Инновации , Весь мир ,  
0 

Машины учатся управлять

Фото: Reuters
Фото: Reuters
Искусственный интеллект становится привычным инструментом управления транспортом, подбора персонала и общения с клиентами. Мария Попова

По прогнозу PricewaterhouseCoopers (PwC), к 2030 году глобальный ВВП вырастет на 14% за счет использования систем искусственного интеллекта для повышения производительности труда и усиления потребительского спроса. Технологии искусственного интеллекта (ИИ) все глубже проникают в бизнес-процессы компаний. Эффект наиболее заметен в сферах, где накоплено достаточное количество данных, анализ которых позволяет сформировать новые конкурентные преимущества. Технологии ИИ зарекомендовали себя в сфере распознавания речи и образов, машинного перевода и компьютерного зрения, они широко применяются для создания виртуальных помощников, беспилотного транспорта, для обработки физических сигналов и в робототехнике, отмечают в Dell EMC.

75% организаций, опрошенных исследовательской компанией Accenture, уверены, что внедрение ИИ позволит повысить производительность, 72% рассчитывают сократить издержки, 59% — повысить выручку. По прогнозам британской Gartner, к 2020 году технологии искусственного интеллекта и машинного обучения будут присутствовать практически во всех новых программных продуктах и сервисах.

«Интеграция самообучающихся систем с уже существующим программным обеспечением позволяет существенно расширить его функциональность и решить те задачи, для которых не существует четко сформулированного алгоритма», — поясняет Павел Адылин, исполнительный директор Artezio (группа компаний ЛАНИТ). Речь идет о распознавании медицинских снимков, интеллектуальных системах идентификации пользователей, системах безопасности, голосовых интерфейсах, персональных ассистентах, чат-ботах, скоринговых системах, торговых роботах, системах анализа текстов, системах управления инфраструктурой, логистических системах, рекомендательных сервисах, системах прогнозирования и многих других приложениях.

Нашествие ботов

«Компании начинают четко осознавать, что отказ от извлечения важных инсайтов из больших данных грозит уходом с рынка», — говорит руководитель департамента развития облачной платформы Microsoft в России Татьяна Делягина. По ее словам, только внедрить алгоритм недостаточно: важно понимать, как правильно встроить технологию в бизнес-процессы, как использовать новые знания с максимальной пользой. Обработка данных позволяет предсказывать бизнес-результаты и предпринимать действия заблаговременно. «Следующий тренд — более автоматизированное извлечение полезных данных, без оркестрирования человеком», — отмечает Татьяна Делягина. Продвинутая аналитика помогает эффективнее прогнозировать продажи и снижать отток клиентов, сокращает риски мошенничеств и улучшает взаимодействие с потребителями.

Практические эксперименты с ИИ наиболее активно ставят компании финансового сектора. Например, в планах Сбербанка — уже в этом году заменить 3000 сотрудников одним роботом-юристом и внедрить институт виртуальных помощников (интеллектуальных адвайзеров). Совместно с МФТИ банк ведет проект iPavlov — это система распознавания естественного языка, которая сможет не только отвечать на вопросы, но и запрашивать дополнительную информацию. На базе этой технологии к 2020 году в банке должна появиться платформа для автоматизации работы с клиентами.

Голосовые помощники с элементами ИИ, или чат-боты, ориентированные на решение конкретных бизнес-задач, становятся обычным инструментом клиентского сервиса. В Альфа-банке прогнозируют, что всего через три года клиенты в 50% случаев будут общаться с ботами.

Алгоритмы помогают банкам лучше оценивать риски, минимизировать мошенничества, персонифицировать предложения и сокращать отток клиентов. Эффективность более точной сегментации и «настройки» клиентской базы подтверждается повышением продаж.

В ретейле с помощью ИИ-технологий стремятся сократить затраты на обслуживание и оптимизировать логистику. В немецкой SAP рассказывают, что eBay ежедневно строит прогноз, например, спроса на тот или иной продукт и при отклонении реальных значений от прогнозных с помощью внутренних механизмов управления продавцами пытается выправить дисбаланс. Аналогичный продукт в России внедрила сеть супермаркетов «Виктория» — решение для предиктивной аналитики в программе лояльности увеличило долю покупок с использованием карт лояльности на 10%, и она превышает 70% всех продаж.

В промышленности или транспортной отрасли «умная» аналитика помогает снижать объемы брака, лучше отслеживать состояние оборудования, экономить на ремонте и обслуживании, а также минимизировать убытки. Один из сценариев для крупной российской металлургической компании предполагает предсказание качества продукции (слябов), говорит директор департамента аналитических решений, заместитель гендиректора SAP СНГ Юрий Бондарь. «Система с помощью датчиков собирает информацию о функционировании линии и на основе полученных данных позволяет сэкономить значительные средства на дорогостоящей процедуре проверки качества продукции путем удаления слоя шлака со сляба», — объясняет он.

Все больше ИИ-кейсов появляется в HR-сфере. В «Ростелекоме» запустили интеллектуальный анализ анкет соискателей на сайтах поиска работы и в соцсетях. Бот оценивает возможных кандидатов, предлагая службе персонала до 10–15 вариантов из тех, кто прогнозируемо проработает на требуемой позиции более полугода. Рекрутинговая компания Superjob внедряет интеллектуальную обработку обращений — система формирует автоответы, проводит автомодерацию вакансий и резюме, а также скоринг соискателей. В HeadHunter отмечают повышение производительности за счет автомодерации резюме — если в 2016 году 20 сотрудников обрабатывали в среднем 20 тыс. новых резюме в день, то сейчас достаточно 12 человек для обработки 30 тыс. заявок. К тому же ИИ помогает прогнозировать отклик на вакансии и резюме, а не только ранжировать их по текстовым соответствиям.

Накопление информации

Барьером для развития бизнес-ориентированного ИИ в России могут стать вычислительные мощности. Для требуемой скорости обработки информации нужно обеспечить соответствующую высокопроизводительную инфраструктуру.

Сегодня данные по-настоящему стали большими — одна компания может собирать десятки терабайт, отмечают в SAP. «Учитывая, что аппаратное обеспечение в пересчете на 1Гб хранения данных дешевеет, а открытое программное обеспечение, где стоимость хранения ниже, чем в проприетарных решениях, достигло того уровня зрелости, когда большие корпорации начали ему доверять, «порог входа» при создании хранилища данных снижается», — рассказывает Юрий Бондарь. А значит, информацию, которую раньше хранить было экономически нецелесообразно, теперь можно накапливать, даже если пока нет идей по ее практическому применению.

«Только за последние три года было произведено 90% новых данных, и единственное решение, которое позволяет справиться с таким потоком, — облачные хранилища. Продвинутая аналитика уже встроена в облако, позволяя обращать внимание и извлекать пользу из тех данных, которые обычно игнорируются, — к примеру, телеметрии или пользовательских комментариев», — добавляет Татьяна Делягина.

Соблазн использовать накопленные за несколько лет работы данные побуждает бизнес искать также способы их монетизации — продавать можно как «сырые» данные, так и готовые модели, отмечают в SAP. «Есть идеи и проекты прямого обмена данными между организациями, минуя различные агрегаторы. Однако по факту со стороны бизнес-сообщества пока больше обсуждений и завышенных ожиданий, чем готовности внедрять новые технологии», — добавляет директор по развитию бизнеса «SAS Россия/СНГ» Антон Заяц.

Компетенция Эволюция данных
Скачать Содержание
Закрыть