Бизнес на основе искусственного интеллекта

В наше время искусственный интеллект – это уже не фантастика, а вполне реальный инструмент для развития бизнеса. Но стоит ли доверять ему, и какие компании уже применяют искусственный интеллект? Расскажем в статье.

Знаете ли вы, что объем информации, созданной за последние 30 лет, равен такому же объему за предыдущие 3 тысячелетия? И это еще не предел – количество информации постоянно растет. В бизнесе ее потоки просто огромны – покупательский спрос, статистика продаж по каждому региону, процент инфляции, уровень эффективности производства, количество обращений в службу поддержки… В любом бизнесе рано или поздно наступает то время, когда обрабатывать вручную потоки информации становится просто невыгодно – пока вы работаете над статистикой за октябрь, уже наступает ноябрь. Бизнес-аналитики видят спасение в искусственном интеллекте.

Немного цифр: число компаний, работающих в сфере ИИ растет примерно в 5 раз каждые 4 года. Примерно $31,7 миллиарда уже инвестировано именно в развитие машинного обучения. По прогнозам, к 2022 году выручка от BigData и бизнес-аналитики в мире составит примерно в $274,3 миллиарда.

Машины намного быстрее, чем люди, могут обрабатывать огромные потоки информации и прогнозировать решения на их основе. Применение искусственного интеллекта в бизнесе – это не просто модное веяние, а необходимость, которая помогает вам развиваться быстрее и избавляться от рутинных задач в пользу более важных. Переложите на машины утомительную деятельность по обработке данных, составлению отчетов и прогнозированию – и вплотную занимайтесь развитием компании на основе этих прогнозов.

Стоит ли доверять?

Руководители бизнеса, которые до этого не имели дела с искусственным интеллектом, часто сомневаются – а стоит ли вообще доверять машине? Все-таки, это не человек, и каким образом искусственный разум выдает свои прогнозы? Он же не может самостоятельно думать.

На самом деле, здесь достаточно хотя бы поверхностно изучить, как работает машинное обучение. Любой сервис на основе искусственного интеллекта не рождается «умным» изначально. До этого он проходит своеобразную учебу – на основе заданных алгоритмов и огромного количества информации он находит закономерности, классифицирует данные и «запоминает» правильные и неправильные ответы. Например, анализируя терабайты данных о покупках в определенном супермаркете, компьютер учится определять, какие продукты берут чаще всего, что обычно покупают клиенты магазина в возрасте от 25 до 35 лет, что еще часто берут вместе с молоком определенной марки и т.д. Чем больше данных обработано – тем машина становится «умнее».

Существует несколько типов машинного обучения, часто они используются в гибридном виде. Мы не будем подробно останавливаться на них в этой статье – это очень крупная тема. Мы просто хотим показать, что искусственный интеллект – это не что-то неопределенное и непредсказуемое, а вполне логичное поведение машин, действующих по заданному алгоритму. И, естественно, искусственному интеллекту можно доверять. Ведь его главное преимущество перед человеческим мозгом – это скорость обработки информации.

Какие средства с искусственным интеллектом можно применять в бизнесе?

Продукты для кибербезопасности

Защита от кибермошенников и фишинговых программ – одна из самых важных опций для бизнеса. И в этом поможет искусственный интеллект. Службы, работающие на основе ИИ, запрограммированы на предугадывание и предотвращение атак – они отслеживают необычное поведение программ, источников или файлов, сравнивают его с поведением безопасных ресурсов и блокируют, если деятельность покажется им подозрительной.

Статистика продаж и прогнозирование покупательского спроса

Загрузив в программу на основе ИИ данные о продажах, можно получить детализированные отчеты и даже прогноз покупательской активности. Регулярно составляя такие отчеты, вы сможете отследить, как покупатели реагируют на те или иные акции, как меняется их спрос в зависимости от сезона и т.д. Вам не нужно будет самостоятельно сортировать данные – достаточно просто загрузить их в специальную службу с ИИ, например, Microsoft Power BI. Так вы сможете не только регулировать выпуск и продажу своих товаров, но и делать покупателям индивидуальные предложения.

Автоматизация обслуживания клиентов

Службам поддержки постоянно приходится отвечать на горы однотипных вопросов, многие из которых можно решить в два счета, а в это время действительно сложные проблемы ждут своей очереди. Чтобы этого не происходило, можно поставить бота или автоответчик, которые могут подсказать простую информацию, на первичный контакт с клиентом. Если бот не в состоянии решить вопрос клиента, он может адресно направить его именно в тот отдел, где ему помогут. Такие автоответчики используются, например, в банковской сфере или у провайдеров связи – наверняка, вы имели с ними дело, когда звонили в «Сбер» или «Билайн».

Сможет ли искусственный интеллект рассказать мне, как работать?

На противоположном берегу от недоверчивых предпринимателей стоят владельцы бизнеса, которые убеждены в чудодейственной силе искусственного интеллекта. Они уверены, что как только начнут использовать ИИ в своем бизнесе, сразу получат все ответы на свои вопросы и четкий план развития на ближайшие годы.

Если бы такой сервис существовал, это было бы чудом, и все бизнесы становились бы прибыльными. Но пока во взаимодействии «предприниматель – ИИ» главным остается предприниматель. Да, вы можете на полную мощность использовать возможности искусственного интеллекта, но только вы определяете, какие именно данные хотите получить и как потом применять в своем бизнесе. Сначала поставьте цели, а потом – подключайте «умные» сервисы. Что может быть такой целью:

После определения целей достаточно загрузить в сервис необходимые данные и получить аналитику или прогноз.

Резюмируем: что может искусственный интеллект?

1. Обрабатывать огромные пласты любых данных;

2. Работать с разрозненными данными из разных источников, приводя их к «общему знаменателю»;

3. Выдавать четкую аналитику или прогнозы на основе обработанных данных.

Таким образом, искусственный интеллект – это всего лишь инструмент для развития вашего бизнеса. Но очень мощный инструмент, ведь его главная роль – это быстрая обработка большого количества информации, с которой незамедлительно можно работать. Это и позволяет быстрее принимать решения, и освобождать время ценных сотрудников для более важных и сложных задач.

Как компании используют возможности искусственного интеллекта

Кратко рассмотрим несколько кейсов по использованию ИИ в разных областях бизнеса.

Банковское дело

Компания Morgan Stanley занимается финансовым консалтингом. А чтобы решения было принимать проще, в компании разработали собственную интеллектуальную платформу. Она обрабатывает цель клиента, сопоставляет ее с имеющимися в базе данными и предлагает наиболее выигрышные инвестиционные стратегии. Также интеллектуальные решения используются и в работе с постоянными клиентами – сервисы анализируют поведение клиентов, выявляют их потребности и предлагают на основе этого наиболее подходящие продукты и услуги.

Такое решение помогает намного быстрее обрабатывать обращения клиентов. Если раньше для составления персонального предложения нужно было затратить несколько недель, теперь для этого требуется пара дней. К тому же, платформа помогает составлять персонализированные предложения для клиентов на основе их интересов – например, предлагает инвестировать в новый перспективный IT-стартап, если клиент интересуется этой темой.

Колл-центры

Еще одна область применения ИИ – это голосовые помощники. Такие есть во многих банках – например, в «Сбере» или «Тинькофф-банке». Помощники с легкостью справляются с простыми задачами пользователей – проверить баланс счета, составить заявку на перевыпуск карты, отследить подозрительный звонок. На голосовых помощников вместо оператора постепенно переходят провайдеры связи, крупные маркетплейсы, службы доставки.

Интересную статистику по использованию помощников предоставила «Додо-пицца». Разработчики столкнулись с некоторыми трудностями – например, робот не всегда верно распознавал интонацию и не различал схожие слова, постоянно появлялись новые запросы, которые нужно было прописывать в скрипте. Но тем не менее, запуск голосового бота позволил отлично сэкономить на услугах колл-центра. По итогам месяца ботом было обработано 250 000 звонков – 1 минута разговора оператора стоила 7 руб, в среднем каждый звонок длился 2 минуты, значит, с помощью бота было сэкономлено 500 000 руб. При этом, в 97% звонок был обработан успешно.

Компания «ТНС энерго Ростов-на-Дону» использует голосовых ботов для напоминания клиентам о задолженностях по оплате электроэнергии. Раньше для этих целей использовались заказные письма и обзвон пользователей с помощью колл-центра. Это было достаточно затратным – на одно письмо уходило 55 руб, а работники колл-центра тратили до 70% времени на однотипные звонки с напоминаниями. Роботизация позволила не только сократить траты, но и увеличить количество погашенных задолженностей на 8%.

Производство автомобилей

Компания Bosch использует искусственный интеллект для разработки автономных автомобилей. Одним из гарантов безопасности таких авто является их способность оценивать состояние дорог. Оценка происходит при помощи датчиков, программирование которых осуществляется на основе интеллектуального решения Azure Data Explorer. Датчики «обучаются» определять поведение машины в определенных погодных условиях на основе гигантского количества реальных данных о тормозном пути машины, угле заноса и других параметрах при снеге, дожде, разбитой дороге и т.д. В процессе эксплуатации датчики способны мгновенно предугадать поведение автомобиля на дороге и предотвратить негативные последствия.

Обучение датчиков с помощью искусственного интеллекта позволило значительно сократить время разработки. Если раньше на обработку информации о погодных условиях и поведении автомобиля в одном регионе требовались месяцы, сейчас для этого нужно потратить всего пару недель.

Торговля

Сеть супермаркетов «Лента» применяет возможности искусственного интеллекта для прогнозирования спроса и разработки рекламных акций. Для обработки информации компания использует интеллектуальную службу Azure Databricks – это позволяет обрабатывать огромное количество данных в режиме реального времени и составлять прогнозы. «Лента» использует обработанные данные для сокращения количества списанного товара и планирования акций по регионам. Искусственный интеллект позволяет спрогнозировать, какой товар будет пользоваться пониженным спросом – а значит, его нужно будет поставлять меньше – а какой, наоборот, популярен, и акция с его участием вызовет ажиотаж.

Но это не единственные функции, которые искусственный интеллект может выполнять в торговле. Например, существуют интеллектуальные решения для контроля сотрудников – перед началом смены весь персонал магазина надевает браслеты, которые распознают популярные виды рабочей активности: раскладку товара, смену ценников, работу на кассе и т.д. Моменты бездействия тоже фиксируются. К концу смены каждый работник получает данные о своей продуктивности. А если какие-то важные задачи не были выполнены, такой отчет поможет понять, почему – из-за высокой нагрузки или из-за низкой продуктивности самого сотрудника. Эксперимент показал, что такие браслеты могут повысить эффективность работы на 20-25%.

Еще одно интересное решение для торговли. Автоматический сканер на основе искусственного интеллекта освобождает работников склада от необходимости вручную инвентаризировать товары. Погрузчик с таким сканером автоматически двигается по складу, считывает шрихкоды и моментально загружает их в базу. Точность такой инвентаризации составляет до 90%, при этом нет необходимости останавливать работу склада и мобилизовать всех сотрудников на переучет.

Аналитика тоже играет большую роль в успехе торгового бизнеса. Например, если продажи в магазине резко упали, это повод посмотреть статистику. Часто наибольшую прибыль магазинам приносят определенные товары-флагманы. Аналитические системы на основе ИИ – например, Power BI – способны быстро обработать терабайты данных о продажах за предыдущие периоды, выделив наиболее популярные товары.

Если ожидаемых продаж этих товаров не происходит, повод проверить, что с ними не так. Возможно, что они просто неудобно расположены после последнего мерчандайзинга, или производитель сменил упаковку, и покупатели не могут найти любимый товар. В любом случае, эти проблемы решаемы после получения данных от искусственного интеллекта.

E-commerce

В интернет-торговле особую важность играет контекстная и таргетированная реклама. Искусственный интеллект способен прогнозировать конверсии, отслеживая поведение пользователя на сайте и в рекламных объявлениях. Таким образом, приложение с ИИ поможет не таргетировать на пользователя «лишнюю» рекламу и подогреть его интерес тогда, когда это необходимо.

Компания «Эльдорадо» использовала такое автоматизированное решение. Приложение отслеживало действия пользователей и последующую конверсию, а затем строило прогнозы по поводу зависимости покупок от того или иного поведения клиента магазина. С каждой новой конверсией прогнозы становились все точнее. Таким образом было выделено 10 категорий пользователей с различным поведением – при этом учитывалось среднее время, проведенное на сайте, количество заходов на сайт за последнюю неделю, используемое устройство, источники трафика и другие параметры. На каждую категорию была создана своя рекламная кампания. Чтобы вручную проанализировать такой объем данных и выделить категории, понадобилось бы несколько недель, а искусственный интеллект смог предоставить данные в течение суток. В результате, ROI кампаний вырос в 2,2 раза по сравнению с предыдущими, а количество выкупленных заказов – в 2,7 раз.

Недвижимость

Прогрессирующий рост количества сделок в области недвижимости делает искусственный интеллект просто необходимым в этой сфере. Приложения на основе ИИ способны обрабатывать большое количество информации о состоянии рынка недвижимости на данный момент и выдавать прогнозы, помогать риелторам назначать адекватные цены и анализировать рынок в целом.

Также ИИ ускоряет время заключения контрактов – если загрузить в такое приложение данные договоров и документы на недвижимость, оно способно быстро подготовить все нужные документы для совершения сделки и проверить данные на предмет мошенничества. А созданные на основе ИИ базы данных могут составлять прогнозы инвестирования.

Вместо заключения

Таким образом, инструменты с искусственным интеллектом – это наши незаменимые помощники в развитии бизнеса. Конечно, не нужно воспринимать их как волшебную палочку против всех предпринимательских проблем, но искусственный интеллект способен значительно разгрузить вашу команду и получить ответы на стратегические вопросы в кратчайшие сроки.

А как думаете вы – стоит ли доверять решениям искусственного интеллекта? Или все-таки стоит полагаться только на «человеческих» специалистов?

Кадр: фильм «Робокоп» (2014)

Старший обозреватель направления «Бизнес» Skillbox Media.

Этой осенью об искусственном интеллекте (ИИ) говорили сразу на двух крупных российских конференциях — VTB Business Reboot Day и состоявшейся следом Al Journey. Эксперты обеих площадок оказались едины во мнении, что умение использовать ИИ становится для бизнеса важным конкурентным преимуществом. Разбираемся, что нужно сделать, чтобы не упустить тренд.

• Что такое искусственный интеллект и как он работает
• Зачем искусственный интеллект бизнесу
• Как ИИ-решения уже помогают компаниям
• Кому по карману искусственный интеллект
• С чего начать внедрение ИИ
• Мультимодальность и боты-лицемеры. В каких направлениях будет развиваться ИИ

---

По словам генерального директора ООО «Лаборатория Наносемантика» Станислава Ашманова, не следует романтизировать искусственный интеллект и сравнивать его с человеческим мышлением или сознанием. Речь идёт скорее об автоматизации — замене труда человека работой компьютера, робота, станка.

«Мы считаем, что ИИ — это любая имитация, любое повторение задач, которые человек умеет выполнять», — поясняет Ашманов и приводит в качестве примера машинный перевод и проверку текстов на ошибки. Эксперт допускает, что операции, которые раньше делал только человек, со временем будут целиком доверены компьютеру.

Руководитель службы диалогово-коммуникационной платформы в банке ВТБ Рафаэл Айрапетян также убеждён, что реальность не имеет ничего общего с образом ИИ, вокруг которого создали хайп пользователи. «Искусственного интеллекта — такого, каким его представляют обыватели, — на самом деле нет. Есть технологии, которые позволяют всё лучше и лучше решать точечные задачи, связанные с обслуживанием клиентов. В частности, мы стали лучше понимать потребности людей. Если раньше мы определяли их с помощью неких паттернов и ключевых слов, то теперь это делают алгоритмы машинного обучения. Но подход, по сути, не изменился», — сказал Айрапетян.

Выделяют два основных направления развития ИИ: машинное обучение (обучение на примерах) и экспертные системы (знания человека в программе). При машинном обучении нет задачи объяснить машине принцип принятия решений. Алгоритм сам учится, глядя, как это делает человек, после анализа большого количества примеров. При этом наследуются все ошибки и ограничения экспертов, выводы которых были взяты за основу. В экспертных системах ситуация обратная: эксперта просят объяснить принципы его работы, которые закладываются в фундамент программы для машины.

Экспертные системы ИИ сегодня используются при разработке чат-ботов, Т9, проверке правописания, полнотекстовом поиске. Для их разработки тоже требуются данные, но не обучающие, а тестовые. Однако максимальных результатов и высокой точности искусственному интеллекту позволяет добиться комбинирование машинной и экспертной системы.

ИИ позволяет компаниям получить дополнительную ценность и так решить основные задачи бизнеса — привлечь внимание потребителя, не обманув его ожиданий, и заработать больше, чем конкуренты.

Безусловными лидерами в сфере ИИ в России и в мире являются финтех-компании. По данным McKinsey & Co, в 2020 году 60% организаций из этой отрасли использовали ИИ. Вот далеко не полный список задач, которые ИИ уже решает в финтехе:

• скоринг клиентов и принятие предварительных решений по кредитам. По данным, озвученным на Al Journey директором по направлению «Искусственный интеллект» АНО «Цифровая экономика» Алексеем Сидорюком, в среднем применение ИИ позволило банкам снизить время одобрения заявки с 48 часов до одной минуты;
• бизнес-прогнозирование и прогнозирование рисков;
• сегментация клиентов, сканирование SMM;
• NPS-обзвон (массовые профессии, коллекторы);
• планирование инкассаций;
• анализ расположения офлайн-точек;
• ответы на обращения клиентов — чат-боты в банках позволяют закрыть 60% и более поступающих запросов. Среднее время решения проблемы сократилось в четыре раза и составляет 40 секунд;
• распознавание речи;
• персонификация услуг;
• ускорение оплаты — система биометрической идентификации уменьшает время оплаты на 15 секунд. Точность идентификации составляет 99,99%;
• распознавание документов, формирование проектов документов;
• fraud-мониторинг, выявление нетипичной активности. Доля ложных срабатываний системы снизилась с 90 до 70%. В 3,5 раза выросла эффективность обработки жалоб.

Часть этих решений универсальны. Например, голосовые помощники, чат-боты и персонификация услуг могут быть актуальны для небольших компаний, а анализ расположения офлайн-точек — для ретейла.

По словам экспертов, сегодня затраты на внедрение ИИ могут быть настолько низкими, что быстро окупаются даже у малого бизнеса. Так, разработчики виртуальной примерочной Shapometry утверждают, что дополнительный доход для подключённых к сервису магазинов составил 19%, а 50% пользователей приобрели рекомендованные искусственным интеллектом товары в течение нескольких часов.

Кроме того, ИИ позволяет малым предприятиям справляться с задачами, решение которых ранее было им недоступно. Например, обрабатывать запросы большего числа клиентов и за счёт этого масштабировать бизнес.

«Как правило, малый бизнес не может позволить себе дорогостоящий контакт-центр или несколько смен в режиме 24/7 для того, чтобы его клиенты всегда могли получить ответ. Сейчас всё становится доступным, и это нужно использовать», — рассказал основатель финтех-платформы TalkBank Михаил Попов.

Простое решение для малого бизнеса — использовать готовые технологии в сфере обработки данных. Цена таких решений становится всё более доступной, потому что зачастую уже не нужно покупать лицензию на ПО. Вы можете просто платить за фактически использованные ресурсы — например, за обработанные запросы или массивы данных. В то же время enterprise-решения могут стоить миллионы долларов.

Автоматическая обработка обращений клиентов. По оценке экспертов VTB Business Reboot Day, в 2022 году экономия компаний за счёт виртуальных ассистентов составит 8 млрд долларов. Эффективно работающие программы позволяют без ошибок обрабатывать до 96% входящих запросов, дают возможность заместить часть операторов колл-центра и снизить его нагрузку до 40%. «Судя по росту интереса бизнеса к чат-ботам и голосовым роботам, личное общение будет становиться роскошью», — считает Ашманов.

Классификация входящих сообщений. «Лаборатория Наносемантика» приводит в пример реализованный в одном из министерств кейс. После обучения ИИ на основе анализа 30 тысяч запросов точность классификации входящих обращений составила 83%, экономия времени на их обработку — 50%. В результате министерство смогло освободить квалифицированных юристов от рутинной работы.

Медицинская диагностика. Анализ изображений с помощью ИИ помогает медицинским компаниям с высокой точностью распознавать некоторые заболевания. К примеру, на чтение и описание 20 снимков с маммографией специалист тратит около шести часов. При этом, как утверждает эксперт ГБУЗ «НПКЦ ДиТ ДЗМ», специалист по рентгенологической диагностике Ольга Пучкова, из тысячи обследованных онкодиагноз или подозрение на него будут поставлены всего пяти-семи пациентам. «Получается, что большую часть времени доктора сегодня тратят на описание снимков абсолютно здоровых людей. При этом вероятность ошибки остаётся высокой как с точки зрения постановки ложных диагнозов, так и в плане невозможности рассмотреть начинающиеся негативные отклонения», — сказала Пучкова. По ожиданиям медиков, ИИ в этой сфере сможет в десятки раз ускорить процедуру и сделать её более точной.

Работа с каталогами изображений. Актуальная для ретейлеров тема — массовая обработка изображений товаров (например, удаление фона). Раньше этим занимались сотрудники в фоторедакторах, но с помощью ИИ и сегментационных нейросетей процесс автоматизировали. По словам Ашманова, для этого потребовалось всего несколько месяцев работы разработчика. «Есть большое количество утилит, которые можно брать в открытом доступе, и среди них немало предобученных нейросетей. Десять лет назад для решения этой задачи компании потребовалось бы выделять для работы с фотографиями целый отдел», — резюмировал он.

В сфере ретейла алгоритмы работы с изображениями используются также для борьбы с кражами в магазинах, отслеживания и предсказания настроения клиентов.

Автоматическое распознавание документации технологических объектов. ИИ помогает решить проблемы компаний, которые работают с большим количеством бумажных чертежей. Пока они просто лежат в рулонах, с ними невозможно работать в специальных программах. По опыту «Лаборатории Наносемантика», ИИ позволяет распознать и оцифровать чертежи с 90-процентной точностью.

Конкурентная разведка. Искусственный интеллект помогает проводить комплексный анализ конкурентов, собирая информацию из множества открытых источников. Затем эти данные можно использовать для улучшения собственной компании и получения преимущества на рынке.

Также есть консалтинговые сервисы, которые могут изучить ваш бизнес и его задачи, чтобы подобрать и интегрировать подходящие ИИ-решения.

Долгое время считалось, что искусственный интеллект — это дорогие технологии, доступные исключительно топовым корпорациям. Сейчас ситуация поменялась. Самым крупным инвестором в ИИ становится само государство. По данным, озвученным на Al Journey, до 2024 года Россия намерена инвестировать в развитие искусственного интеллекта 5,4 млрд рублей.

У действующего бизнеса есть несколько вариантов внедрения ИИ в свои процессы. Самый дорогостоящий из них — создать собственный отдел по разработке нужных решений. Ещё можно отдать решение задачи на аутсорс или воспользоваться уже существующим сервисом.

Нанимать и удерживать профессиональных разработчиков, специализирующихся на нейросетях и ИИ, действительно могут позволить себе в основном крупные компании. «Но вам не обязательно накачивать департамент разработки дорогими талантами, чтобы использовать преимущества ИИ, — можно интегрировать нужные вам сторонние сервисы», — говорит IT-эксперт Даниил Шеповалов.

Так, владельцы небольших интернет-магазинов могут подключить чат-бота, который будет автоматически принимать и обрабатывать заказы. На рынке сегодня десятки подобных продуктов.

«В отличие от сложных алгоритмов, такие решения применимы почти к любому бизнесу, желающему оптимизировать клиентский сервис — будь то салон красоты или автосервис», — замечает генеральный директор технологической группы Rocket Humans Анастасия Ускова.

В зависимости от сложности технологий цена чат-ботов стартует от 10–15 тысяч рублей за простого автоматизированного консультанта в мессенджере и заканчивается несколькими миллионами за обучаемого собеседника.

Порог вхождения в ИИ сегодня заметно снизился. «В публичных облаках Mail.ru, „Яндекса“ и Google есть бесплатные сервисы для машинного перевода и распознавания речи, которые можно использовать в работе. Кроме того, большое количество алгоритмов выложено в открытый доступ», — говорит Станислав Ашманов.

ИИ может помогать малому бизнесу на начальных этапах. Так, на рынке есть геомаркетинговые сервисы по подбору оптимальных сфер и мест деятельности. Они помогают новичкам избегать ошибок и проблем с высокой конкуренцией уже на старте. Такие возможности востребованы в ретейле, у девелоперов жилых комплексов и у франчайзи.

Определяя задачи для искусственного интеллекта в конкретном бизнесе, Даниил Шеповалов советует трезво оценить, во сколько вам обойдётся искусственный интеллект на долгой дистанции и какие преимущества он даст. По оценке эксперта, использование бюджетных ИИ-сервисов стоит обычно порядка 20–100 долларов в час. Среди задач, которые выполняют эти сервисы, — автоматизация труда, продажи, поддержка, email-маркетинг и другие виды взаимодействия с пользователями, HR-задачи, CRM, отслеживание или анализ конкурентов и их активностей, вопросы безопасности и многое-многое другое.

Основатель TalkBank Михаил Попов советует начать с пересмотра своих процессов с точки зрения их исключения, автоматизации и роботизации. Если же бизнес ещё на этапе идеи, важно сразу заложить бюджет на ИИ.

«Если сейчас ИИ — это преимущество и возможность роста, то через три-четыре года это будут обязательные расходы, без которых ваша компания просто закроется через пару месяцев. Ей будет нечего делать на рынке, где конкуренты активно используют современные технологии».

Михаил Попов,
основатель TalkBank

Попов приводит в пример своего клиента — юридическую компанию, которая с помощью технологии в области финтеха и чат-ботов за год смогла увеличить оборот более чем в сто раз.

Также компании стоит задуматься о применении ИИ, если отдел маркетинга начинает генерировать большое количество лидов, но сотрудники не справляются с таким потоком, отмечает Попов. Роботизация станет хорошим решением для предприятий, которые боятся выходить на крупных клиентов и увеличивать рекламные бюджеты из опасений, что поддержка, отдел продаж или производство не справятся.

Бизнес исходит из того, что в ближайшие годы потребитель будет нацелен получать услуги, затрачивая на это минимум усилий. Это рождает несколько направлений, в которых будет развиваться ИИ.

Тренд №1. Активное использование бизнесом технологии анализа больших данных и предиктивной аналитики. По словам генерального директора технологической группы Rocket Humans Анастасии Усковой, аналитика больших данных помогает компаниям грамотнее выстраивать многие процессы — от маркетинговых активностей до поиска кандидатов. С развитием технологий анализ больших данных и предиктивная аналитика станут ещё доступнее. Будут появляться готовые API-решения в аренду или по лицензии — это существенно снизит их стоимость. Они будут встраиваться в любой бизнес и делать его более эффективным.

Тренд №2. Мультимодальность. В зависимости от ситуации человеку может быть удобно подтвердить операцию с помощью мобильного приложения, голоса или отпечатка пальца. «Фактически провайдеры услуг в борьбе за клиента вынуждены развивать модальность услуг. В идеале любая новая услуга должна быть сразу доступна для клиента во всех каналах, иначе клиентский путь заметно усложняется. Клиенту не нужно думать о том, какие операции он может подтвердить голосом, а какие — через мобильное приложение», — объяснил заместитель руководителя департамента IT-архитектуры ВТБ Михаил Хасин.

Тренд №3. Персонализация предложения. «Фактически это способ получить максимально подходящий клиенту продукт, покупка которого становится для него естественным желанием», — поясняет Хасин. В идеале, если человек обсуждает в чате некоего актёра, наиболее естественно предложить ему купить билет на концерт этого актёра. Именно ИИ в состоянии добиться идеального результата.

Тренд №4. Расширение проникновения ИИ и глубокое внедрение в бизнес-процессы. «Есть варианты использования ИИ в продажах, сельском хозяйстве, он уже используется в банковской сфере и страховании, спектр будет только расти», — считает сотрудник департамента экономических и финансовых исследований CMS Institute Николай Переславский.

Тренд №5. Упрощение использования. Если раньше для создания сайта/лендинга или проверки какой-либо гипотезы в онлайн-бизнесе вам нужен был программист, дизайнер и системный администратор, сейчас эти задачи легко решаются с помощью различных визуальных конструкторов. «Наверняка в теме ИИ скоро появятся (а может, уже появляются) подобные решения, когда не нужно будет обладать особыми знаниями или нанимать дорогих специалистов, чтобы собрать из модулей полезное решение для своего бизнеса», — убеждён Шеповалов.

Тренд №6. Решения на стыке метавселенных и AI. Шеповалов не исключает, что в скором времени боты-продавцы смогут притворяться живыми людьми и заводить дружбу с пользователями, чтобы через месяц такого общения ненавязчиво привести свою «жертву» в тот или иной онлайн-магазин.

Научитесь: Философия искусственного интеллекта
Узнать больше

Лаборатории интеллекта

Летом 1956 года в американском Дартмутском колледже прошел двухмесячный научный семинар, посвященный Artificial Intelligence (искусственному интеллекту). Он собрал ведущих американских ученых в области теории игр, нейронных сетей и ИИ. Участники не ставили перед собой глобальных целей. Они просто пытались понять, можно ли обучить машину естественным языкам, натренировать ее формулировать концепции и создавать абстракции.

Именно на этом семинаре информатик и когнитивист Джон Маккарти предложил использовать термин Artificial Intelligence. Всего через год ИИ-лаборатории появились в университете Карнеги — Меллона, в Стэнфорде и MIT. Так изучение искусственного интеллекта стало официальной академической дисциплиной.

Первые проекты в области ИИ выглядели не более чем игрушками. К примеру, в 1966 году, через десять лет после Дартмутского семинара, появилась программа ELIZA, созданная американским ученым Джозефом Вейценбаумом. Она имитировала, а вернее пародировала разговор с психотерапевтом. ELIZA умела выделять в высказываниях пользователя ключевые слова и выстраивать шаблонные ответы.

До 1990-х годов заметных прорывов в сфере искусственного разума не было: казалось, технология так никогда и не обретет внятную форму и никогда не приблизится к всесильному ИИ, о котором писали фантасты. Но когда в 1997 году суперкомпьютер Deep Blue от IBM выиграл в шахматы у чемпиона мира Гарри Каспарова, об искусственном интеллекте вновь заговорили всерьез. В том же году появилась технология распознавания речи NaturallySpeaking, которая позволила машинам понимать человека «на слух». Следом возникло множество других проектов в области машинного перевода, распознавания и классификации изображений, обнаружения объектов.

В начале 2010-х годов вновь приобрела популярность такая разновидность искусственного интеллекта как нейросети, а также способы ее обучения — машинное и глубокое. Если раньше алгоритмы тренировали в основном на выполнение конкретных задач, то теперь они стали осваивать так называемые представления (features / representations) и учиться распознавать образы. Это оказалось возможным благодаря резкому росту мощности компьютеров. Вычисления начали выполнять с использованием графических процессоров, которые смогли на порядки ускорить процесс обучения моделей.

По мнению одного из крестных отцов ИИ, британского информатика Джеффри Хинтона, благодаря глубокому обучению в недалеком будущем машине удастся воспроизвести человеческий интеллект. Но пока искусственному разуму не хватает масштаба. Мозг человека имеет около 100 трлн синапсов (точек контакта двух нейронов. — РБК Тренды). Для сравнения: самая продвинутая на сегодняшний день языковая модель GPT-3 использует 175 млрд параметров.

Ближе к бизнесу

Одним из главных препятствий для широкого применения ИИ до недавнего времени было слабое распространение моделей машинного обучения (machine learning, ML). Бизнес все еще плохо понимает, как их внедрять в бизнес-процессы и продукты, или слабо осведомлен об их возможностях. Разработка и применение таких моделей кажутся предпринимателям дорогостоящим и долгим процессом. Но ситуация быстро меняется.

Всего несколько лет назад для работы с ними действительно требовалось высокопроизводительное железо. Мощных машин было мало, их аренда стоила дорого.

Ситуацию изменили облачные технологии. Они радикально демократизировали доступ к мощной вычислительной инфраструктуре и предоставили удобные и понятные инструменты для работы с ИИ.

Так, уже сейчас облачные сервисы AI Cloud от SberCloud могут обеспечить любой бизнес — от транснациональной корпорации до стартапа — инфраструктурой и инструментами для решения ИИ-задач. Причем сервисы AI Cloud работают на базе самого мощного в России и СНГ суперкомпьютера «Кристофари», специально разработанного для работы с искусственным интеллектом.

В состав AI Cloud входит облачная платформа ML Space — набор продуктов для ML-разработки полного цикла. В «Сбере» ранее отмечали, что при создании ИИ-решений специалисты тратят лишь треть своего времени на обучение моделей. Остальное уходит на подготовку и прочую рутину. Благодаря продуктам AI Cloud команды дата-сайентистов могут посвятить обучению моделей 99% времени, работая из любой точки мира через облако.

ML Space позволяет организовать распределенное обучение на более чем 1 тыс. GPU (Graphics processing units — графические процессоры для высокопроизводительных вычислений). Как уверяют ее создатели, сейчас это единственная в мире облачная ML-платформа с таким функционалом. С ее помощью ресурсоемкие модели можно обучить за несколько часов. В сервис также входит модуль AutoML, который, по сути, является фабрикой по выпуску ML-моделей для тех компаний и организаций, у которых нет собственных специалистов в области data scienсe

Создатели ML Space сравнивают сочетание облачных технологий и новых инструментов машинного обучения с переходом от ручного труда к промышленному производству. Вместе они значительно ускоряют создание и выход на рынок готовых ИИ-решений и делают искусственный интеллект максимально доступным для бизнеса.

Раскрыть потенциал

По прогнозам PwC, благодаря искусственному интеллекту мировая экономика может вырасти к 2030 году дополнительно на $15,7 трлн. Мировой рынок технологий ИИ будет прибавлять примерно 31% ежегодно, предсказывают аналитики Frost & Sullivan. В компании уверены, что уже в 2022 году он достигнет $52,5 млрд. Это вчетверо больше того объема, который аналитики фиксировали в 2017 году.

Среди основных векторов использования искусственного интеллекта компаниями — управление рисками и обеспечение кибербезопасности, автоматизация рутины, помощь в принятии оптимальных решений. Кроме того, бизнес успешно применяет ИИ, чтобы эффективнее собирать информацию для прогнозов и автоматизировать клиентские операции.

Ожидается, что к 2025 году человечество будет хранить около 175 зеттабайт (175 млрд Гб) данных. Уже сегодня большую их часть генерируют не люди, а машины — различные информационные системы, датчики, интернет вещей. Очевидно, что обработать всю эту информацию и извлечь из нее пользу для бизнеса без искусственного интеллекта и машинного обучения просто невозможно. Тем более, что ее количество продолжает расти.

По подсчетам IDC, объем данных, созданных в течение следующих трех лет, превысит количество информации, которое появилось за последние три десятилетия. А за ближайшую пятилетку мир сгенерирует втрое больше данных, чем за предыдущую. И это будет подталкивать к активному использованию ИИ для сбора и обработки информации.

По мнению гендиректора SberCloud Евгения Колбина, именно «облака» станут главным драйвером развития ИИ в ближайшие годы, так как только с помощью облачных технологий можно преодолеть главные барьеры развития ИИ — недостаточную доступность высокопроизводительных вычислительных ресурсов для работы с ИИ и острую нехватку специалистов — дата-сайентистов, дата-аналитиков и дата-инженеров. Сейчас почти во всех отраслях наблюдается острая нехватка высококвалифицированных специалистов для работы с данными. Платформа QuantHub, которая специализируется на подборе специалистов в сфере Data Science, подсчитала, что на три объявления о вакансии приходится всего один потенциальный соискатель. По словам Колбина, именно развитие облачных ML-сервисов и AIaaS (Artificial Intelligence as a Service) позволит искусственному интеллекту в полной мере раскрыть свой бизнес-потенциал.

---

Подписывайтесь также на Telegram-канал РБК Тренды и будьте в курсе актуальных тенденций и прогнозов о будущем технологий, эко-номики, образования и инноваций.

Искусственный интеллект (ИИ) ускорил темп нашей жизни и привел к появлению множества ИИ-приложений и сервисов, которые оказывают значительное влияние на жизнь людей.
ИИ системы – это кропотливый процесс создания особенностей и талантов человека на компьютере, а затем использование его вычислительной мощности для того, чтобы превзойти человеческие способности. Машинное обучение, глубокое обучение, нейронные сети, компьютерное зрение и обработка естественного языка являются примерами многочисленных областей ИИ.

Сущности ИИ создаются для различных целей, поэтому они различаются. Ниже перечислены несколько типов искусственного интеллекта:

Искусственный узкий интеллект (ANI)
Искусственный общий интеллект (AGI)
Искусственный сверхинтеллект (ASI)

Цель искусственного интеллекта – расширить возможности человека и помочь нам в принятии сложных решений с далеко идущими последствиями. ИИ выполняет регулярные автоматизированные задачи большого объема, а не автоматизирует ручную работу. И делает это последовательно и без усталости. Конечно, человеку все равно нужно настраивать систему и задавать правильные вопросы.

Обзор 17-ти идей для создания ИИ стартап-проектов с исходным кодом на GitHub:

Инструменты и фреймворки для создания ИИ проектов

ИИ адаптируется, позволяя данным программировать себя с помощью алгоритмов прогрессивного обучения. Для того чтобы алгоритмы обучались, ИИ ищет в данных структуру и закономерности. Алгоритм может обучить себя играть в шахматы, так же как он может обучить себя рекомендовать продукт. Глубокие нейронные сети используются ИИ для достижения поразительной точности. Например, ваше взаимодействие с Alexa и Google основано на глубоком обучении. И чем больше вы их используете, тем точнее они становятся.

Популярные инструменты и фреймворки, которые можно использовать для создания ИИ проектов: Scikit Learn, TensorFlow, Keras, PyTorch, Caffe, Theano.

Некоторые из популярных языков, которые можно использовать для создания ваших ИИ проектов: Python (самый популярный), R, LISP, C++, Julia.

Ниже приведены 17 интересных идей проектов ИИ с исходный кодом на GitHub, которые стоит попробовать сделать и модифицировать под вашу идею стартапа.

Система рекомендаций товаров и услуг (рекомендательная ИИ система)

Рекомендательные системы получили широкое распространение в нашей жизни в результате появления Youtube, Amazon, Netflix и других подобных веб-сервисов. Они представляют собой алгоритмы, которые помогают людям находить нужные им предметы.

В некоторых видах бизнеса рекомендательные системы имеют решающее значение, поскольку они могут приносить большой доход или служить способом выделиться на фоне конкурентов. Она определяет совместимость пользователя и предмета, а также сходство между пользователями и предметами, чтобы давать рекомендации.

Исходный код на GitHub: Рекомендательная ИИ система
https://github.com/LaxmiChaudhary/Amzon-Product-Recommendation

Анализатор плагиата контента на основе ИИ

Интернет переполнен контентом и его плагиатом, который можно найти на миллионах различных сайтов. Иногда бывает трудно определить, какой контент является плагиатом, а какой нет. Авторам блогов и издателей журналов сложно проверить, не была ли их работа украдена и размещена в другом месте. Новостные организации постоянно выясняют рутинным способом, не украла ли ферма контента их новостные материалы и не выдала ли она их за свои собственные.

Задача сложная. Что если бы у вас было собственное программное обеспечение для обнаружения плагиата? Такую возможность предоставляет искусственный интеллект.

Исходный код на GitHub: ИИ-система анализатор плагиата на Python
https://github.com/Kalebu/Plagiarism-checker-Python

Прогноз (подсказка) следующего слова на мобильных устройствах

Писать быстро и без орфографических ошибок всегда непросто. Нетрудно правильно и быстро набирать текст, используя клавиатуру настольного компьютера, но набор текста на небольших устройствах, таких как смартфоны и планшеты, – это совсем другая история, и многих из нас это может расстраивать.

С помощью ИИ-проекта “Предсказание следующего слова” вы можете улучшить свой опыт набора текста на мобильных устройствах, просто предсказывая следующее слово во фрагменте предложения. Вам не придется набирать полные предложения, потому что алгоритмы будут предсказывать следующее слово за вас, скорость написания и количество опечаток значительно сократится.

Исходный код: ИИ подсказка следующего слова на смартфонах
https://github.com/Bharath-K3/Next-Word-Prediction-with-NLP-and-Deep-Learning

ИИ-система распознавания лиц

Распознавание лиц – это технология ИИ распознавания или проверки личности человека по его лицу. Эта технология может распознавать лица на фотографиях, видео и в режиме реального времени. Одним из видов биометрической безопасности является распознавание лиц. Несмотря на растущий интерес к другим областям применения, эта технология в основном используется для обеспечения безопасности и охраны правопорядка.

Как правило, ИИ-система распознавание лиц не требует большой базы изображений для идентификации личности; скорее, оно просто идентифицирует и признает одного человека единственным владельцем устройства, ограничивая доступ другим.

Исходный код на GitHub: Распознавание лиц
https://github.com/serengil/deepface

Прогнозирование сердечно-сосудистых заболеваний на основе ИИ

С медицинской точки зрения этот ИИ-проект выгоден тем, что он предназначен для предоставления медицинских онлайн-консультаций и рекомендаций людям, страдающим от сердечно-сосудистых заболеваний. Приложение будет обучаться и получать информацию о множестве различных сердечных заболеваний. Эта умная система использует подходы искусственного интеллекта для предсказания наиболее точного заболевания, которое может быть связано с информацией, предоставленной пациентом. Затем пользователи могут обратиться за медицинской консультацией к специалистам, основываясь на диагнозе системы.

Исходный код: ИИ-система прогнозов сердечно-сосудистых заболеваний
https://github.com/g-shreekant/Heart-Disease-Prediction-using-Machine-Learning

ИИ-система анализа резюме кандидатов

Это одна из наиболее интригующих концепций проекта искусственного интеллекта. Выбрать достойных кандидатов из огромной стопки резюме — задача непростая. Целью этого проекта является разработка передового программного обеспечения, которое может обеспечить юридически обоснованную и справедливую систему ранжирования резюме.

Кандидаты будут ранжироваться по определенному профилю работы на основе их способностей и опыта. Также будут учтены все другие важные факторы, такие как soft skills, интересы, профессиональная квалификация и так далее. Это позволит исключить всех неподходящих кандидатов на должность и составить список лучших претендентов на эту должность.

Исходный код на GitHub: ИИ-система анализа резюме
https://github.com/HiteshAgarwal1/Personality-Prediction-Through-CV

ИИ-система отслеживания и прогнозирования продаж

Любой бизнес имеет огромное количество товаров, отслеживать и прогнозировать их продажи и движение на складе сложная задача. Именно здесь может помочь ИИ-система прогнозирование продаж. Она позволяет отслеживать новые поступления продукции и товаров, отсутствующих на складе. Прогнозирование продаж – это объемная и серьезная работа. Вы должны разработать алгоритм для определения количества ежедневно продаваемых товаров и прогнозирования продаж этого товара на еженедельной или ежемесячной основе.

Исходный код: прогнозирования продаж на основе ИИ
https://github.com/ROHANNAIK/Sales-Prediction

Автоматизированная система учета посещаемости в образовательных учреждениях

Автоматическая система учета посещаемости студентов и школьников отслеживает посещаемость людей в образовательных учреждениях. В отличие от традиционной системы учета посещаемости, программное обеспечение для автоматического учета посещаемости позволяет персоналу учреждений записывать, хранить и контролировать историю посещаемости учащихся, а также эффективно управлять коллективом. Технология выгодна тем, что генерирует подробный отчет о посещаемости каждого класса. Она экономит время, деньги и ресурсы для пользователя.

Исходный код: Автоматизированная система посещаемости
https://github.com/aashishrai3799/Automated-Attendance-System-using-CNN

ИИ-система для медицины – диагноз по выявлению пневмонии

Искусственный интеллект способен выявить заболевание на рентгеновских снимках пациентов. Для разработки системы ИИ используются конволюционные нейронные сети (КНС). Анализируя рентгеновские снимки грудной клетки, проект ИИ может автоматически определить, есть ли у пациента пневмония или нет. Поскольку на кону стоят жизни людей, алгоритм должен быть очень точным.

Исходный код на GitHub: ИИ-система по выявлению пневмонии
https://github.com/anjanatiha/Pneumonia-Detection-from-Chest-X-Ray-Images-with-Deep-Learning

Чатботы с искусственным интеллектом

Создание чатбота – одна из главных инициатив, основанных на искусственном интеллекте. Начать следует с разработки базового чат-бота для обслуживания клиентов. Идеи можно почерпнуть из чат-ботов, которые можно найти на многочисленных веб-сайтах и приложениях.

После создания базового чатбота вы можете доработать его и создать более сложную версию бота. Искусственный интеллект позволяет вам раскрыть границы фантазий и поддерживает вас в воплощении ваших идей в реальность.

Исходный код на GitHub: Чат-бот с искусственным интеллектом
https://github.com/topics/ai-chatbot

Беспилотные автомобили с искусственным интеллектом

Алгоритмы искусственного интеллекта позволяют создавать самоуправляемые автомобили (беспилотные автомобили). Они позволяют автомобилю собирать данные о своем окружении с камер и других датчиков, анализировать их и решать, какие действия предпринять. Прорывы в области искусственного интеллекта позволили автомобилям научиться выполнять эти задачи лучше, чем человек. В проекте используются сложные математические вычисления и методы распознавания образов.

Исходный код: Самоуправляемый автомобиль с искусственным интеллектом
https://github.com/ndrplz/self-driving-car

ИИ-система раскрашивания ч/б изображений (колоризация изображений)

Многим из нас при просмотре старинных фотографий в градациях ч/б и серого трудно представить себе цвета, в которых был запечатлен момент съемки. ИИ-система предлагает идеальное решение, поскольку она может быть использован для создания интеллектуальной системы колоризации изображений. Техника добавления цветов в полутоновое изображение для того, чтобы сделать его более приятным для восприятия и более значимым, известна как колоризация изображения.

Исходный код на GitHub: ИИ-система раскрашивания ч/б изображения
https://github.com/richzhang/colorization

Игра в шахматы на основе ИИ

Шахматы – популярная игра, и для того, чтобы улучшить наше удовольствие от нее, необходимо внедрить хорошую систему искусственного интеллекта, которая сможет конкурировать с человеком и сделать шахматы сложной задачей. Искусственный интеллект изменил то, как сегодня играются шахматные партии высшего уровня. Большинство гроссмейстеров и супергроссмейстеров используют новейшие шахматные движки с искусственным интеллектом для оценки своей игры и игры соперников.

Исходный код: Игра в шахматы
https://github.com/luweizhang/chess-ai

Оценка позы человека в движении в реальном времени

Определение положения тела человека путем расчета различных суставов тела известно как оценка позы человека. Это техника компьютерного зрения для отслеживания движения человека или объекта. Обычно это достигается путем определения местоположения критических точек для рассматриваемых объектов. ИИ-система использует оценку положения человека в движении, чтобы определить, где находятся глаза и голова человека, чтобы применить фильтр. Аналогичным образом мы можем оценить положение человека в реальном времени и применить к нему фильтры.

Исходный код на GitHub: ИИ-система оценки позы человека
https://github.com/wangzheallen/awesome-human-pose-estimation

ИИ-система определяющее старение лица человека

Генеративные адверсарные сети (GAN) – это разновидность глубоких нейронных сетей, которые генерируют данные посредством машинного обучения без обучения. Благодаря недавнему успеху архитектуры GAN мы можем производить изменения изображений с высоким разрешением. Вы можете создать приложение, которое принимает на вход изображение человека и возвращает фотографию того же человека через 30 лет. Это достаточно сложный проект по внедрению архитектуры GAN.

Исходный код: ИИ-система старения лица
https://github.com/HasnainRaz/Fast-AgingGAN

ИИ-генератор подписей к изображениям

Генерация подписей – это сложная задача искусственного интеллекта, в которой необходимо создать текстовое описание для заданной фотографии. Для этого необходимы как технологии компьютерного зрения для понимания содержания изображения, так и языковая модель обработки естественного языка для преобразования понимания изображения в слова в правильном порядке. Подходы глубокого обучения ИИ недавно достигли самых высоких результатов.

Исходный код на GitHub: ИИ-генератор подписей к изображениям
https://github.com/MITESHPUTHRANNEU/Image-Caption-Generator

Голосовой виртуальный помощник на основе ИИ

Голосовые персональные помощники – это полезные инструменты для облегчения рутинных действий. Вы можете использовать виртуальных голосовых помощников для таких задач, как поиск товаров/услуг в Интернете, покупка товаров для вас, составление заметок и создание напоминаний и многое другое. Поскольку помощник был обучен понимать нормальный человеческий язык, он распознает команду и сохранит ее в базе данных. По произнесенной фразе он определит цель пользователя и предпримет соответствующие действия. Он также может преобразовывать текст в речь.

Исходный код: голосовой виртуальный помощник на основе ИИ
https://github.com/ggeop/Python-ai-assistant

Искусственный интеллект (ИИ) — мощный инструмент для развития бизнеса. Для компаний, работающих с огромными потоками информации, он буквально становится спасением — помогает выполнять рутинные операции, обрабатывая данные и предоставляя аналитику. Благодаря работе искусственного интеллекта бизнес получает реальную основу для принятия правильных и оперативных решений — цифры, критерии, рекомендуемые действия. И это позволяет улучшать и развивать бизнес-процессы, повышать прибыльность. О том, как внедрение и использование искусственного интеллекта в бизнесе влияет на разные процессы, стоит ли доверять интеллектуальным системам и как компании уже его их используют, расскажем в статье.

Как работает искусственный интеллект

Применение ИИ в бизнесе — это возможность переложить на машины утомительную деятельность по обработке больших данных, прогнозированию решений и составлению отчётов. Любой сервис на основе искусственного интеллекта становится умным в результате машинного обучения: используя заданные алгоритмы он собирает информацию, анализирует её, определяет закономерности, классифицирует данные и формирует выводы. 

Преимущества и возможности искусственного интеллекта уже активно используют в таких процессах:

1. Обеспечение кибербезопасности (защиты от кибермошенников и фишинговых программ).

Сервисы, основанные на ИИ, отслеживают необычное поведение программ, файлов, сравнивают с поведением безопасных ресурсов, блокируют подозрительную активность. Так компании защищаются от утечки данных и мошенничества. 

1. Продажи и прогнозирование спроса.

На основе чеков и другой покупательской информации компьютер может выяснить:

• Какие продукты являются самыми востребованными.

• Что складывают в корзину покупатели определённой возрастной категории.

• Что чаще покупают вместе с каким-то исследуемым продуктом.

• Как меняется спрос.

• Как покупатели реагируют на акции.

И чем больше данных обрабатывает искусственный интеллект, тем умнее он становится, тем лучше аналитика и прогнозы. 

1. Обслуживание клиентов.

Службы поддержки и консультационные отделы раньше решали все вопросы клиентов компаний, от самых простых до требующих глобальной проработки. При этом сложные вопросы могли долго ожидать своей очереди из-за мелких проблем, решающихся в два счёта. Теперь же службам помогают боты (голосовые помощники), которые умеют вести сложные диалоги и обрабатывать десятки звонков в минуту. Боты автоматически провожают клиента к решению его вопроса, если он стандартный. А операторы берут на себя только те вопросы, которые бот решить не в силах. В результате бизнес экономит на трудовых ресурсах, а вопросы решаются значительно быстрее и эффективнее. 

Искусственный интеллект — это волшебная палочка для бизнеса?

Да, но только при осознанном участии предпринимателя. IT-компании могут предложить бизнесу много готовых решений на основе искусственного интеллекта. Но без взаимодействия с человеком ИИ не сделает в один момент бизнес прибыльным. Сначала необходимо поставить цель, дать ИИ задачу и только потом использовать его на полную мощь. Цель задаёт предприниматель, он сценарист, а искусственный интеллект — режиссёр. И если сценарий будет безупречным, шанс на успех режиссуры увеличивается. 

Какие цели могут быть:

• Улучшение маркетинговой стратегии через анализ интересов клиентов.

• Повышение качества и оперативности процессов через тестирование разных подходов. 

• Выявление потребности в усилении ресурсов компании через изучение текущих процессов.

• Определение ведущих направлений через исследование спроса.

Имея конкретную цель, искусственный интеллект:

• Соберёт и приведёт к общему знаменателю данные из разных источников.

• Выдаст чёткую аналитику.

• Сформирует прогнозы.

Практика внедрения искусственного интеллекта в бизнес российских компаний

Приведём примеры, как реализуются бизнес-идеи с искусственным интеллектом. 

Голосовой помощник

Интересной статистикой делится сеть пиццерий «Додо Пицца». Внедрение робота, который отвечает на звонки и обрабатывает обращения клиентов, без трудностей не обошлось: неоднократно приходилось дорабатывать скрипты. Но по итогам первого месяца было обработано 250 тысяч звонков, причём в 97 % случаев — успешно. В 2021 году компания благодаря роботу стала экономить более 1 млн рублей в месяц на обработке входящих звонков, а клиенты стали тратить меньше времени в ожидании ответа оператора. Те вопросы, которые можно решить без оператора, например, изменение способа оплаты, отмена заказа, предоставление информации о сделанном заказе, робот берёт на себя. 

Компьютерное зрение

Крупнейший российский ритейлер Х5 Retail Group использует технологии компьютерного зрения. Искусственный интеллект распознаёт фото- и видеопотоки с целью повышения доступности товаров на полках. Как это происходит: камеры в магазине направлены на стеллажи и фиксируют пустые места. Компьютер обрабатывает фото и видео, распознаёт товары, определяет необходимость заполнения и привлечения для этого персонала. Работники магазина получают точную информацию по ассортименту и выкладке. Система распознаёт любые товары на полках с точностью более 95 %. А скорость формирования отчёта составляет от 10 до 30 секунд. 

Чат-бот контакт-центра

В Wildberries искусственный интеллект «Ева Вайлет» отвечает на 6 из 10 сообщений пользователей. По словам представителей маркетплейса, для них развитие ИИ и роботизация контакт-центра — один из важнейших проектов в 2021 году. Чат-бот запущен ещё 3 года назад, но эффективно он стал работать с момента последней прокачки. В 2021 году контакт-центр WB получил более 12 млн запросов от покупателей, и чат-бот обработал около 58 %.

Помощник бухгалтера

Сеть «Леруа Мерлен» внедрила программных роботов для автоматизации сравнения и обновления цен на мебель. Такое решение было необходимым, так как обрабатывать информацию от 1,6 тыс. поставщиков тяжело. Реализованный робот распознаёт в документах суммы, даты, штрихкоды и артикулы товаров, а затем вносит корректировки в учётную систему. «Леруа Мерлен» отмечает ускорение процессов в 4 раза. Благодаря качественной роботизации существенно увеличилась скорость обработки документов и согласования с отделом закупок, упростился менеджмент этого бизнес-процесса. Теперь 10 % вычитки и сверки цифр выполняют бухгалтеры, а 90 % — роботы.

Искусственный интеллект для поиска нефти

В 2019 году «Газпром нефть» впервые успешно применила машинное обучение для поиска скрытых запасов нефти. ИИ предсказал участки залежей нефти, которые исследователи не могли определить традиционными методами. Первое испытание на Ямале дало дополнительный приток нефти в пределах 70 баррелей в сутки. При этом себестоимость извлечения нефти составила всего $1,5 за баррель, и разработка технологии окупилась по итогам пилотного проекта.

Вывод

Как видно, использование ИИ в бизнесе даёт большие возможности для развития самых разных бизнес-процессов и компании в целом. И это не модное веяние, а реальная необходимость в условиях, в которых компании работают сейчас. Особенно это касается сферы продаж. 

Искусственный интеллект для вашего бизнеса — это средство повышения конкурентоспособности и прибыльности через автоматизацию рутинных процессов. У СберКорус есть инструмент, помогающий руководителю управлять эффективностью сотрудников — Интеллектуальная система управления сотрудниками для CRM. Она собирает и анализирует данные по действиям сотрудников, показывает точки роста, формирует конкретные рекомендации для повышения эффективности работы. Руководитель компании получает прозрачную аналитику, с помощью которой может принимать решения и влиять на качество работы и доходность бизнеса. Подробную информацию о том, как работает Интеллектуальная система управления сотрудниками, можно получить по ссылке.

Введение

Актуальность темы. В ХХI веке
сбывается давняя мечта человечества о создании умной машины, которая, если не
решит все проблемы, то станет верным помощником человеку. По мнению экспертов,
к 2023 г. элементы искусственного интеллекта (ИИ, Artificial Intelligence, AI)
будут присутствовать во всех новых программных продуктах и сервисах [20]. ИИ станет
приоритетом для инвестиций свыше 1/3 компаний в мире и основой для роста
мирового внутреннего валового продукта (ВВП) [1, 4, 21] (Arkhipov, 2020;
Babich, Kirillova, 2019; Alizada,
Muradli, 2020).

Задачи, на решение которых человек раньше тратил довольно
продолжительное время, искусственный интеллект может выполнить за несколько
секунд. Уже сегодня с помощью ИИ в десятки раз быстрее открывают банковские
счета и проводят закупки, разрабатывают новые лекарства, инвестируют на
фондовом рынке и могут с точностью до минут определить время задержки рейса.
Искусственный интеллект называют «новым электричеством»: он меняет целые
отрасли бизнеса, а в будущем, возможно, изменит и облик всей цивилизации. Согласно
формулировке профессионального
медийного ресурса Techtarget.com, искусственный интеллект – это способность
технологий имитировать интеллектуальную деятельность, например, обучаться на
основе информации и заданных правил, делать логические выводы и корректировать
свои решения. ИИ применяется для создания экспертных систем, обработки данных
на естественном языке, распознавания речи и машинного зрения и т.п. [1]
В связи с вышеизложенным тема произведенного исследования приобретает еще
большую актуальность.

Цель работы – проанализировать
результаты использования высокоинтеллектуальных решений в различных сферах
бизнеса и определить перспективные направления внедрения алгоритмов
искусственного интеллекта в бизнес-процессы.

Научная новизна исследования
заключается в изучении результатов внедрения программ и сервисов искусственного
интеллекта в различные сферы бизнеса, что позволило определить основные
направления дальнейшего развития систем искусственного интеллекта, а также
обозначить основные проблемы, риски и угрозы, связанные с широким
использованием искусственного интеллекта и информационных технологий в жизни
общества, человека и государства.

Гипотеза: основная цель внедрения
сервисов искусственного интеллекта заключается не в полной замене человека в
технологических и бизнес-процессах, но в повышении эффективности труда человека и показателей бизнеса в целом.

Основная часть. Внедрение сервисов искусственного интеллекта в бизнес-сферу

Объем информации, созданной человечеством за
последние 30 лет, равен объему за
предыдущие 3 тысячелетия и продолжает стремительно расти, формируя, таким
образом, огромные массивы данных (Big Data), которые не могут быть
эффективно использованы без применения возможностей искусственного интеллекта
(ИИ) [1, 4] (Arkhipov, 2020; Babich,
Kirillova, 2019).

Включение в жизнедеятельность человека алгоритмов ИИ в качестве
помощника с дополнительными возможностями и опциями позволяет получить основное
преимущество такой интеграции – это не только ускорить процесс принятия
решений, но и существенно повысить их качество [6] (Gorodnova, 2021).

Стремительное развитие систем ИИ позволяет ему самосовершенствоваться на
основе нейронных сетей глубокого обучения. Это подтверждается ростом количества
ИИ-стартапов,
число которых в период с 2015 по 2018 г. увеличилось в пять раз и составило 3465 млрд долл. США,
причем в Соединенных Штатах – 1393 млрд долл. США. Наибольшее количество таких ИИ-компаний
в 2017 г. было зарегистрировано именно в США, их на тот момент насчитывалось
2905 ед. По данным информационного портала DataProt, к 2027 г. мировой
рынок искусственного интеллекта достигнет 267 млрд долл. США. При этом сегодня
37% компаний применяют алгоритмические сервисы и ИИ-технологии. Это
свидетельствует о том, что возможности использования новых
высокоинтеллектуальных технологий в будущем будут неуклонно возрастать [9] (Zhilin,
Safaryan, 2020).

Большинство компаний, работающих на рынке ИИ, вкладывают средства
в разработку приложений для машинного обучения. Объем инвестиций в разработки
на основе искусственного интеллекта в 2020 г. составил 67,9 млрд долл. США. [2]
Доля частных инвестиций в развитие технологий ИИ интеллекта в 2020 г.
показала рост на 9,3% и составила 40 млрд долл. США [3].
Также
гигантские денежные ресурсы вкладываются в программы, способные распознавать
человеческую речь. Этот сегмент, по данным аналитиков, в 2020 г. составлял
свыше 12,5 млрд долл. США. [4]

Объемы выручки от применения BigData и сервисов бизнес-аналитики в
мире на 2018 г. составляли 168,8 млрд долл. США. По прогнозу, уже в 2022 г.
данный показатель превысит отметку в 274,3 млрд долл. США [1] (Arkhipov,
2020).

Сегодня ядром сервисов искусственного интеллекта, применяемых в
бизнес-сфере, являются ИИ-рекомендации онлайн-магазинов и виртуальные ассистенты
(например, Alex, Cortan и Siri) [3] (Bukhtiyarova, 2019). Искусственный
интеллект сортирует контент по предпочтениям и популярности пользователей, распознает,
понимает и самостоятельно пишет тексты, фильтрует и блокирует СПАМ, распознает человеческую
речь, идентифицирует людей по фотографии, селфи, сетчатке глаза и другими
способами. Это приводит экономистов и экспертов к противоречивым выводам по
вопросу влияния ИИ на рынок труда вследствие ограниченных данных о негативных
последствиях такого воздействия [6, 23] (Gorodnova, 2021; Kitzmann, Yatsenko,
Launer, 2021).

В целях коммуникации с клиентами ИИ-компании используют чат-боты,
которые вступают во взаимодействие и отвечают на вопросы. Системы
искусственного интеллекта активно применяются при оказании телекоммуникационных
услуг, в автомобильной промышленности и финансовом секторе. Указанные
технологии внедряются и в розничных сетях, при производстве FMCG (пер. с англ.
fast moving consumer goods – товары повседневного спроса), медийном бизнес и
пр. [13, 19] (Leksin, 2020; Fedorchenko, 2020).

Технологии искусственного
интеллекта широко используются в таких разных сферах бизнеса, как ритейл,
строительство, информационные технологии, образование и т.д. В каждой из указанных
бизнес-сфер применяются технологии управления поведением потребителей, изучения
будущих тенденций рынка и автоматизации различных рутинных процессов.
Рассмотрим сектора применения возможностей искусственного интеллекта.

1. Транспорт. Беспилотные автомобили, использующие алгоритмы искусственного
интеллекта с возможностью полного автономного вождения без вмешательства
человека, могут существенно трансформировать транспортную систему. Машины с
использованием ИИ анализируют трафик и альтернативные маршруты, сокращая время
в пути [5].

2. Производство. Применение высокопроизводительных роботов способствует быстрому
и качественному выполнению задач, более эффективной, чем у человека,
деятельности. Благодаря использованию 3D-технологий и машинного зрения роботы
способны в разы ускорить процесс производства в любой сфере.

3. Здравоохранение. Автономные хирургические роботы, виртуальные помощники медицинского
персонала и автоматическая диагностика изображений – это новейшие разработки,
благодаря которым искусственный интеллект начинает играть решающую роль в технологическом прогрессе сферы здравоохранения,
а также в развитии услуг телемедицины в трансграничном режиме [8] (Ermakova,
Kovyazin, 2002).

4. Сфера развлечений. Машинное обучение на нейронных сетях позволяет предсказывать сценарии
поведения пользователя и предоставлять рекомендации по подбору фильмов, музыки,
телешоу и другого интересующего потребителя контента. ИИ в зависимости от
предпочтений пользователя осуществляет персонализированный подбор рекламы, что способствует
повышению эффективности маркетинга в аспекте таргетированной рекламы и
увеличению объемов продаж.

5. Спорт.
Предиктивный анализ и автоматизация, осуществляемая алгоритмами искусственного
интеллекта, применяются в целях принятия бизнес-решений, продажи билетов и прогнозирования результатов спортсменов.

Искусственный интеллект,
применяемый в бизнесе, способствует улучшению показателей во всех сферах. К
примеру, к процессам, в рамках которых ИИ решает определенные узконаправленные задачи,
следует отнести следующие:

1. Ценообразование. Искусственный интеллект
осуществляет изучение статистики и выполняет прогностические функции,
обрабатывая гигантские массивы информации в целях подбора наиболее оптимального
распределения цен на конкретный вид продукции. Это позволяет в несколько раз
повысить объемы выручки и доходов компании.

2. Безопасность. Самообучающиеся нейронные сети анализируют поведение клиентов и вычисляют
подозрительные операции, существенно снижая таким образом негативные
последствия действий кибермошенников и киберпреступников, что приводит к
значительному снижению финансовых потерь, повышенной защищенности системы и росту
доверия пользователей [7] (Dudin, Shkodinskiy, 2021).

3. Маркетинговая сфера. Системы
искусственного интеллекта на основе изучения предыдущих продаж и глубокого изучения
рынков осуществляют прогнозирование сценариев развития событий. Алгоритмами
изучаются контактные данные клиентов, суммы сделок
и приобретенные ими товары или услуги [20] (Shkor, Sevzyuk, 2020). Кроме того, ИИ анализирует поведение конкурентов в целях
сопоставления эффективных и неудачных решений и действий. Это позволяет
компании разрабатывать и реализовывать грамотную маркетинговую стратегию,
которая с высокой степенью вероятности завершится финансовым успехом.

4. Скорость обработки данных. Big Data (большие данные) – это основной
инструмент работы искусственного интеллекта. ИИ позволяет быстро и эффективно анализировать
большие объемы информации, разрабатывать пути реакции, а также осуществлять
построение стратегического планирования. В качестве примера можно привести
применение систем искусственного интеллекта при реализации биржевых операций.
Следует отметить, что традиционные программные алгоритмы не в состоянии
самостоятельно адаптироваться к быстро меняющимся условиям и данным без
предварительного обучения. Алгоритмы искусственного интеллекта предоставляют
такую возможность и повышают продуктивность работы на бирже [4] (Babich,
Kirillova, 2019).

5. Процессы автоматизации. Существует большое количество факторов, вызывающих возможные
ошибки в работе персонала. Искусственный интеллект, у которого отсутствуют
эмоции и чувства, характерные для человека (человеческий фактор), используя
данные, функции и технологии, позволяет осуществлять безошибочную и точную
работу [12] (Lapaev, Morozova, 2020). Однако следует отметить, что уже сегодня
ведется ряд исследований, которые позволяют ИИ выявлять сарказм и двойной смысл
человеческих сообщений. В частности, американскими учеными из Университета
Центральной Флориды на основе тренировок и обучения нейронных сетей создан
искусственный эмоциональный интеллект (Emotional AI). Это перспективная подсистема ИИ, которая способна распознавать
и интерпретировать проявления человеческих эмоций. Благодаря этому достигается более
естественное и непринужденное взаимодействие человека и ИИ [6].

6. Виртуальные помощники.
Чат-боты, Siri
и Ok Google – это не единственные примеры [21] (Alizada, Muradli, 2020).
К примеру, чат-бот Олег, применяемый в приложении интернет-банка Тинькофф, с
помощью распознавания
речи общается
с клиентами банка посредством цифровых устройств и выполняет стандартные
банковские операции, например, осуществляет денежные переводы. Эти же функции
осуществляются первым в мире семейством виртуальных ассистентов «Салют»
экосистемы «Сбер» [7].

Использование виртуальных
помощников – это один из ИИ-инструментов, который со временем будет более
широко внедряться в бизнес-процессы и повседневную жизнь современного человека.
По статистике Facebook, более 10 тысяч компаний занимаются разработкой
чат-ботов [8]. К примеру, Juniper Research отмечается
высокая популярность применения виртуальных помощников. Использование чат-ботов
в финансовом секторе и медицине способно сэкономить до 20 млн долл. США в год, к
2022 г. такая экономия составит около 8 млрд долл. США. [9]
Постоянный контроль и мониторинг инфраструктуры различных компаний – это еще
одно направление применения искусственного интеллекта. К текущему моменту
времени на мощностях французской энергетической компании Engie успешно
применяются дроны с программами распознавания
изображений на основе машинного обучения, которые следят за
оборудованием и изучают инфраструктуру в целях предотвращения технологических и
иных нарушений.

ИИ-системы контроля и
мониторинга широко используются и в городской среде. Наиболее простой пример –
система распознавания автомобильных номеров с помощью камер видеослежения, применяемая муниципальными
организациями. Кроме того, подобные алгоритмы применяются для систем распознавания
лиц [17] (Porokhovskiy, 2020).

Искусственный интеллект
способен снижать риски износа и повреждения оборудования, а также создавать
систему безопасности для различных компаний. Автоматизация ручного труда также
является важной и неоднозначной темой, поскольку использование алгоритмов искусственного
интеллекта в промышленности способно вытеснить из этой сферы человеческий
труд. Автоматизированные технологии выполняют сложные процессы быстрее и
качественнее, чем человек, они способны работать 24 часа в сутки. Следует
подчеркнуть, что основная цель внедрения высокоинтеллектуальных решений сегодня
– это не полная замена человека в производственных и бизнес-процессах, но
повышение эффективности человеческого труда. К примеру, японская страховая
компания Fukoku Mutual Life Insurance установила программу от IBM-Watson Explorer AI.
Данная система анализирует данные медицинских полисов по операциям и процедурам
в целях вычисления размеров страховых выплат. По расчетам представителей
Fukoku, внедрение искусственного интеллекта позволит им увеличить
производительность на 30%.

Еще одно направление
применения алгоритмов искусственного интеллекта – это предиктивная аналитика.
ИИ-алгоритмические технологии способны обрабатывать огромные массивы данных,
выявлять закономерности и осуществлять прогностические функции. В одном из
R&D-проектов разрабатывают систему
рекомендаций для крупной розничной сети супермаркетов. Система анализирует характеристики
покупателей и товаров и на основании данного анализа автоматически составляет качественные
рекомендации [18] (Sergeev, 2020).

Другой
пример применения искусственного интеллекта в бизнесе – это Expedia,
крупнейшая в мире онлайн-платформа по планированию путешествий. В рамках этой
платформы осуществляется целый ряд процедур от бронирования отелей до аренды
транспорта. Компанией довольно эффективно используется сеть машинного обучения
для персонализации процесса планирования поездки каждого клиента. В отличие от
традиционных типов прогнозирования, предиктивная аналитика легко адаптируется к
изменениям поведения, используя массивы вновь поступающих данных.

В результате применения
возможностей анализа неструктурированных данных с помощью ИИ-сервисов в
процессе распространения
мобильного контента, в частности сообщений в мессенджерах, электронных писем, фото
и видео, осуществляется структурирование сгенерированных данных и сведений в
целях получения возможностей их дальнейшей обработки. Указанный принцип заложен
в основе работы сервиса Siri, который с помощью алгоритмов программы позволяет
обрабатывать и структурировать человеческую речь, обеспечивая тем самым ее
подготовку к проведению дальнейшего анализа. В системах анализа
неструктурированных данных заложен огромный потенциал для производственных и
ресурсодобывающих предприятий, которые накапливают массивы смешанной информации
в течение долгого периода времени. Такой анализ способен облегчить работу
инженеров, в том числе сэкономить время на сортировку и организацию данных
перед тем, как оценить их и выявить важные взаимосвязи.

Кроме того, искусственный
интеллект – это возможность делегировать роботам утомительные и трудоемкие для
человека задачи. Например, роботизированный онлайн-ритейлер Ocado разработал
систему компьютерного зрения и сеть роботов в целях замены процесса
сканирования баркодов на своих торговых складах. Это позволяет ускорить поиск и
выдачу нужных товаров [21] (Alizada, Muradli, 2020).

Внедрение искусственного интеллекта
в различные бизнес-сферы начинается, как было показано выше, со сбора и обработки
необходимых данных, трансформирования и систематизации их в нужный структурированный
вид. Следующим шагом является разработка ИИ-алгоритмов, которые будут способны
к самообучению. Здесь необходимы квалифицированные ИТ-специалисты, которые
смогут научить систему искусственного интеллекта всем необходимым для компании
или бизнеса действиям. Сегодня на рынке создано достаточно большое количество
готовых ИИ-решений, которые помогут настроить алгоритмы искусственного
интеллекта быстрее и качественнее. После получения необходимой информации от
системы искусственного интеллекта осуществляется перестройка всех технологических
и бизнес-процессов, на которые оказывают влияние алгоритмы ИИ. На этом этапе,
бесспорно, требуется участие не только машин, но и человека. Однако в
дальнейшем ИИ с помощью нейронных сетей способен оптимизировать свою работу
самостоятельно.

Применение цифровых
продуктов и моделей искусственного интеллекта в компаниях по нефтепереработке

В качестве примера применения возможностей искусственного
интеллекта в различных сферах бизнеса в данном исследовании представлены результаты
работы IT-компании DD, функционирующей в г. Екатеринбурге (Свердловская область). Указанная
компания занимается созданием моделей оптимизации процессов принятия ИИ-решений
с 2018 г.

Магистральным
направлением деятельности рассматриваемой компании является разработка и внедрение
ряда цифровых продуктов, позволяющих получить решения ключевых проблем
непрерывного производства нефтеперерабатывающих и нефтехимических циклов в
целях повышения их экономической эффективности. В основе цифровых систем,
разрабатываемых и внедряемых в проектах нефтепереработки, лежит цифровая
платформа dataCORE. Этот объект интеллектуальной собственности создан
непосредственно IT-специалистами
компании [10].
Рассматриваемый цифровой продукт dataCORE представляет собой систему базовых IT-моделей,
посредством которых возможно описание кинетических, физико-химических и
термодинамических процессов, происходящих в производственных установках
нефтеперерабатывающего цикла. Следует отметить, что сегодня dataCORE содержит в
себе как отдельно функционирующие IT-элементы,
так и готовые модули установки. При этом заказчик в качестве итогового
цифрового продукта получает IT-решение,
представляющее собой цифровую систему, которая решает конкретную проблему, но
не набор кодов. К основным свойствам и характеристикам указанной цифровой
системы следует отнести следующие:

1)
запрограммированный
и ограниченный функционал;

2)
решение
конкретной актуальной проблемы;

3)
возможность
модификации системы в зависимости от изменения входных параметров и факторов.

Базовый
вариант системы dataCORE позволяет решать наиболее распространенные на
сегодняшний день проблемы. Основные направления подготовленных решений для
функционирующих технологических установок нефтеперерабатывающих предприятий приведены в таблице 1.

Таблица
1

Примеры
разрабатываемых IT-решений
для наиболее распространенных технологических установок нефтеперерабатывающих
комплексов

№ п/п	Наименование установки	Наименование IT-продукта	Ожидаемая результативность	Примечания
1	Трубчатая печь	Динамический КПД печи	Экономия топлива на 5% (до 5 млн руб. в год)	Достижение максимальной производительности, возможный КПД 83% по сравнению с текущим 74%
2	Петлевой реактор полимеризации полиэтилена	Виртуальные анализаторы показателей качества	Повышение эффективности до 10% (до 40 млн руб. в год)	Анализ потока данных, управление качеством, моментальное изменение параметров режима
3	АВТ-10	Температура замерзания дизельного топлива	IT-продукты дорабатываются и настраиваются под уникальные характеристики каждой конкретной технологической установки
Фракционный состав бензина
Информационные решения – моделирование каждой установки в отдельности с возможностью интеграции в системы оптимизации

Источник: составлено автором по: Передовая
математика для производства. DataData. –
[Электронный ресурс]. – режим доступа: https://datadata.ru/#solution (дата обращения
14.05.2021 г.).

Специалистами компании DD даются прогнозы следующих экономических
показателей, представленных в таблице 2.

Таблица 2

Прогнозируемые экономические показатели деятельности компании DD по состоянию на 2025 год [11]

№ пп	Прогнозируемые результаты деятельности компании (число инсталляций)	Прогнозируемая выручка от реализации продукции (млрд руб./год)	Прогнозируемая выручка от продажи лицензий (млрд руб./ год)
1	Объем сбыта IT-продукции – 350	1,8	0,18
2	Потенциал рынка в РФ – 2 тыс.	10,0	1,5
3	Максимальная емкость рынка – 100 тыс.	500,0	75,0
Без учета курсовой разницы валюты

На рисунке, представленном ниже, приведены прогнозные значения
ожидаемой компанией DD валовой прибыли до 2025 года.

Рисунок. Прогнозируемая валовая прибыль компании DD

Источник: составлено автором по: Компания DataData, – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения:
17.05.2021 г.).

Объемы
валовой прибыли спрогнозированы на основе уже реализуемых
в настоящее время цифровых проектов в сфере нефтепереработки.

На
современном этапе компания DD
сотрудничает с такими гигантами отрасли, как «Газпромнефть», «Сибур», «Роснефть»,
«Башнефть», выстраивает взаимовыгодное партнерство с Schneider
Electric и Инфосистемы Jet.
Анализ показателей нефтеперерабатывающих производств
с применением продуктов указанной IT-компании DD за 2018–2020 гг. свидетельствует о повышении эффективности деятельности
компаний в целом на 5–10%.

Перспективные направления
развития искусственного интеллекта в бизнес-сфере

Перспективными направлениями
применения искусственного интеллекта являются те процессы, в которых отслеживаются и
повторяются действия человека. Подчеркнем, разработка и внедрение таких технологий
на сегодня не развиты до такого уровня, чтобы заменить человека абсолютно во
всем.

Крупными технологическими
компаниями получены впечатляющие результаты, связанные с созданием
компьютерного зрения, модулей управления движением, понимания речи, организации
и предоставления доступа к информации с помощью компьютерного обучения [17] (Porokhovskiy,
2020). Среди
наиболее популярных применений систем с ИИ следует отметить системы
распознавания образов (face recognition), обработки естественного языка
и синтеза речи (natural language processing), а также автоматизированные
аналитические системы для прогнозирования результатов (predictive analytics). Несмотря на это,
современные компании не обладают достаточно надежными интеллектуальными технологиями,
которые могут воспроизводить точность работы человеческих глаз или отдельных зон
мозга, ответственных за речь [11, 14] (Karpova, Evtodieva, 2020; Lyubimov, 2020).

ИИ открывает новые
возможности для решения экологических проблем планеты. Основные риски в этой
области связаны с безопасностью технологий и контролем за ними. Также
необходимо учитывать этические вопросы и социально-экономические последствия
применения ИИ. Несмотря на это, новые технологии способны помогать людям
контролировать состояние растений и животных и оказывать влияние на
климатические условия.

Медицина – это еще одна
отрасль, в которой применение ИИ пока не может быть
полноценным и полностью замещающим участие человека. Однако уже сейчас искусственный
интеллект оказывает врачам огромную помощь в аналитических и прогностических
сферах медицины [8] (Ermakova, Kovyazin, 2002). В таблице 3
представлены перспективные направления применения возможностей искусственного
интеллекта в крупных цифровых компаниях.

Таблица 3

Перспективы применения
искусственного интеллекта в цифровых компаниях

№ п/п	Название компании	Название проекта	Направления применения систем искусственного интеллекта
1	Google	Google Health	Диагностика состояния здоровья, построение маршрута до ближайшей больницы, напоминание о времени приема лекарств, оценивание прогресса в занятиях фитнесом
Medical Brain	Анализ состояния пациента, определение перспектив дальнейшего течения болезни, прогнозирование вероятности неблагоприятного исхода
2	Сбер	Приложение Сбербанк Онлайн	Анализ предпочтений 50 млн пользователей по 1000 параметрам и персонифицированное формирование пакета услуг и информации, осуществление переводов и платежей, ведение статистики трат
Предоставление всех кредитов (с 2021 г.) по биометрическим данным клиента, изучение кредитной истории, доходов, трат [2] (Afanasev, 2019)
Проведение предварительного собеседования с кандидатами на массовые вакансии
3	Facebook	Онлайн-приложение	Корректировка изображения глаз на фотографии моргнувшего клиента

Источник: составлено автором по: [10, 13, 16] (Zhukov, 2020; Leksin, 2020; Morozova, Korobeynikova, Korobeynikov, Glazova, 2020).

Следует отметить, что
компанией Facebook разработан новый метод хранения информации в нейронных сетях,
получивший название Expire-Span [12]. В основу метода положен принцип присвоения
срока годности отдельным фрагментам данных в зависимости от их актуальности и
важности. Поскольку системы ИИ пока неспособны различать уровень важности и
второстепенности различных сведений, внедрение новой модели позволит нейронным сетям
повысить избирательность в систематизации и хранении информации, осуществляя тем
самым существенную экономию вычислительных ресурсов алгоритмов [9] (Zhilin,
Safaryan, 2020).

В бизнесе применяется так называемый слабый искусственный
интеллект, умеющий решать только узкие специализированные задачи с помощью
методов BigData и алгоритмов машинного обучения. Сильный
искусственный интеллект, способный к многозадачности, – это обладание когнитивными способностями и возможностями,
аналогичными человеческим. Его функционал решения задач одновременно в нескольких
контекстах практически не ограничен: игра в шахматы, сочинение стихов, решение
математических задач, бизнес-аналитика и осознание своего интеллекта как
отдельной личности. Сильный ИИ, по прогнозам специалистов, появится в интервале
2040–2075 гг.

Следует отметить, что
развитие ИИ и BigData тесно связано между собой. Для машинного
обучения необходимы огромные массивы данных [1, 9] (Arkhipov, 2020; Zhilin, Safaryan, 2020). Умение правильно подбирать
исходные данные для процесса обучения нейросетей является одной
из специфических компетенций профильных специалистов,
но не единственной. Процесс обучения ИИ также необходимо контролировать
и корректировать. Например, если в результате работы нейронных сетей
получены неверные или сомнительные результаты, требуется изменение наборов исходных
данных и «переучивание» системы. Процесс обучения тоже не всегда может
быть полностью автоматизирован, для большинства задач наряду с «машинным
обучением» требуется еще и «экспертное», в ходе которого человек вручную
указывает системе искусственного интеллекта, какие решения для данной
задачи являются правильными, а какие таковыми не являются [15] (Morgunova,
2020). Как видно, необходима отладка, которая выглядит совершенно иначе,
чем в процессе привычного программирования. Разумеется, созданный
результат необходимо тщательно тестировать, как и любую другую систему. Практика использования искусственного
интеллекта, его внедрения в различных компаниях представлена в таблице 4.

Таблица 4

Практика применения
возможностей искусственного интеллекта

№ п/п	Название компании	Ситуация до внедрения ИИ	Внедрение ИИ	Возникшие проблемы	Результаты
1	Додо Пицца	150 удаленно работающих сотрудников контакт-центра, 250 тыс. звонков в месяц	Обработка часто повторяющихся запросов-жалоб клиентов. Обработка операторами нестандартных запросов	Перевод голоса в текст, избыточ-ность выбранных тематик запросов, быстрое устарева-ние логистических цепочек	Экономия 500 тыс. руб. в месяц. Цель обращения клиента распознается в 67% звонков, из них успешная обработка запросов – в 97%
2	Северсталь	Отслеживание новинок отрасли для создания востребованных на рынке продуктов	Тексты научных статей, патентных заявок, отраслевых публикаций по отрас-лям, (авиастроение, судостроение, двигателестроение, строительство, нефте-газовая отрасль и др.). Создание семантичес-кой карты и тренд-карты	Поиск всех вариантов, форм, падежей слов и их значений. Необходимость участия человека. Длительный про-цесс обработки: 6 месяцев для получения результата	36 новых тем для дальнейшего изучения, 4 новых направления для научно-исследовательских работ. Сокращение времени поиска на 10%, 2 новых крупных блока проектов
3	Mobifitness	Ручная обработка отзывов, выявление проблем	Обучение нейросети на основе сотен реальных отзывов клиентов, автоматическое определение тональ-ности отзыва и отмечать наиболее важные	Сложность оценки практической выгоды клиентами	Быстрота реакции на жалобы, экономия фонда оплаты труда, 90%-ная достоверность обработки отзывов

Источник: составлено автором
по [2, 22] (Afanasev, 2019; Clauberg, 2020).

Сегодня
искусственный интеллект, постепенно заменяя возможности суперкомпьютеров в
интеграции с нейросетями на основе глубокого обучения, также широко применяется
в метеорологии (климатической информатике), в решении экологических проблем, в
сельском хозяйстве, в системах эффективного управления пространством мегаполиса
[6] (Gorodnova, 2021).

Тем не менее существует и негативный
опыт применения ИИ. К примеру, онлайн-ритейлер «Амазон» использовал алгоритмы ИИ
в подборе кандидатов при приеме на работу. В целях оценки претендентов был разработан алгоритм, который обучался на
анкетах ранее принятых в компанию сотрудников. В результате сотрудников-мужчин в штате компании стало гораздо больше, чем
женщин, поскольку ИИ принимал решения и делал определенное предпочтение. Разработчиками
были предприняты попытки осуществить корректировку программных алгоритмов, но
полной уверенности в отсутствии дискриминации по каким-либо другим признакам достигнуто
не было, и в 2017 г. руководство «Амазона» в процессе подбора сотрудников
вынуждено было отказаться от применения систем ИИ.

Применение систем искусственного интеллекта порождает ряд проблем,
которые требуют устранения или дополнительного контроля со стороны человека. Во-первых, требуется формирование
новой нормативно-правовой базы (цифрового права) и определение ответственной перед законом стороны за возможные
ошибки роботов (проектировщик, разработчик, создавший алгоритм или сотрудник,
бухгалтер, оператор, не проверивший результат).

Во-вторых, необходимо
определить, каким образом будет соблюдаться конфиденциальность данных и
обеспечиваться экономическая безопасность, если машины будут анализировать
здоровье, пол, возраст, распознавать лица автоматически, не запрашивая согласия
человека. Кроме того, остается проблемой качество баз данных, на которых строятся
модели и машинное обучение, поскольку огромный массив данных после очистки и
предобработки может существенно сократиться и оказаться недостаточного объема для
целей построения качественной модели для решения первоначальной задачи [22] (Clauberg,
2020).

В-третьих, быстрое устаревание
исходных баз данных, что может стать причиной получения неверных выводов и
некорректных результатов при машинном обучении.

В-четвертых, наличие
человеческого фактора, поскольку люди (человек) становятся посредниками, автоматизаторами,
контролерами для систем ИИ, и этот процесс неизбежно приводит к сокращению
рабочих мест. Еще одна проблема, связанная с человеческим фактором, – это рост
числа желающих
работать в данной области и заниматься Data Science, однако простого знания
теории на фоне отсутствия понимания тонкостей и специфики сферы, для которой
решаются задачи, явно недостаточно.

Развитие информационных
технологий и взятый высокий темп включения в повседневную жизнь общества
возможностей искусственного интеллекта ставят одну из сложнейших проблем по защите
государства и социума в современных напряженных геополитических и экономических
реалиях [5, 10] (Bykov, 2020; Zhilin, Safaryan, 2020). В этой связи на проводимом
2–5 июня 2021 г. Петербургском международном экономическом форуме (ПМЭФ) в
рамках сессии «Цифровой суверенитет и кибербезопасность» главой Минцифры были
обозначены серьезные опасения в связи с недостаточной защищенностью российских
организаций и госкорпораций от киберугроз, в связи с чем необходимо
своевременное совершенствование российской законодательной базы в сфере
функционирования сети Интернет и IT-технологий. Кроме того, в целях сохранения
цифрового суверенитета России приоритетной задачей государства является защита
прав граждан и государственно важной инфраструктуры [13].

Заключение

Процесс развития инновационных
цифровых технологий XXI века является стимулом для экономического роста благодаря автоматизации,
точности и наличию других возможностей повышения эффективности управления
бизнесом. Цифровая трансформация и алгоритмы искусственного интеллекта
применимы к различным бизнес-процессам, поскольку способствуют устранению
некоторых системных противоречий и конфликтов путем целенаправленного
использования специфических индивидуальных ресурсов. Это дает основание для
устойчивого экономического развития, роста производительности труда и дальнейшей
оптимизации бизнес-процессов.

Сегодня вполне реально применять
алгоритмы ИИ в малом и среднем бизнесе при наличии достаточного объема и
качества данных, которые обеспечат построение процесса эффективного обучения ИИ.
В этих целях существует ряд доступных платформ, которые предоставляют свои
мощности и инструменты для машинного обучения, примерами являются Amazon (Azure), Yandex, Mail.ru, узкоспециализированные площадки и т.п. С
помощью алгоритмов ИИ возможно получение персональных предложений от банков и
магазинов, информации в поисковых системах с учетом индивидуальных предпочтений,
обращение к онлайн-доктору и пр.

По данным британской Gartner,
в 2022 г. в системы искусственного интеллекта будут инвестировать 1/3 от
общемирового количества компаний. Благодаря использованию ИИ глобальный валовый
внутренний продукт (ВВП) к 2030 г. увеличится на 14% и составит 15,7 трлн долл.
США [14]. Ожидается рост объемов
промышленного производства на 900%.

В ходе исследования сделан основной вывод, что современный бизнес,
технологии, сервис широко применяют возможности искусственного интеллекта. Экспертами
прогнозируется рост числа ИИ-стартапов и различных мобильных приложений на
основе машинного обучения, одни рабочие места будут замещаться
совершенно новыми рабочими местами, осуществляя перераспределение задач, творческие и
сложные виды деятельности останутся за человеком. В процессе работы нашла свое
аргументированное подтверждение гипотеза автора о том, что роботизированные
комплексы и алгоритмы искусственного интеллекта должны стать не оппонентами, но
партнерами для человека. Таким образом, технологический прорыв в сфере ИИ станет решением
наблюдаемой в настоящее время глобальной проблемы экономической рецессии.

[1] TechTarget. Данные о намерениях покупки для
корпоративных технологий продаж и маркетинга. – [Электронный ресурс]. – Режим
доступа: https://www.techtarget.com/
(дата обращения: 10.06.2021 г.).

[2]Искусственный интеллект. Мировой
рынок. – [Электронный ресурс]. – Режим доступа: https://www.tadviser.ru/index.php/Статья:Искусственный_интеллект_(мировой_рынок) (дата обращения: 09.06.2021 г.).

[3] Там же.

[4] Там же.

[5] Автопилот. Беспилотный автомобиль.
– Электронный ресурс. – Режим доступа: https://www.tadviser.ru/index.php/Статья:Автопилот_(беспилотный_автомобиль) (дата обращения: 05.06.2021 г.).

[6] Корелина А. Ученые научили
искусственный интеллект определять сарказм в постах пользователей. –
Электронный ресурс. – Режим доступа: https://secretmag.ru/technologies/uchyonye-nauchili-ii-opredelyat-sarkazm-v-postakh-polzovatelei.htm (дата обращения 07.06.2021 г.).

[7] Официальный сайт Сбер. Салют. –
[Электронный ресурс]. – Режим доступа: https://salute.sber.ru/ (дата обращения 10.06.2021 г.).

[8] Сергеева
Ю. Вся статистика Интернета на 2020 год – цифры и тренды в мире и в России. –
[Электронный ресурс]. – Режим доступа: https://www.web-canape.ru/business/internet-2020-globalnaya-statistika-i-trendy/ (дата обращения
05.06.2021 г.).

[9] Research, Forecasting & Consultancy for Digital Technology
Markets. – [Электронный ресурс]. – Режим доступа: https://www.juniperresearch.com/home (дата обращения 09.06.2021 г.).

[10]
Составлено
автором по: DataData, официальный сайт. – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения
07.06.2021 г.).

[11] Составлено
автором по: DataData, официальный сайт. – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения:
16.05.2021 г.).

[12] Суворов А. Исследователи из Facebook
научили искусственный интеллект забывать ненужную информацию. – Электронный
ресурс. – Режим доступа: https://secretmag.ru/technologies/issledovateli-iz-facebook-nauchili-ii-zabyvat-nenuzhnuyu-informaciyu.htm (дата обращения: 08.06.2021 г.).

[13] Разчиков А. Эксперт назвал
главные направления защиты цифрового суверенитета России. – [Электронный ресурс].
– Режим доступа: https://vz.ru/news/2021/6/4/1102744.html (дата обращения: 07.06.2021 г.).

[14] PwC в России. – [Электронный ресурс]. – Режим доступа: https://www.pwc.ru/ (дата обращения
10.06.2021 г.).