Искусственный интеллект трансформирует автобизнес. Или нет?

Можно услышать, что происходящий сегодня резкий рост сфер применения искусственного интеллекта — это скачок в будущее. Думается, это только начало пути. Но здоровый пессимизм не должен давать оснований рассматривать ИИ как нечто сверхъестественное и мгновенно изменяющее мир, а только как набирающий обороты новый инструмент со всеми возможными плюсами и минусами.

В автомобильной индустрии стало абсолютно нормальным явлением, что каждый раз при запуске новых моделей бренды сообщают о применении инструментов ИИ в их создании и производстве, об интеграции нейросетей в системы управления, о широком использовании ChatGPT (Siri, Gemini, YandexGPT) — как минимум в голосовых ассистентах, помогающих водителям и отвечающих на самые разнообразные вопросы, и совсем не только о погоде или пробках на дороге. Лидары, камеры, датчики, различные электронные блоки управления уже относительно давно применяются в большинстве моделей — и словосочетание «гаджет на колесах» уже не требует никаких пояснений. Однако глобальных изменений в автобизнесе из-за применения инструментов ИИ пока не происходит, идет отладка и улучшение некоторых процессов.

Конкуренция, «новые» автобренды и цены

В последние десятилетия происходила консолидация (объединение и поглощение) автобрендов в глобальные автоконцерны, где удавалось снижать производственные и маркетинговые издержки за счет синергии и больших объемов совместного бизнеса. Но сегодня на рынке появляется всё больше и больше новых, независимых от традиционных концернов автомобильных марок. При этом в мировом масштабе годовой объём продаж новых транспортных средств остается достаточно стабильным, и это предвестник нового раунда жестокой конкурентной борьбы за потребителей.

На первый взгляд, такая ситуация должна стать выигрышной для покупателей — они получают шанс за меньшие деньги приобрести более продвинутый и качественный автомобиль. Однако экономическая политика региональных правительств тут грубо вмешивается в бизнес, показывает свой нрав и регулирует цены: американцы вводят 100-процентную пошлину на электромобили из Китая и спонсируют собственных производителей, европейцы стараются закрыть свои авторынки и минимизировать продажи «чужаков» самыми разными способами, да и призывы отечественных автопроизводителей к регулярному увеличению размеров утилизационного сбора на импортные автомобили также работают против потребителей.

Ещё раз об ИИ

Замена людей нейросетями

Несколько настороженно и с изрядной долей сомнения большинство из нас наблюдает за постоянно возрастающим глобальным интересом к ИИ в медиаресурсах и за доминированием данной темы в информационном пространстве. Это особенно заметно каждый раз после выхода новых версий ChatGPT, Gemini, YandexGPT и их многочисленных конкурентов. При появлении свежей информации о новых продуктах, использующих ИИ, от таких технологических лидеров, как Apple, Tesla, Amazon, Xiaomi и других, количество публикаций бьет рекорды. Microsoft уже внедряет в Windows 11 инструменты, использующие искусственный интеллект, и делает доступными для пользователей — скоро почти каждый компьютер возьмет их на борт. Nvidia, которая быстро выходит в мировые лидеры по капитализации, как и растерявший былое преимущество Intel, подтверждает поддержку в процессорах и видеокартах новых моделей ИИ. Таким образом, технологические лидеры продолжают продвижение ИИ в своих продуктах, да и конкуренты дышат в спину.

Ограничения

Блогеры и журналисты уже многократно объяснили населению планеты, что искусственный интеллект — это возможность компьютеров без участия человека предлагать решения самых сложных интеллектуальных задач. Количество роликов и публикаций о новых возможностях громадно и находится за пределами простого обывательского интереса. Однако нельзя забывать, что ИИ может быть столь же хорош, как и те данные, на которых он обучен. Если данные субъективны, неполны или неточны, система ИИ будет генерировать такие же некорректные решения. Также почти ничего не слышно о том, что любое из предложенных ИИ решений ограничено используемыми алгоритмами. Это скрывается, игнорируется, замыливается. Мы признаём почти общее непонимание того, как же ­всё-таки ИИ работает, но это никого не останавливает от многочисленных прогнозов и бесконечных обсуждений «светлого будущего», построенного с использованием искусственного интеллекта.

Словарь Т9

Наиболее понятное большинству объяснение принципов работы ИИ — это его сравнение со словарем системы интеллектуального набора слов Т9, который давно подсказывает нам слова и фразы при написании СМС и сообщений в мессенджерах. И если Т9 для своих подсказок применяет сильно ограниченное количество вариантов и данных, то современный ИИ — всю информацию (языковая модель), накопленную и содержащуюся в Сети, с использованием собственного опыта, современных вычислительных мощностей и сложных алгоритмов, старающихся моделировать работу человеческого мозга.

Новые гигафабрики

Видеоролики в Сети с показом «футуристического и фантастически оптимизированного» процесса появления на свет автомобилей в безлюдных цехах фабрик Tesla, Xiaomi и других компаний набирают миллионы просмотров. Роботизированные производственные цеха под управлением программ, использующих ИИ, — это отличный пример успешного продвижения и эффективных маркетинговых и рекламных коммуникаций, которые шаг за шагом переключают внимание аудитории с классических автопроизводителей на новых игроков.

На современном автомобильном производстве, использующем инструменты ИИ, минимизируется риск остановки конвейера: нейросеть следит за процессом, самостоятельно выявляет, предсказывает и предлагает решение возможных проблем и наведение порядка — но только в рамках заложенных в них алгоритмов. Управленческие решения высокого уровня остаются в компетенции менеджеров. Привлечение инструментов ИИ к процессу управления производством позволяет менеджерам более обоснованно делать многое: повышать технологичность и качество, снижать издержки и контролировать себестоимость, плавно корректировать объём выпуска продукции в зависимости от спроса, управлять складской и производственной логистикой, то есть создавать конкурентные преимущества для выпускаемых на таких фабриках автомобилей.

Безопасность на дорогах

Система помощи водителю (Advanced Driver Assistance Systems, ADAS) неплохо известна и широко распространена. Может быть пассивной и активной, работает на основе машинного зрения. Пассивная помощь привлекает внимание водителя к возникающим рискам звуковыми или вибросигналами, а активная помогает удерживать автомобиль в выбранной полосе или прибегать к экстренному торможению при наступлении аварийной ситуации. При этом возможность принять решение за человека, управляющего автомобилем, имеет неопределенный юридический и правовой статус, как и в обсуждаемом далее проекте автономных автомобилей.

Системы, использующие инструменты ИИ, могут действовать в режиме реального времени на основе сигналов от различных чипов, датчиков и камер, а также участвовать в обмене информацией с другими участниками движения. Популярны и хорошо работают системы распознавания образов — распознающие дорожные знаки и ограничения, пешеходов на тротуарах, переходах и проезжей части. Они принимают во внимание наличие других движущихся и припаркованных транспортных средств, а также фиксируют появление неожиданных препятствий на дороге и преду­преждают водителя об этом. Такие системы помогают водителям принимать корректные решения, обеспечивая более безопасное и эффективное управление транспортом.

Не подлежит сомнению, что полноценное внедрение ИИ в управление автомобилями (так называемые беспилотники) могло бы позволить сократить число ДТП в разы, так как искусственный интеллект управляет автомобилем лучше, чем человек: не устает, не отвлекается, не болеет, не подвержен нервным стрессам, не нарушает правила, не курит, не выпивает и не принимает наркотики и даже не разговаривает по телефону. Но на практике до этого достаточно далеко, несмотря на весь оптимизм разработчиков и СМИ по данному поводу. К сожалению, любые приборы могут выйти из строя или нормального режима работы в условиях аномальных природных явлений и просто плохой погоды — снег, дождь, грязь на дорогах, сильный ветер делают лидары, датчики и камеры бесполезными. Человек, при всех его недостатках, в таких ситуациях незаменим (конечно, если он трезв и здоров).

Беспилотные автомобили

Одной из наиболее обсуждаемых в медиапространстве тем является ожидание положительного решения об эксплуатации на дорогах общего пользования беспилотных автомобилей, которые могут самостоятельно двигаться в транспортных потоках — без участия человека. Вопрос очень непростой, требующий учета множества факторов, и не только информационных и технических, так как, кроме безопасного для окружающих управления автомобилем, включает и необходимость передачи искусственному интеллекту решения комплекса морально-­этических вопросов.

Например, что делать и кто будет нести ответственность за любое решение ИИ в такой аварийной ситуации: на дороге появился человек, перед которым транспортное средство не успевает затормозить. Сбивать нарушителя, направлять свой автомобиль с пассажирами на борту на обочину, встречную полосу, на разделительный отбойник? Пока глобально или хотя бы локально не приняты правила юридической (или даже уголовной) ответственности за решения ИИ в подобных ситуациях, будущее автономных транспортных средств непонятно, так как неопределенность правового статуса — вопрос слишком сложный и серьезный. Возможный путь решения — начать с выделенных участков дорог или территорий, на которых появление непредсказуемых транспортных средств, граждан и животных вне пешеходных переходов станет маловероятным, но таких мест практически нет.

Когда мы слышим о быстром приближении эпохи беспилотных автомобилей, включая роботакси и коммерческие грузовики, то никак нельзя забывать и о занятости населения — важном социальном вопросе. В большинстве стран профессия водителя является массовой. По данным Международного союза автомобильного транспорта, только водители грузовиков (не считая такси и пассажирских перевозок) могут составлять около 5% от общего числа занятых в развитых странах и 10% — в развивающихся. Так что, несмотря на глобальный дефицит водителей сегодня, беспилотники своим появлением на дорогах могут спровоцировать резкий рост ­безработицы. А это генерирует новые социальные и бюджетные проблемы. Поэтому, если быть реалистами, при обсуждении перспектив для рынка беспилотных автомобилей нужно признать, что это один из проектов достаточно далекого будущего.

Система менеджмента качества в автобизнесе

СМК присутствует как многофакторное явление на всех этапах разработки и создания автомобилей, производства и логистики, дистрибуции и работы дилерских сетей по продажам и обслуживанию, при эксплуатации, техобслуживании и ремонте, при организации вторичного рынка и утилизации. Не является тайной и то, что недостаточное внимание хотя бы к одному из этапов жизненного цикла транспортных средств создает серьезные проблемы любому автопроизводителю. Такие истории неплохо известны и находят отражение как в бизнес-­кейсах, так и в литературе и кинематографе.

Наступивший в 2020-годах новый этап жесткой конкуренции, когда китайский автопром перешел от внутреннего рынка к глобальной мировой экспансии, вполне может оставить за бортом тех, кто недорабатывает, в том числе в вопросах СМК. Активное внедрение инструментов ИИ в автомобилестроении дополнительно подчеркивает, что эта отрасль остается на передовых позициях и оперативно внедряет самые последние достижения науки и техники.

С появлением AGI (Artificial General Intelligence) — общего искусственного интеллекта, который, по мнению ведущих исследователей, «заменит среднего человека» и «возможности которого превзойдут человеческие», появится еще больше поводов для нового развития и улучшения дел в отрасли.

Разработка и создание новых моделей

Непривычно большое количество появившихся за последние годы новых моделей автопрома формирует общественный интерес к тому, как же такие новинки появляются. Кто, когда и почему в компании-производителе решает выпустить новую модель? Из открытой печати известно, что срок появления нового автомобиля колеблется от 60 до 72 месяцев и стоит такая разработка миллиарды долларов. Это неточно, да и лукавства в этих цифрах более чем достаточно — начиная с того, что же является на самом деле новой моделью, а что рестайлингом, фейслифтингом или кроссбеджем. Конечно, в процессах принятия решений каждый идет своим путем, но есть и много общего. В приоритетах новой реальности — сокращение сроков и стоимости разработок.

Прогноз потребностей рынка на несколько лет вперед — дело рискованное и сложное. Продуктовая «кухня» работает на «ингредиентах» из открытых источников и разведданных о действиях конкурентов, анализе различных опросов и работы фокус-групп, оценке предпочтений разных региональных рынков (США, Китай, Европа), требований законодательства, органов по сертификации. Кроме бенчмаркинга, немаловажное значение имеют и внутренние установки топ-менеджеров компаний на то, какими они видят новые успешные модели своего бренда.

При этом существуют как собственные технологические ограничения у автопроизводителей, так и рамки возможностей у поставщиков материалов, элементов кузова и подвески, интерьера и экстерьера, электронных компонентов. Необходимость для создателей новых моделей учесть большое число разнообразных внешних и внутренних факторов на очень коротком временном интервале — нетривиальная задача, у которой единственно правильного решения просто нет.

Моделирование таких бизнес-кейсов с применением инструментов ИИ может положить на стол менеджмента не только прогноз по доле рынка, но и «матрицу возможных решений» по дизайну, инжинирингу и производству разрабатываемых моделей, а также оценку по общему для всех алгоритму каждого из возможных вариантов, в том числе по себестоимости и временным затратам.

Маркетинговые исследования

Известные на рынке программные решения с использованием ИИ уже стали эффективным инструментом в исследованиях, позволяющим повысить точность сбора и анализа данных, прогнозирование направлений и тенденций развития, оптимизацию позиционирования и ценообразования вновь разрабатываемых продуктов. Признано, что анализ данных, нейронные сети и машинное обучение взаимосвязаны и вместе образуют инструмент нового уровня для обработки информации и определения неявных закономерностей.

Анализ данных

Интеллектуальный анализ данных — на всех этапах создания, использования и самообучения нейросетей — это ключ к их успешному применению. В маркетинге служит для определения целевой аудитории и позиционирования создаваемого нового продукта. При анализе используются, например, алгоритмы кластеризации для группировки моделей по сегментам, ценам, ряду других характеристик. Это помогает точнее спрогнозировать целевую аудиторию и, соответственно, более корректно позиционировать разрабатываемые новые модели.

Нейросети

Выполняют обработку информации, реализуя (если точнее — копируя, моделируя) работу нейронов в мозге человека: могут проводить анализ отзывов и оценок потребителей как по собственной продукции, так и о конкурентах. Делается это для того, чтобы выделить из массива данных скрытые закономерности и определить именно те ключевые слова и темы, которые связаны с потребностями и предпочтениями. Такая информация дает возможность более точно понять структуру и тренды потребительского спроса на сегодня, что повышает вероятность успешной разработки и предложения на рынок новых продуктов, которые с высокой вероятностью будут способны удовлетворить спрос и завтра, и в ближайшей перспективе.

Машинное обучение

Позволяет компьютерным системам автоматически обучаться и улучшать свои алгоритмы и программы без необходимости их переписывать — на основе опыта. Это помогает проводить качественный и количественный анализ данных по продукции и по продажам конкурентов, включая цены, маркетинговые стратегии и дистрибуцию автомобилей, а также технические параметры. Таким образом, можно детально сравнить существующий или будущий продукт с товарами конкурентов, оценить и спрогнозировать его сильные и слабые стороны для принятия соответствующих решений.

Инжиниринг, дизайн, экстерьер, интерьер

Создание нового автомобиля включает в себя несколько этапов, на каждом из которых могут быть задействованы решения с применением методов искусственного интеллекта. Основное — прогноз будущих трендов с высокой достоверностью и оценка предпочтений потребителей на основе комплексного анализа данных и информации из самых разных источников.

Интерьер: разрабатываются эскизы, выбираются дизайнерские темы, материалы отделки и т. д. Нейросети здесь можно задействовать для анализа оценок и отзывов о предыдущих моделях бренда и конкурентах, а также для выделения ключевых слов и тем, связанных с предпочтениями в дизайне и материалах.

Экстерьер: разрабатывается внешний дизайн, моделируется аэродинамика кузова и оптимизируется его форма, подбираются цвета, варианты сочетаний цветов салона и кузова. Инструментарий ИИ может быть использован для оптимизации и ускорения таких операций, как расчеты по уменьшению аэродинамического сопротивления, увеличению жесткости кузова, ударопрочности и долговечности, а также при моделировании повреждений и деформаций в результате краш-тестов. Внедрение такого моделирования и расчетов помогает конструкторам и разработчикам создавать новые модели в относительно более короткие сроки, чем ранее.

Визуальные концепты новых моделей

Необходимы для показов на внутренних и внешних презентациях, выставках и конференциях. Здесь функционал ИИ может быть задействован для разработки анимационных и 3D-прототипов, демонстрирующих дизайн и функциональность новой модели. Анализ мнений, отзывов и предложений по концепту будущей модели поможет выделять не только достоинства, но и спорные решения и недостатки, а также прогнозировать и принимать во внимание ожидания потребителей от новинок автопрома.

Натурные испытания опытного образца

Важная часть работы, без которой невозможно начало массового производства. В инженерных тестированиях и испытаниях инструмент ИИ может быть использован для мониторинга, сбора и анализа результатов измерений, показаний разнообразных датчиков, отслеживания контрольных параметров, определяющих безопасность и надежность конструкции и установленного оборудования.

Такая информация применяется для комплексного анализа прототипа по известным разработчикам критериям — как с целью поиска и выделения ключевых проблем, выявленных при тестировании и краш-тестах, так и для разработки рекомендаций по их устранению. Безусловно, роль инструментов ИИ здесь очень важна с точки зрения сбора и обработки больших массивов данных, однако окончательные решения остаются за инженерами и конструкторами.

Производственный процесс и качество

Искусственный интеллект уже сегодня находит широкое применение в оптимизации производственных процессов и контроле качества. ИИ-системы моделируют и анализируют производственные операции, выявляя узкие места и точки для улучшений. Комплексный мониторинг качества с использованием ИИ позволяет предупреждать возможные проблемы и оперативно на них реагировать. В ближайшей перспективе — массовое внедрение интеллектуальных роботов, которое может кардинально перестроить все процессы.

Продажи и персонализация предложений

Конечной целью и производителей, и дилеров является продажа конечному покупателю. Автомобиль — один из самых дорогих продуктов на рынке, и именно поэтому каждый потенциальный покупатель — на вес золота. В работе с потребителями персонализация предложений и подбор автомобиля по параметрам уже широко применяются, однако внедрение инструментов ИИ в процесс может создать новые конкурентные преимущества в дилерском бизнесе.

Клиент может указать свои предпочтения по ценам, скидкам, кредитным и трейд-ин-предложениям, типу и цвету кузова/интерьера, комплектации, мощности и техническим характеристикам и так далее, в ответ на которые программа подбирает подходящий вариант из наличия на общем складе или в ближайшей поставке. Такое персональное предложение должно существенно упростить процесс выбора для каждого конкретного покупателя, повысить вероятность заключения сделки и конверсию, а также увеличить средний чек продаж. Согласен с тем, что встречу лицом к лицу и рукопожатие по результатам переговоров о приобретении автомобиля ничто полноценно заменить не сможет, но персонализированное предложение способно сильно упростить проведение таких встреч с покупателями.

Оптимизация дилерских складов

Состояние склада — это особая «кухня», не только определяющая прибыльность дилерских предприятий, но и генерирующая основные издержки. Применяемые сегодня методы оптимизации дилерских складов могут быть успешно дополнены ИИ-решениями для анализа данных о рынке и конкурентах, о последних сделках дилера, об истории продаж и о жизненном цикле разных моделей, сезонности, поведении и запросах клиентов — для построения прогноза ожидаемого спроса и объемов продаж.

На основе таких прогнозов формируются оптимальные производственные заказы на фабрики и логистические цепочки, что в идеальном варианте позволяет минимизировать риски и затоваривания, и дефицита. Но далеко не всегда возможно оптимизировать склады, и неликвидные модели регулярно на них появляются. Здесь инструменты ИИ должны помогать вовремя выявлять проблемы и разрабатывать стратегии распродаж излишков — для сокращения издержек. Но окончательное решение проблем — за менеджерами, то есть за человеком.

Контроль технического состояния автомобилей

Этот важный вопрос сегодня находится в руках владельцев транспортных средств и мастеров-приемщиков сервисных станций. Современные электронные блоки управления проводят автоматизированный мониторинг и позволяют осуществлять централизованное отслеживание данных телеметрии, самодиагностику и прогнозирование неисправностей, дают водителям рекомендации по профилактическим работам (чаще всего «посетите сервисный центр») — то есть неплохо справляются с контролем технического состояния. Однако решение о посещении сервисного центра всё равно принимает водитель. И если в корпоративных автопарках игнорирование рекомендаций чаще всего недопустимо, то для частных собственников однозначных решений нет.

Хочется надеяться, что нейросети найдут индивидуальный подход к каждому автомобилисту — как рассчитывая на сознательность, так и делая недоступными отдельные функциональные возможности транспортного средства до устранения выявленных проблем. Например, ограничивая мощность или максимальную скорость, возможности мультимедиа, отключая возможность обновления софта и т. д. Конечно, внедрение инструментов ИИ принципиально подход к техническому обслуживанию не изменит, однако поможет провести некоторую корректировку.

Проблемы и риски

Несмотря на стремительное развитие технологий искусственного интеллекта и их широкое внедрение, всем нам важно понимать, что ИИ не является совершенным инструментом. Он имеет и ограничения, и недостатки, о которых необходимо помнить любому руководителю, принимающему управленческие решения. Внедрение ИИ в автобизнес не только расширяет возможности, но и генерирует целый ряд новых проблем и рисков (нет речи о «восстании машин» — надеюсь, этого не случится никогда), которые требуется принимать во внимание и стараться минимизировать.

Риск 1. Доверие и безопасность

Использование ИИ сложных алгоритмов и непонимание персоналом принципов работы нейронных сетей может создать проблемы с прозрачностью и объяснимостью предлагаемых решений и, соответственно, с безопасностью. ИИ не всегда точен в прогнозах и выводах — они могут быть неполными или содержать ошибки. Известно, что ИИ зависит от качества и полноты данных, на основе которых обучается, а также от сложности решаемых задач; он не обладает человеческим здравым смыслом и способностью к глубокому пониманию контекста.

Риск 2. Надежность и достоверность

Кибератаки и хакерские вмешательства в работу компьютерных систем, а также неточности и ошибки в алгоритмах ИИ чреваты негативными эффектами, например в логистике и на производстве. Но самое главное — это риск возникновения аварийных ситуаций, угрожающих безопасности людей. Исследователи признают вероятность не только случайных ошибок, вызванных несовершенством алгоритмов, но также риск преднамеренного обмана и манипуляций доверием со стороны злоумышленников.

Риск 3. Высокая стоимость и несоответствие ожиданиям

Внедрение технологий ИИ сопряжено с высокими затратами, которые не всегда оправдывают себя. Желание руководства компаний идти в ногу со временем и поспешно внедрять эти инструменты без четкой расстановки приоритетов и постановки конкретных целей может обернуться дополнительными рисками для бизнеса. Помимо финансовых и временных потерь, такой подход может привести к стратегическим ошибкам в развитии. Если внедрение ИИ не соответствует реальным потребностям бизнеса и не интегрируется должным образом в существующие процессы, оно может не оправдать ожиданий.

Краткое резюме

Поднимать сегодня вопрос о том, заменят ли инструменты ИИ людей, рановато, хотя это и перестало являться частью фантастики, а бизнес-среда и системы образования уже готовят к этому. Необходимо помнить: ключевые решения остаются за человеком, так как ничего принципиально нового ИИ не может сгенерировать — он работает в рамках готовых алгоритмов, и все красивые и правильные тексты, имиджи, видео — это компиляция из ранее созданных человеком книг и статей, рисунков, картин, фотографий, видео. А моделирование нейросетями работы человеческого мозга — пока еще упрощенное и схематичное.

С новыми возможностями появляются и новые риски, которыми нужно грамотно управлять. И в этом человека заменить нельзя. Следует соблюдать осторожность и баланс между проверенными временем подходами и последними разработками, чтобы обеспечить стабильность и преемственность.

Автомобилестроение не может оставаться в стороне от модного тренда на повсеместное внедрение инструментов ИИ, что позволяет говорить об ожидании серьезной трансформации отрасли. Да, пока только об ожидании. Те вопросы, которые давно «перезрели», получают шанс быть рассмотренными заново, но уже с использованием инструментария ИИ. Вот только некоторые из них: оптимизация процессов создания, производства, продаж и эксплуатации автомобилей, повышение уровня их интеллектуальности, энергоэффективности и безопасности, улучшение клиентского опыта.

Менеджеры должны осознавать ограничения ИИ и не полагаться на него как на единственного консультанта при принятии решений. Только комплексный подход, сочетающий возможности ИИ и человеческий интеллект, критический анализ любых инноваций, сопоставление с практикой и жизненным опытом, позволит автобизнесу максимально эффективно использовать новые возможности. Или нет?

РИА «Стандарты и качество»

Самая страшная дорога России: вот как выглядит федеральная трасса «Колыма» в 2024 году.