Особенности структуры жизненного цикла цифровых инноваций, основанных на использовании искусственного интеллекта

В статье рассматриваются факторы, влияющие на продолжительность и структуру жизненного цикла цифровых инноваций, основанных на использовании искусственного интеллекта (ИИ). Актуальность темы исследования обусловлена тем фактом, что технологии ИИ — это область международной конкуренции, оказывающая существенное влияние на социально-экономическое развитие, экономический рост (в частности, рост ВВП) и технологический суверенитет государства. Цель статьи — рассмотреть особенности структуры и продолжительности жизненного цикла инноваций, технологической основой которых выступают модели ИИ. Объект исследования — цифровые инновации, полученные с использованием ИИ. Предмет исследования — структура жизненного цикла цифровых инноваций, связанных с применением ИИ, включая различные стадии инновационного процесса от инициации и разработки до внедрения, коммерциализации и диффузии в различные отрасли экономики. Авторами был поставлен ряд задач для проведения исследования обозначенного вопроса, среди которых — проанализировать тенденции развития цифровых инноваций, основанных на ИИ; указать факторы, влияющие на продолжительность различных этапов жизненного цикла цифровых инноваций, основанных на ИИ; охарактеризовать процессы, происходящие на этапах жизненного цикла цифровых инноваций, основанных на ИИ, в зависимости от уровня развития методологии управления MLOps. В процессе исследования были выявлены тенденции по увеличению исследовательской активности в сфере ИИ в последние годы (увеличение числа публикаций и патентов), усложнение моделей (увеличение числа их параметров), которое привело к увеличению продолжительности обучения и повышению требований к вычислительным ресурсам. Составлен перечень внешних и внутренних факторов, определяющих продолжительность процессов, образующих жизненный цикл цифровой инновации. Построена схема процессов жизненного цикла цифровой инновации, основанной на использовании ИИ, в соответствии с уровнем зрелости MLOps реализующей ее организации. В статье показано, что оценка уровня зрелости необходима для совершенствования процессов разработки, тестирования и внедрения, что способствует сокращению продолжительности подготовительных (предшествующих использованию инновации) этапов жизненного цикла. Для обеспечения гибкости процесса MLOps и его компонентов целесообразно использовать комбинацию инструментов с открытым кодом и корпоративных решений. Для автоматизации и стандартизации процессов на протяжении всего жизненного цикла модели машинного обучения (от разработки и тестирования до развертывания, мониторинга и управления) применяется методология MLOps, уровнем зрелости которой в значительной степени определяется продолжительность этапов жизненного цикла цифровой инновации.