Роль R&D в ИИ-трансформации

Если проводить аналогию сегодняшнего дня и темы внедрения генеративного искусственного интеллекта (GenAI) с историческими периодами, то можно сказать, что сейчас мы живем во времена, когда было изобретено электричество, и во многих странах началась электрификация, однако, впереди еще длительный период, когда изобретатели будут придумывать способы применения этой технологии. Успех проникновения данной технологии лежал именно на изобретателях, именно они придумали множество разных приборов как бытового, так и промышленного назначения: чайники, утюги, стиральные машины, пылесосы, настольные лампы, микроволновки, станки, промышленное оборудование, компьютеры, фены и др. Все они базируются на том, что используют энергию электричества и трансформируют ее в некоторую работу.

В наше время изобретатели представлены в трех формах: стартапы, R&D-подразделения компаний, научные лаборатории при университетах и институтах. Только одна из них занимается именно созданием инноваций во внутреннем контуре организации — это R&D-подразделения, две другие формы больше заточены вовне.

Задачи сотрудников, которые заняты в данной бизнес-функции:

1. Проводить предварительные исследования проблематики.
2. Генерировать гипотезы о том, как технологии могут быть полезны внутри организации или для ее клиентов.
3. Генерировать идеи возможных решений на стыке технологий и проблем.
4. Проводить исследования и оценивать потенциальную эффективность этих решений.
5. Собирать прототипы.
6. Проводить их тестирование и сбор обратной связи.
7. Передавать прототипы в промышленную эксплуатацию.

Могут ли этим заниматься сотрудники на местах? Да, могут, но в очень ограниченном объеме и не имея всего набора необходимых компетенций, таких как: работа с данными, аналитикой, подготовка экспериментов, работа с источниками, включая научные статьи, прототипирование и погружение в новые технологии и многое другое.

Сотрудники на местах могут и должны быть вовлечены в R&D-процесс на большинстве этапов, так как именно они понимают специфику своей деятельности и ощущают ее на кончиках пальцев, однако работа, связанная с подготовкой «изобретения» лежит на R&D-команде, если мы не говорим просто о базовом росте продуктивности сотрудников в рамках мышления садовника, о котором мы писали ранее.
Если говорить об R&D-функции, которая носит в организации системный характер, то обычно она, во-первых, строится вокруг 3-х горизонтов планирования: краткосрочный, среднесрочный, долгосрочный. Краткосрочный период связан с быстрыми оптимизациями существующих процессов. Среднесрочный горизонт строится вокруг инноваций, который требуют перестройки процессов. Долгосрочный — вокруг инноваций, которые помогают выйти на абсолютно новые рынки, создать абсолютно новый продукт, совершить прорыв.

Подобную классификацию предлагает и BCG в контексте внедрения ИИ: deploy, reshape, invent. Deploy связан тем, чтобы обеспечить необходимый доступ к ИИ-инструментам для сотрудников, чтобы они использовали их в существующих процессах. Reshape — с редизайном процессов, а invent — с созданием новых бизнес-моделей.

Помимо работы сразу на 3-х горизонтах планирования, системный подход к R&D предполагает постоянную работу над пайплайном инновационных проектов, которые проходят через определенные стадии. В качестве примера можно взять методологию под названием Stage-Gate-Process, которая используется на крупных предприятиях. В рамках этой методологии любой проект проходит следующие стадии: исследование, оценка рисков, оценка осуществимости, разработка, валидация и запуск. Каждая стадия завершается гейтом, на котором принимается решение, переходит ли проект на следующую стадию, нуждается ли он в доработке, или же лучше всего в эту сторону вообще не идти и понять это на самых ранних стадиях.

Причем решение на каждом из этих гейтов принимает кросс-функциональная команда, члены которой представляют разные подразделения. Например, специалисты по продажам могут в начале пути сообщить, что эта идея не будет пользоваться спросом по определенным причинам с опорой на данные и сигналы, и на этот проект не будут зря потрачены деньги, время и ресурсы команды.

Кажется, что это очень хорошо распространяется и на проекты, связанные с GenAI. Они ничем в этом смысле не отличаются от любых других инноваций. Задача R&D-подразделения стимулировать и вдохновлять сотрудников предлагать новые идеи, как можно улучшить какой-то продукт или процесс, далее производить отбор и приоритизацию, и брать самые лучшие проекты в прототипирование и дальнейшую промышленную эксплуатацию. И чтобы R&D команда не стала бутылочным горлышком в процессе инноваций, качество и количество ее членов определяет, с какой скоростью организация будет получать и внедрять инновации, связанные с GenAI.

Но хорошей новостью в данном случае является тот факт, что ИИ может и для этой бизнес-функции ускорить и оптимизировать некоторые процессы.

Согласно исследованию компании Roland Berger, компании, использующие ИИ в R&D, достигают:

• до 25% снижения затрат в операционной деятельности,
• более чем 35% повышения эффективности,
• сокращения времени разработки продукта более чем на 60% в течение следующих года-двух лет,
• увеличения числа поданных патентов и снижения затрат на прототипирование.

Однако данное исследование также подчеркивает эффект «узкого горлышка»: 84% компаний не имеют стратегии ИИ для R&D, при этом 65% представителей компаний не уверены, какими ИИ-возможностями и ресурсами необходимо обладать для такой трансформации.

Для промышленности R&D — это чуть ли не главное направление внедрения GenAI. В исследовании McKinsey по медтех‑рынку (опрос 40 топ‑менеджеров) R&D названа наиболее частой областью применения GenAI: инструмент помогает быстрее работать с подготовкой необходимых документов для исследований, и это повышает продуктивность сотрудников на 20–30%. Аналогично, в отчете BCG по внедрению AI в 2024 году компании получают около 13% от внедрения AI в R&D (в биофарме – 27%, в автопроме – 29%).

Deloitte отмечает, что в фармацевтике можно выделить 3 ключевые функции, в которых GenAI способен принести наибольший эффект: R&D, производство и коммерция (продажи и себестоимость). В отчёте Deloitte «State of Generative AI» для life‑science‑сектора 21% «наиболее продвинутых» проектов GenAI приходится на R&D.

Так или иначе, если опять же обратиться к схеме Stage-Gate-процесса, то искусственный интеллект способен помочь и ускорить процессы на каждой из стадий:

1. Исследование
2. Оценка рисков
3. Осуществимость и оценка экономического эффекта
4. Прототипирование и дизайн
5. Обработка результатов тестирования

Инвестиции во внедрение GenAI в R&D-процессы имеют двойной эффект: ускоряется и оптимизируется сам процесс, но одновременно с этим ускоряется и в целом внедрение искусственного интеллекта в целом во всей организации.