Пожалуйста, отключите AdBlock!
AdBlock мешает корректной работе нашего сайта.
Выключите его для полного доступа ко всем материалам РБК
Машины учатся управлять
Материалы выпуска
Машины учатся управлять Инновации Эволюция данных Экспертиза «На вершине пирамиды в ИТ всегда скорость работы» Решения Металлургия и ЖКХ 4.0 Инновации
Инновации
0
Материалы подготовлены редакцией партнерских проектов РБК+.
Материалы выпуска
Машины учатся управлять
Искусственный интеллект становится привычным инструментом управления транспортом, подбора персонала и общения с клиентами. Мария Попова
Фото: Reuters

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.