Матео Сальватто: «Главная ошибка — внедрять искусственный интеллект, не зная, для чего он нужен»

РОСАРИО. — «Если сегодня не внедрить искусственный интеллект во всё, то ты либо останешься в стороне, либо разоришься». По мнению Матео Сальватто, эта идея является одной из самых больших ошибок, которые сейчас укореняются в отношении новой технологии. Предприниматель, создатель приложения «Háblalo», предложил иной взгляд на ситуацию: прежде чем спешить внедрять искусственный интеллект просто из-за моды, компании должны задаться вопросом, какие проблемы они хотят решить и в каких процессах он действительно может принести пользу. Во время беседы об инновациях, в которой также участвовали Мартин Наварро, руководитель отдела «Новые цифровые решения» компании Bayer Crop Science, и Алехандро Диес, исследователь в области селекции кукурузы в этой компании, Сальватто заявил, что влияние искусственного интеллекта заключается не в замене людей, а в повышении эффективности работы команд. По его мнению, обсуждение не должно сосредотачиваться на том, использует ли компания ИИ или нет, а должно быть направлено на выявление тех задач, которые отнимают время и ресурсы и которые можно решить более эффективно. Чтобы пояснить эту идею, он привёл примеры из опыта своих собственных компаний. Он рассказал, что сегодня руководит компанией-разработчиком программного обеспечения, специализирующейся на создании инструментов для людей с ограниченными возможностями, а также другой компанией, занимающейся 3D-печатью бетона. В обеих, по его словам, искусственный интеллект перестал быть единичным экспериментом и стал повседневным инструментом. «Все наши инженеры работают с «вторым пилотом», который программирует вместе с ними. Заменяет ли он их? Совсем нет». «Это помогает им и делает их работу гораздо более эффективной», — пояснил он. Он пояснил, что коммерческое предложение, на которое раньше у него уходило около 45 минут, сегодня он оформляет за три. «Автоматизация повторяющихся задач — это лишь первый уровень», — уточнил он: «Первый уровень — это автоматизация трудоемких или повторяющихся процессов». Второй, более важный уровень, отличается: «Речь идет не просто об автоматизации одной задачи, а об автоматизации целого рабочего процесса». В качестве примера можно привести разработку программного обеспечения, которое сегодня с помощью ИИ может быть сгенерировано на основе заказа клиента и готово к использованию после проверки программистом: «На это у меня ушло на месяц меньше, чем раньше», — пояснил он. По мнению Сальватто, одной из самых распространённых ошибок является внедрение инструментов ИИ для всей организации без предварительного определения того, как каждый отдел будет их использовать. В его компаниях сначала попросили все подразделения предложить, где искусственный интеллект мог бы принести пользу, а затем сравнили предложения. «Каждая команда представила своё предложение о том, почему она хочет использовать искусственный интеллект и для чего. Некоторые идеи были одобрены, а другие — нет. Главное было дать возможность для обсуждения», — рассказал он. Сам Сальватто разработал бота, который каждое утро проверяет его электронную почту, LinkedIn и незавершённые задачи, чтобы организовать рабочий день. «Он составляет для меня сводку на день и помогает разобраться в незавершённых делах», — рассказал он. Он также рассказал, как эта технология позволила ускорить разработку «Háblalo» — бесплатного приложения для людей с ограниченными возможностями, которым сегодня пользуются полмиллиона человек, — с помощью функций управления взглядом и помощников для слепых. «Много лет назад мы мечтали об этой технологии, но не могли ее профинансировать. Теперь искусственный интеллект позволил нам разработать её гораздо быстрее», — заявил он. «Искусственный интеллект также меняет подход компании Bayer к выведению новых гибридов. Алехандро Диес пояснил, что эти инструменты не заменяют работу по селекции или полевые испытания, а помогают принимать более быстрые и точные решения на протяжении всего процесса. «По сути, он усиливает и оптимизирует то, чем мы уже занимаемся», — резюмировал он. «Как он уточнил, программы селекции сегодня учитывают генетическую информацию, климат, почву и окружающую среду для оценки тысяч комбинаций с помощью прогнозных моделей, что позволяет анализировать гораздо больше материалов, чем раньше — от 1000 до 100 000, — уточнил он, — и предсказывать, какие из них имеют наибольшие шансы на успех. Кроме того, он отметил, что модели позволяют решать, какие гибриды целесообразно оценивать в каждом конкретном регионе, без необходимости высевать их все в любых условиях, поскольку на основе имеющейся информации о родственных материалах можно предсказать, как они будут реагировать. «Одним из важнейших изменений стало сокращение сроков процесса». «Раньше цикл селекции длился пять лет. Сегодня этот срок сократился в 15 раз: мы можем проводить три цикла в год», — отметил он. Такое ускорение, пояснил он, позволяет сократить время, необходимое для вывода новых сортов на рынок. Он также указал, что производитель стал играть гораздо более важную роль в процессе селекции. «Раньше учитывалась только урожайность. Теперь же оценивают, дает ли он урожай, подвержен ли он болезням, ломается ли, опрокидывается ли, и какое влияние это может оказать на решение фермера», — подчеркнул он. Таким образом, пояснил он, в селекции перестали учитывать исключительно производственный потенциал и стали учитывать признаки, влияющие на управление и решения, которые принимает производитель в каждом сельскохозяйственном сезоне. «Наварро продемонстрировал, как эта работа продолжается после того, как гибрид поступает на рынок. Он пояснил, что сегодня к мешку с семенами прилагается не только общая рекомендация, но и набор цифровых инструментов на основе искусственного интеллекта, которые помогают выбрать наиболее подходящий гибрид для каждого участка, определять переменные плотности посева и внесения азота, отслеживать состояние посевов с помощью спутниковых снимков, оценивать фенологическое состояние без необходимости выезжать на поле, анализировать результаты уборки урожая для корректировки будущих решений и измерять такие показатели, как углеродный след и прослеживаемость производства. По его словам, цель заключается в том, чтобы технологии сопровождали производителя на протяжении всего цикла выращивания, а не только на этапе покупки. «Сегодня продается не просто продукт, а продукт в сочетании с услугой», — подытожил он. "