим уровнем применения искусственного интеллекта являются непосредственно корпоративные управленческие решения, в том числе и стратегические решения, и в этом случае мы говорим и о прогнозировании будущего. Подготовка этих решений и предиктивная аналитика являются еще более сложной задачей и требуют наличия интегрированных данных обо всех аспектах деятельности организации. Если в случае применения ИИ для решения текущих задач у нас еще остается пространство для маневра в рамках определенной области, например кадрового учета, то для принятия стратегических решений нам необходима полная картина. Это требует прежде всего интеграции и консолидации данных в хранилище данных. Сейчас мы наблюдаем соревнование между крупнейшими технологическими компаниями в части искусственного интеллекта: кто раньше выпустит наиболее мощную модель, которая сможет решать больший перечень задач.

Постепенно эта конкуренция транслируется и в другие отрасли экономики: какие компании могут максимально быстро интегрировать инструменты искусственного интеллекта во все процессы организации – от технологических процессов до бизнес-процессов, от рутинной активности поддерживающих и обеспечивающих подразделений до основной деятельности и управления организацией. Чтобы добиться максимального успеха, нужно построить механизм промышленного применения искусственного интеллекта надо всеми доступными организации данными, то есть выстроить конвейер искусственного интеллекта над хранилищем и озером данных.

По сути, цифровая трансформация и ESG-трансформация переходят на новый виток за счет применения технологий искусственного интеллекта. Встраивание ИИ во все аспекты деятельности компании приближает нас к возникновению полностью автономных организаций, например, полностью автономных заводов, функционирование которых является устойчивым, потенциально является частью экономики замкнутого цикла и минимизирует негативное воздействие на окружающую среду. Если же говорить о ближайшем будущем, то с учетом того, что требования к ESG-отчетности часто меняются, пока еще нет единых гармонизированных стандартов, которые были бы приняты и одобрены во всем мире, требуется обеспечить историчность и сопоставимость отчетности. Если мы меняем какие-то требования, у нас должна сохраняться возможность пересчитать отчетность в рамках новых правил и за прошлый исторический период, а также сопоставить с результатами конкурентов.

Все это возможно только в случае, если мы собираем максимально детальную первичную информацию, которая необходима для проведения подобных расчетов. Например, ряд организаций уже сейчас создают углеродные калькуляторы, которые наряду с финансовой стоимостью операций сопоставляют им также стоимость в контексте углеродного следа. Если мы обладаем максимально полной информацией об операциях, например, производства полимерной пленки, то потенциально можем пересчитать финансовые и нефинансовые затраты при изменении методологии. Более того, мы также можем проводить моделирование различных сценариев в зависимости от изменений в качестве сырья, генерации и потребления электроэнергии, в том числе зеленой, а также в случае оптимизации самих процессов производства. Таким образом, при определении ESG-результативности мы можем применять как большие данные, так и искусственный интеллект, который нужен для моделирования и решения оптимизационных задач.

Подробнее о вопросах искусственного интеллекта в контексте ESG я расскажу на форуме «Дело в людях», который состоится 24 октября.