Введение
В современных условиях инновационная деятельность перестала быть одним из возможных путей развития и стала основным фактором выживания любого предприятия [1]. Научно-технический прогресс сместил акценты с материальных активов на интеллектуальный капитал. Способность генерировать новые идеи и эффективно воплощать их в коммерчески успешные продукты определяет долгосрочную конкурентоспособность и устойчивость компании в динамично меняющейся среде.
Особое место в структуре современного инновационного процесса занимают технологии, которые позволяют осуществлять управление системами на естественном языке без необходимости глубокого знания синтаксиса языков программирования. Это явление сильно упрощает процесс создания инноваций, т. к. химики, физики, экономисты и другие сотрудники из разных сфер теперь могут создавать сложные алгоритмы и прототипы напрямую, минуя программистов. Теперь эксперт в предметной области может объяснить задачу интеллектуальной системе даже на русском языке, а система самостоятельно сгенерирует необходимый программный код или построит модель процесса.
Целью статьи является исследование проблем и роли искусственного интеллекта в цифровой трансформации современной экономики России и в инновационном обновлении ведущих отраслей промышленности.
Для реализации указанной цели были сформулированы следующие задачи:
– проанализировать влияние искусственного интеллекта на структурные трансформации производственного сектора современной экономики России;
– определить проблемы и барьеры внедрения сервисов искусственного интеллекта в ведущих отраслях промышленности;
– выявить асинхронность влияния искусственного интеллекта на различные отрасли промышленности.
Влияние искусственного интеллекта на цифровую трансформацию отечественной экономики
Искусственный интеллект выступает сегодня основой для нового этапа цифровой трансформации современной российской экономики [2]. Интеллектуальные системы не ограничиваются только автоматизацией основных производственных процессов. Использование нейронных систем охватывает и уровень оперативного и стратегического управления современным предприятием, организации системы контроля качества продукции на всех этапах ее производства [3], что обусловлено глобальным переходом современных производственных систем к концепции Индустрии 4.0.
Большую роль цифровые платформы искусственного интеллекта в настоящее время играют на этапе создания новых продуктов, на этапе НИОКР. Они позволяют формировать технические задания, просчитывать экономический эффект, готовить программу технологических испытаний новой продукции [4]. Таким образом, существенно повышается конкурентоспособность отечественных предприятий и изменяется контур глобальной конкуренции на ведущих рынках, придавая процессам выхода новой продукции более высокую динамику [5].
Возможности применения сервисов искусственного интеллекта весьма разнообразны. Вместе с этим, если касаться производственных систем, в большей степени в настоящее время наблюдается активность его использования в трех основных областях: автоматизация производства, анализ данных и дизайн (рис. 1).
Рис. 1. Основные области использования сервисов искусственного интеллекта
в производственных системах
Fig. 1. Main areas of use of artificial intelligence services in production systems
Автоматизация производственных процессов – это традиционное поле использования искусственного интеллекта, которое наблюдается на этапе изготовления деталей, конвейерной сборки и контроля качества изделий [6]. Анализ данных необходим для организации производственного процесса, оперативного и стратегического управления производством и предприятием в целом, включая управление финансами, дебиторской задолженностью и др. Также так называемая предиктивная аналитика может использоваться на этапе обслуживания и ремонта оборудования. И наконец, дизайн, который стал применяться сравнительно недавно, позволяет значительно сократить затраты, в том числе и временные, на разработку новой продукции, обеспечение ее товарного вида с точки зрения маркетинговых предпочтений [7]. Как было отмечено, искусственный интеллект сегодня все больше входит в инструментарий стратегического управления компанией, для анализа данных и генерирования альтернативных решений [8] в области маркетинга, инвестиций и др. [9].
Согласно данным статистики, внедрение систем искусственного интеллекта происходит в различных отраслях не вполне синхронно, особенно если его использование рассмотреть в рамках дифференциации функциональных и территориальных подсистем единой производственной экосистемы предприятий конкретной отрасли (рис. 2).
Рис. 2. Взаимодействие территориальной и функциональной подсистем производственной экосистемы
Fig. 2. Interaction of the territorial and functional subsystems of the production ecosystem
На основании подобного рода дифференциации можно определить уровень внедрения искусственного интеллекта в совокупный производственный процесс по следующим формулам:
;
,
где dFn – уровень использования искусственного интеллекта в функциональной подсистеме совокупной производственной системы; Fn – количество доступных сервисов искусственного интеллекта в конкретном производственном процессе; Fmax – максимальный доступ к конкретным сервисам искусственного интеллекта в производственном процессе; dTn – уровень использования искусственного интеллекта в территориальной подсистеме конкретного производственного комплекса;
Tn – количество доступных сервисов искусственного интеллекта в конкретной территориальной подсистеме производственной экосистемы; Tmax – максимальный доступ к конкретным сервисам искусственного интеллекта в конкретной территориальной подсистеме производственной экосистемы.
В этом случае интегральный показатель доступности или уровня использования искусственного интеллекта в производственных системах будет иметь вид:
,
где Gi – интегральный показатель уровня доступности сервисов искусственного интеллекта в единой производственной экосистеме; k1, k2 – корреляционные коэффициенты.
В соответствии с приведенным подходом можно рассчитать интегральный показатель уровня использования искусственного интеллекта для ведущих отраслей промышленности (табл. 1).
Таблица 1
Table 1
Значение интегрального показателя уровня доступности сервисов искусственного интеллекта
в производственной экосистеме по ведущим отраслям промышленности
Value of the integral indicator of the level of availability of artificial intelligence services
in the production ecosystem across leading industrial sectors
|
Отрасль промышленности |
Gi |
|
Добывающая промышленность |
0,56 |
|
Металлургия |
0,64 |
|
Машиностроение |
0,71 |
|
Приборостроение |
0,89 |
|
Пищевая промышленность |
0,68 |
|
Химическая промышленность |
0,74 |
Экономический эффект от применения инструментов искусственного интеллекта носит комплексный характер [10]. Он складывается из сокращения издержек на разработку и производство, а также роста выручки за счет вывода на рынок более совершенных продуктов и услуг [11]. Однако отношение к инструментам искусственного интеллекта и системам автоматизации неоднозначно. Эксперты видят в автоматизированных системах на основе искусственного интеллекта как значительные преимущества, которые связаны с облегчением выполнения задач, так и серьезные угрозы. Негативные последствия внедрения инструментов искусственного интеллекта связаны с опасениями по поводу потери контроля и усиления конкуренции. Для эффективного преодоления этих проблем нужна их четкая идентификация и классификация. Основные барьеры, которые затрудняют применение инструментов искусственного интеллекта в наукоемких отраслях промышленности, были сгруппированы и систематизированы в табл. 2.
Таблица 2
Table 2
Основные препятствия при внедрении технологий искусственного интеллекта
Main obstacles in the implementation of artificial intelligence technologies
|
Категория препятствий |
Содержание проблемы |
|
Технологические |
Недостаток качественных данных для обучения инструментов искусственного интеллекта. Сложность интеграции мультимодальных больших языковых моделей в существующую инфраструктуру предприятия |
|
Кадровые |
Дефицит специалистов с необходимыми компетенциями и низкий уровень готовности персонала к работе с новыми автоматизированными системами на основе искусственного интеллекта |
|
Экономические |
Значительные затраты на разработку и внедрение инструментов искусственного интеллекта |
|
Репутационные риски |
Предоставление некорректного или провокационного контента, который может быть создан с помощью инструментов искусственного интеллекта, несет в себе существенные репутационные риски и может привести к подрыву доверия со стороны клиентов и партнеров. Риск предвзятости ответов |
Использование мультимодальных больших языковых моделей требует от наукоемкого предприятия соответствующей системы управления данными. Поскольку данные составляют основу алгоритмов машинного обучения, крайне важно обеспечить сбор, очистку, хранение, а также безопасный доступ к информации. Качество исходных данных напрямую влияет на точность и ценность полученных результатов.
Таким образом, внедрение инструментов искусственного интеллекта сопряжено с определенными вызовами. Необходимость значительных первоначальных инвестиций в инфраструктуру, проблемы с качеством и доступностью данных для обучения больших языковых моделей, а также вопросы информационной безопасности вызывают опасения и являются барьерами для внедрения новых технологий на базе искусственного интеллекта.
Правовые и этические аспекты применения искусственного интеллекта
В современных условиях инструменты искусственного интеллекта являются основным драйвером инновационной деятельности [12]. Большие языковые модели эволюционировали, стали мультимодальными и теперь позволяют создавать прорывные инновации в наукоемких отраслях промышленности. Данные технологии оказывают влияние на конкурентоспособность и устойчивое развитие, формируя как новые возможности, так и вызовы [13].
Вопрос о нарушении авторских прав приобретает особое значение в контексте обучения больших языковых моделей на основе данных, которые были защищены авторским правом. Искусственный интеллект способен выявлять новые закономерности или предлагать формулу материала, которую исследователи даже не закладывали в гипотезу. Основная сложность заключается в определении субъектности искусственного интеллекта. Особенно вызывают неопределенность ситуации, при которых инновационные решения создаются с помощью инструментов искусственного интеллекта без участия человека.
Если инновация полностью создана с помощью мультимодальных больших языковых моделей, то нужно определить, кому будут принадлежать права на конечный результат. Права могут принадлежать как автору запроса, так и собственнику программы. Важно также учитывать, что разработчик алгоритма тоже может иметь право на инновацию, поэтому данная сфера нуждается в детальном законодательном регулировании.
Отсутствие сертификата соответствия на алгоритмы искусственного интеллекта должно являться юридическим препятствием для ввода в эксплуатацию инновационного оборудования. Если автономная система стала причиной промышленной аварии или финансовых убытков, то суд должен иметь возможность проанализировать цепочку решений, которые были приняты системой на основе искусственного интеллекта. Однако лучшие инструменты искусственного интеллекта, как правило, функционируют по принципу черного ящика, что затрудняет проведение расследований и установление причинно-следственных связей. Разработка нормативных требований к интерпретируемости алгоритмов является необходимым условием для обеспечения справедливости в цифровую эпоху [14].
Риски, которые связаны с использованием технологий дипфейков и синтеза голоса для промышленного шпионажа и мошенничества, требуют пересмотра процедур корпоративной верификации. Преступники могут использовать современные технологии искусственного интеллекта для имитации голосов руководителей и таким образом подделывать видеоизображения во время онлайн-переговоров. Именно поэтому наукоемкие предприятия должны внедрять современные механизмы подтверждения личности в цифровой среде.
Для систематизации выявленных вызовов целесообразно структурировать основные угрозы, которые возникают при внедрении искусственного интеллекта. Классификация основных угроз приведена в табл. 3.
Таблица 3
Table 3
Классификация правовых и этических аспектов применения искусственного интеллекта
в наукоемких отраслях
Classification of legal and ethical aspects of using artificial intelligence in knowledge‑intensive industries
|
Направление |
Ключевые вызовы |
Механизмы правового и этического |
|
Интеллектуальная |
Неопределенность правосубъектности искусственного интеллекта; нарушение прав авторов при обучении моделей; уте-чка уникальных промптов |
Адаптация ГК РФ (ч. 4) в части субъектности; внедрение стандартов прозрачности алгоритмов; правовая защита уникальных промптов; международные соглашения о за-щите информации |
|
Кибербезопасность |
Использование инструментов искусственного интеллекта для создания вре-доносного кода; атаки на критическую инфраструктуру; кража конфиденциальных производственных данных в об-лачных сервисах |
Локализация данных; обязательная сертификация алгоритмов безопасности; запрет на использование зарубежных инструментов искусственного интеллекта для секретных данных |
|
Трудовые отношения |
Безработица и обесценивание навыков; усиление цифрового неравенства; необ-ходимость массовой переквалификации персонала |
Государственные программы переобучения кадров; антимонопольное регулирование до-ступа к передовым моделям; корпоративные этические кодексы |
|
Ответственность |
Сложность определения виновного при ошибках автономных систем на основе искусственного интеллекта |
Юридическое закрепление ответственности за разработчиком; технические регламенты тестирования инструментов искусственного интеллекта перед вводом в эксплуатацию |
Вопросы технологического суверенитета и независимости критической инфраструктуры от зарубежных поставщиков становятся фактором национальной безопасности. Использование иностранных облачных платформ для автоматизации производственных процессов стратегических предприятий создает риски одностороннего отключения сервисов или скрытого воздействия на производственные процессы. Государственная политика должна поддерживать внедрение отечественных инновационных решений в области искусственного интеллекта.
Заключение
Таким образом, была установлена роль технологий искусственного интеллекта в трансформации традиционной методологии научно-исследовательских и опытно-конструкторских работ. Доказано, что искусственный интеллект является не только вспомогательным инструментом автоматизации рутинных операций, но и ключевым фактором ускорения инновационного цикла за счет применения методов компьютерного зрения, генеративного дизайна и предиктивной аналитики.
Делегирование рутинных операций позволяет высококвалифицированным сотрудникам сфокусироваться на решении стратегических задач. Однако внедрение инструментов искусственного интеллекта в наукоемкие отрасли РФ вызывает сложные правовые и этические проблемы. Разработка и использование автоматизированных систем поддержки принятия решений требуют контроля в критически важных областях. Преодоление выявленных препятствий позволит наукоемким предприятиям РФ не только адаптироваться к внешним вызовам, но и занять лидирующие позиции на рынке. В итоге только при условии создания прозрачной правовой основы, которая гарантирует безопасность общества и защиту прав человека, возможна успешная интеграция систем автоматизации на основе искусственного интеллекта.
