Искусственный интеллект применение в бизнесе

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?

Нейросети: как искусственный интеллект помогает в бизнесе и жизни

Читайте оригинал статьи в Блоге DTI.

В работе Oxford Martin School 2013 года говорилось о том, что 47% всех рабочих мест может быть автоматизировано в течение следующих 20 лет. Основным драйвером этого процесса является применение искусственного интеллекта, работающего с большими данными, как более эффективной замены человеку.

Машины теперь способны решать все больше процессов, за которые раньше отвечали люди. Кроме того, делают это качественнее и во многих случаях дешевле. О том, что это значит для рынка труда, в июле этого года говорил Герман Греф, выступая перед студентами Балтийского федерального университета им. Канта:

“Мы перестаём брать на работу юристов, которые не знают, что делать с нейронной сетью. <…> Вы — студенты вчерашнего дня. Товарищи юристы, забудьте свою профессию. В прошлом году 450 юристов, которые у нас готовят иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом. Их мы на работу точно не возьмем.”

Продолжая освещать #технобудущее, команда DTI подготовила все, что необходимо знать для первого погружения в нейронные сети: как они устроены, почему все больше компаний предпочитают нейросети живым сотрудникам и какой потенциал по оптимизации различных процессов несет эта технология.

Искусственный интеллект, машинное обучение и нейросети: в чем разница

Нейронная сеть – один из способов реализации искусственного интеллекта (ИИ).

В разработке ИИ существует обширная область — машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска.

#справка Во многих статьях можно встретить термин «глубокое» — или «глубинное» — обучение. Под ним понимают алгоритмы машинного обучения, использующие много вычислительных ресурсов. В большинстве случаев под ним можно понимать просто “нейронные сети”.

Чтобы не запутаться в понятиях «искусственный интеллект», «машинное обучение» и «глубокое обучение», предлагаем посмотреть на визуализацию их развития:

#интересное Существует два типа искусственного интеллекта (ИИ): слабый (узконаправленный) и сильный (общий). Слабый ИИ предназначен для выполнения узкого списка задач. Такими являются голосовые помощники Siri и Google Assistant и все остальные примеры, которые мы приводим в этой статье. Сильный ИИ, в свою очередь, способен выполнить любую человеческую задачу. На данный момент реализация сильного ИИ невозможна, он является утопической идеей.

Как устроена нейросеть

Нейросеть моделирует работу человеческой нервной системы, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, с каждым разом система совершает все меньше ошибок.

Как и наша нервная система, нейросеть состоит из отдельных вычислительных элементов – нейронов, расположенных на нескольких слоях. Данные, поступающие на вход нейросети, проходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определенные параметры, которые могут изменяться в зависимости от полученных результатов – в этом и заключается обучение сети.

Предположим, что задача нейросети – отличать кошек от собак. Для настройки нейронной сети подается большой массив подписанных изображений кошек и собак. Нейросеть анализирует признаки (в том числе линии, формы, их размер и цвет) на этих картинках и строит такую распознавательную модель, которая минимизирует процент ошибок относительно эталонных результатов.

На рисунке ниже представлен процесс работы нейросети, задача которой — распознать цифру почтового индекса, написанную от руки.

История нейросетей

Несмотря на то, что нейросети попали в центр всеобщего внимания совсем недавно, это один из старейших алгоритмов машинного обучения. Первая версия формального нейрона, ячейки нейронной сети, была предложена Уорреном Маккалоком и Уолтером Питтсом в 1943 году.

А уже в 1958 году Фрэнк Розенблатт разработал первую нейронную сеть. Несмотря на свою простоту, она уже могла различать, например, объекты в двухмерном пространстве.

Mark I Perceptron — машина Розенблатта

Первые успехи привлекли повышенное внимание к технологии, однако затем другие алгоритмы машинного обучения стали показывать лучшие результаты, и нейросети отошли на второй план. Следующая волна интереса пришлась на 1990-е годы, после чего о нейросетях почти не было слышно до 2010 года.

Почему нейросети вновь популярны

До 2010 года попросту не существовало базы данных, достаточно большой для того, чтобы качественно обучить нейросети решать определенные задачи, в основном связанные с распознаванием и классификацией изображений. Поэтому нейросети довольно часто ошибались: путали кошку с собакой, или, что еще хуже, снимок здорового органа со снимком органа, пораженного опухолью.

Но в 2010 году появилась база ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превышала объем существовавших баз данных изображений и была доступна для любого исследователя. С такими объемами данных нейросети можно было учить принимать практически безошибочные решения.

Размер ImageNet в сравнении с другими существовавшими в 2010 году базами изображений

До этого на пути развития нейросетей стояла другая, не менее существенная, проблема: традиционный метод обучения был неэффективен. Несмотря на то что важную роль играет число слоев в нейронной сети, важен также и метод обучения сети. Использовавшийся ранее метод обратного шифрования мог эффективно обучать только последние слои сети. Процесс обучения оказывался слишком длительным для практического применения, а скрытые слои глубинных нейросетей не функционировали должным образом.

Результатов в решении этой проблемы в 2006 году добились три независимых группы ученых. Во-первых, Джеффри Хинтон реализовал предобучение сети при помощи машины Больцмана, обучая каждый слой отдельно. Во-вторых, Ян ЛеКан предложил использование сверточной нейронной сети для решения проблем распознавания изображений. Наконец, Иошуа Бенджио разработал каскадный автокодировщик, позволивший задействовать все слои в глубокой нейронной сети.

Примеры успешного применения нейросетей в бизнесе

Медицина

Команда исследователей из Ноттингемского университета разработала четыре алгоритма машинного обучения для оценки степени риска сердечно-сосудистых заболеваний пациентов. Для обучения использовались данные 378 тыс. британских пациентов. Обученный искусственный интеллект определял риск кардиологических заболеваний эффективнее реальных врачей. Точность алгоритма — между 74 и 76,4 процентами (стандартная система из восьми факторов, разработанная Американской коллегией кардиологии, обеспечивает точность лишь в 72,8%).

Финансы

Японская страховая компания Fukoku Mutual Life Insurance заключила контракт с IBM. Согласно нему, 34 сотрудников японской компании заменит система IBM Watson Explorer AI. Нейросеть будет просматривать десятки тысяч медицинских сертификатов и учитывать число посещений госпиталей, перенесенные операции и другие факторы для определения условий страхования клиентов. В Fukoku Mutual Life Insurance уверены, что использование IBM Watson повысит продуктивность на 30% и окупится за два года.

Машинное обучение помогает распознавать потенциальные случаи мошенничества в различных сферах жизни. Подобный инструмент использует, например, PayPal – в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате, мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе — 1,32%.

Коммерция

Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах. Алгоритмы, основанные на машинном обучении, анализируют ваше поведение на сайте и сравнивают его с миллионами других пользователей. Все для того, чтобы определить, какой продукт вы купите с наибольшей вероятностью.

Механизм рекомендаций обеспечивает Amazon 35% продаж. Алгоритм Brain, используемый YouTube для рекомендации контента, позволил добиться того, что практически 70% видео, просматриваемых на сайте, люди нашли благодаря рекомендациям (а не по ссылкам или подпискам). WSJ сообщало о том, что использование искусственного интеллекта для рекомендаций является одним из факторов, повлиявших на 10-кратный рост аудитории за последние пять лет.

Алгоритм Yandex Data Factory способен предсказывать влияние промоакций на объем продаж товаров. Анализируя историю продаж, а также тип и ассортимент магазина, алгоритм дал 87% точных (с точностью до коробки) и 61% ультраточных (с точностью до упаковки) прогнозов.

Нейросети, анализирующие естественный язык, могут использоваться для создания чат-ботов, позволяющих клиентам получить необходимую информацию о продуктах компании. Это позволит сократить издержки на команды колл-центров. Подобный робот уже работает в приемной Правительства Москвы и обрабатывает около 5% запросов. Бот способен подсказать, в том числе, расположение ближайшего МФЦ и график отключения горячей воды.

На технологии нейронных сетей также основана Albert – маркетинговая платформа полного цикла, самостоятельно осуществляющая практически все операции. Использующая ее компания-производитель нижнего белья Cosabella в итоге расформировала собственный отдел маркетинга и полностью доверилась платформе.

Транспорт

Беспилотные автомобили – концепт, над которым работает большинство крупных концернов, а также технологические компании (Google, Uber, Яндекс и другие) и стартапы, в своей работе опирается на нейросети. Искусственный интеллект отвечает за распознавание окружающих объектов – будь то другой автомобиль, пешеход или иное препятствие.

Так видит наш мир нейросеть

Потенциал искусственного интеллекта в этой сфере не ограничивается автопилотом. Недавний опрос IBM показал: 74% топ-менеджеров автомобильной индустрии ожидают, что умные автомобили появятся на дорогах уже к 2025 году. Такие автомобили, интегрированные в Интернет вещей (см. наш предыдущий лонгрид), будут собирать информацию о предпочтениях пассажиров и автоматически регулировать температуру в салоне, громкость радио, положение сидений и другие параметры. Помимо пилотирования, система также будет информировать о возникающих проблемах (и даже попытается решить их сама) и ситуации на дороге.

Промышленность

Нейросеть, разработанная Марком Уоллером из Шанхайского Университета, специализируется на разработке синтетических молекул. Алгоритм составил шестистадийный синтез производного бензопирана сульфонамида (необходим при лечении Альцгеймера) всего за 5,4 секунды.

Инструменты Yandex Data Factory помогают при выплавке стали: использующийся для производства стали металлический лом зачастую неоднороден по составу. Чтобы сталь соответствовала стандартам, при ее выплавке всегда нужно учитывать специфику лома и вводить специальные добавки. Этим обычно занимаются специально обученные технологи. Но, поскольку на таких производствах собирается много информации о поступающем сырье, применяемых добавках и результате, эту информацию с большей эффективностью способна обработать нейросеть. По данным Яндекса, внедрение нейросетей позволяет на 5% сократить расходы дорогих ферросплавов.

Аналогичным образом нейросеть способна помочь в переработке стекла. Сейчас это нерентабельный, хотя и полезный, бизнес, нуждающийся в государственных субсидиях. Использование технологий машинного обучения позволит значительно сократить издержки.

Сельское хозяйство

Инженеры Microsoft совместно с учеными из ICRISAT применяют искусственный интеллект, чтобы определить оптимальное время посева в Индии. Приложение, использующее Microsoft Cortana Intelligence Suite, также следит за состоянием почвы и подбирает необходимые удобрения. Изначально в программе участвовало всего лишь 175 фермеров из 7 деревень. Они начали посев только после соответствующего SMS уведомления. В результате, они собрали урожая на 30-40% больше, чем обычно.

Развлечения и искусство

В прошлом году вышли и мгновенно стали популярными приложения, использующие нейросети для обработки фото и видео: MSQRD от белорусских разработчиков (в дальнейшем сервис выкупила Facebook), и российские Prisma и Mlvch. Другой сервис, Algorithmia, раскрашивает черно-белые фотографии.

Яндекс успешно экспериментирует с музыкой: нейронные сети компании уже записали два альбома: в стиле Nirvana и “Гражданской обороны”. А музыка, написанная нейросетью под композитора-классика Александра Скрябина, была исполнена камерным оркестром, что заставляет вновь задуматься над вопросом о том, сможет ли робот сочинить симфонию. Нейросеть, созданная сотрудниками Sony, вдохновлялась Бахом.

Японский алгоритм написал книгу “День, когда Компьютер написал роман”. Несмотря на то что с характерами героев и сюжетными линиями неопытному писателю помогали люди, компьютер проделал огромную работу – в итоге одна из его работ прошла отборочный этап престижной литературной премии. Нейросети также написали продолжения к Гарри Поттеру и Игре Престолов.

В 2015 году нейросеть AlphaGo, разработанная командой Google DeepMind, стала первой программой, победившей профессионального игрока в го. А в мае этого года программа обыграла сильнейшего игрока в го в мире, Кэ Цзэ. Это стало прорывом, поскольку долгое время считалось, что компьютеры не обладают интуицией, необходимой для игры в го.

Безопасность

Команда разработчиков из Технологического университета Сиднея представила дронов для патрулирования пляжей. Основной задачей дронов станет поиск акул в прибрежных водах и предупреждение людей на пляжах. Анализ видеоданных производят нейросети, что существенно отразилось на результатах: разработчики утверждают о вероятности обнаружения и идентификации акул до 90%, тогда как оператор, просматривающий видео с беспилотников, успешно распознает акул лишь в 20-30% случаев.

Австралия занимает второе место в мире после США по количеству случаев нападения акул на людей. В 2016 году в этой стране были зафиксированы 26 случаев нападения акул, два из которых закончились смертью людей.

В 2014 году Лаборатория Касперского сообщала, что их антивирус регистрирует 325 тыс. новых зараженных файлов ежедневно. В то же время, исследование компании Deep Instinct показало, что новые версии вирусов практически не отличаются от предыдущих – изменение составляет от 2% до 10%. Самообучающаяся модель, разработанная Deep Instinct, на основании этой информации способна с высокой точностью определять зараженные файлы.

Нейросети также способны искать определенные закономерности в том, как хранится информация в облачных сервисах, и сообщать об обнаруженных аномалиях, способных привести к бреши в безопасности.

Бонус: нейросети на страже нашего газона

В 2016 году 65-летний инженер NVIDIA Роберт Бонд столкнулся с проблемой: соседские кошки регулярно посещали его участок и оставляли следы своего присутствия, что раздражало его жену, работающую в саду. Бонд сразу отсек слишком недружелюбную идею соорудить ловушки для незваных гостей. Вместо этого он решил написать алгоритм, который бы автоматически включал садовые разбрызгиватели воды при приближении кошек.

Перед Робертом стояла задача идентификации кошек в поступающем с внешней камеры видеопотоке. Для этого он использовал систему, основанную на популярной нейросети Caffe. Каждый раз, когда камера наблюдала изменение в обстановке на участке, она делала семь снимков и передавала их нейросети. После этого нейросеть должна была определить, присутствует ли в кадре кошка, и, в случае утвердительного ответа, включить разбрызгиватели.

Изображение с камеры во дворе Бонда

До начала работы нейросеть прошла обучение: Бонд “скормил” ей 300 разных фотографий кошек. Анализируя эти фотографии, нейросеть училась распознавать животных. Но этого оказалось недостаточно: она корректно определяла кошек лишь в 30% случаев и приняла за кошку тень Бонда, в результате чего он сам оказался мокрым.

Нейросеть заработала лучше после дополнительного обучения на большем количестве фотографий. Однако Бонд предупреждает, что нейросеть можно натренировать слишком сильно, в случае чего у нее сложится нереалистичный стереотип – например, если все снимки, использующиеся для обучения, сняты с одного ракурса, то искусственный интеллект может не распознать ту же самую кошку с другого угла. Поэтому чрезвычайно важным является грамотный подбор обучающего ряда данных.

Через некоторое время кошки, обучившиеся не на фотографиях, но на собственной шкуре, перестали посещать участок Бонда.

Заключение

Нейронные сети, технология середины прошлого века, сейчас меняет работу целых отраслей. Реакция общества неоднозначна: одних возможности нейросетей приводят в восторг, а других – заставляют усомниться в их пользе как специалистов.

Однако не везде, куда приходит машинное обучение, оно вытесняет людей. Если нейросеть ставит диагнозы лучше живого врача, это не значит, что в будущем нас будут лечить исключительно роботы. Вероятнее, врач будет работать вместе с нейросетью. Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова еще в 1997 году, однако люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.

Кооперация с машинами принесет гораздо больше пользы, чем конфронтация. Поэтому мы собрали список материалов в открытом доступе, которые помогут вам продолжить знакомство с нейросетями:

• Курс “Машинное обучение” от Школы анализа данных (ШАД) Яндекса
• Курс по Deep Learning от Google
• Книга «Математические методы обучения по прецедентам (теория обучения машин)» К. В. Воронцова
• Книга «Нейрокомпьютерная техника: Теория и практика» Ф. Уоссермена
• Movidius Neural Compute Stick – нейронная сеть размером с флешку
• Подборка фреймворков для машинного обучения

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

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.

Наступление 2020 года ознаменовано одними из самых сильных прорывов в создании искусственного интеллекта и машинного обучения. Это позволяет отойти от привычных концепций к практической сфере применения технологий в быту и повседневности, ведь ИИ (искусственный интеллект) все меньше походит на описание фантастов и все больше выполняет функции, свойственные специалистам в различных отраслях деятельности. Порою он справляется с подобными задачами куда эффективнее человека.

Машинное обучение же, представляющее собой совокупность методов развития путём решения множества схожих задач, выводит процесс создания ИИ на новый уровень, делая его доступным многим людям.

Создание умного «помощника», способного выполнять различные задачи, – основной вектор при разработке любого ИИ. Уже сейчас интеллектуальные системы внедрены во многие сферы жизни. На их основе подбираются рекомендации в сети, благодаря им вы можете в любой момент поговорить с «Алисой» или «Siri».

Иные же программные комплексы решают «закулисные» вопросы, невидимые простому человеку, но не менее важные (например, помощь в навигации и управлении самолётом, отслеживание и регулирование дорожно-транспортного движения и т.д).

Далее — интереснее. Оставайтесь с нами.

Искусственный интеллект простыми словами

Наиболее доступным определением ИИ является следующее.

Искусственный интеллект – это интеллект, созданный человеком, способный к мышлению и базирующийся на основе электронно-вычислительной техники. Ранние концепты подобного были заложены Аланом Тьюрингом в середине прошлого столетия.

Первый искусственный интеллект же был разработан Фрэнком Розенблаттом. Последующие годы технологии улучшались, исходя из чего сформировалась следующая классификации ИИ:

• Слабый ИИ – бот, используемый в компьютерных играх, простых процессах, подразумевающих систематичное повторение ограниченного ряда действий. Отлично выполняет узкие задачи, но непредсказуемость загоняет их в тупик.
• Сильный ИИ – программный комплекс, сопоставимый с человеческим мозгом по возможностям. Самый продвинутый представитель этого класса – Warson.
• Совершенный ИИ – искусственный интеллект будущего, который многократно превзойдёт по вычислительной мощности и динамике процессов огромные совокупности человеческих умственных ресурсов.

Последний тип не был достигнут до сих пор. Наиболее передовые разработки проводятся в сфере сильных ИИ, которые имеют шанс перерасти в класс совершенных.

Использование искусственного интеллекта в бизнесе

Использование искусственного интеллекта в бизнесе – одно из направлений, которое активно поддерживается инвесторами. Разработка нейросетей, методы математического построения компьютерного интеллекта, аналогичного человеческому мозгу, все активнее спонсируется различными компаниями (по приблизительным данным — треть мировых брендов активно разрабатывают собственные программные решения из сферы ИИ).

Нейросети являются наиболее частыми представителями искусственного интеллекта в бизнесе. С ними можно столкнуться повсеместно.

Учёные расходятся во мнениях относительно того, как ИИ повлияет на цивилизацию. В то же время он незаметно для глаз меняет мир, внедряясь во многие деловые сферы. Так, искусственный интеллект в малом и среднем бизнесе – явное преимущество в конкурентной борьбе.

Не стоит недооценивать искусственный интеллект, говоря, что еще вчера подобные программные комплексы годились только для игры в шахматы. На данный момент использование искусственного интеллекта в бизнесе перестало быть «необоснованным усложнением деловых циклов». Теперь он подчас гораздо более эффективен, чем работник с аналогичными задачами.

Преимущества ИИ дополняются также тем, что Вам нет необходимости интегрировать сильный искусственный интеллект, чтобы решать большую часть информационных и логических задач, каким бы типом бизнеса Вы не управляли.

Допустим, искусственный интеллект в гостиничном бизнесе не потребует огромного сервера и дорогостоящего оборудования. Использование подобного программного решения подойдёт для всех, у кого есть минимальное или среднее техническое оснащение в виде компьютеров и интернета. Усиление этого набора в сторону наращивания мощностей безусловно является плюсом, но совсем не обязательно.

Способы применения искусственного интеллекта в бизнес-процессах

Использование искусственного интеллекта для сбора, анализа и обработки данных

Когда даже самые малые предприятия и организации получают доступ к аналитическим инструментам, их эффективность возрастает. Частично или полностью автономный ИИ способен взять на себя задачи по сбору и работе со статистическими данными, определяя различные факторы, стимулирующие клиентов совершать повторные действия. Подобными функциями обладает, например, Facebook, рекламные алгоритмы Яндекса или ДоДо Пицца!

Улучшенная организация бэкэнда

Рассматривая информационные системы в роли дополнения и инструмента для работы человека, становится понятно, что ИИ может улучшить выполнение задач в сфере бэкэнда. Благодаря ИИ происходят улучшения в сфере разумного использования человеческого труда, увеличивается ресурс бизнеса. Так, соучредитель inniAccounts, Джеймс Пойзер, демонстрирует оптимизацию бухгалтерии с использованием ИИ. Подобные технологии избавляют сотрудников от рутинных и монотонных задач, позволяя фокусироваться на главном.

Маркетинговые инновации

Применение искусственного интеллекта в сфере маркетинга – наиболее перспективная отрасль. Охватывая широкую аудиторию, малый и средний бизнес рискует тратить определённую часть средств на привлечение нецелевых клиентов. В свою очередь маркетинговые программные решения с машинным обучением позволят составить «портрет» идеального клиента, а также отыскать его на различных площадках. Тем самым показ рекламы происходит более точечно, таргетированно, то есть бьет по целевой аудитории.

Повышение уровня качества сервиса

Благодаря искусственному интеллекту бизнес может стать более клиенториентированным. Различные чат-боты и виртуальные помощники уже сейчас взяли на себя более четверти всего мирового объёма консультаций и поддержки. Безусловно, на нынешнем этапе развития технологиий подобный виртуальный консультант не способен в полной мере заменить человека, однако справки по базовым вопросам уже предоставляются. Вы сами можете увидеть множество таких «виджетов» на сайтах, продающих товары или продвигающих услуги.

Подбор персонала

Используя ИИ, бизнес может уменьшить нагрузку на отдел кадров или вовсе обойтись без него. Алгоритмы машинного обучения способны выделять лучшую стратегию для найма, сортировать полученные данные из анкет, систематизировать информацию об опыте и задачах конкретного кандидата. Однако в данном случае требуется сотрудник, который будет взаимодействовать с кандидатами, оформляя и передавая данные о них ИИ.

Искусственный интеллект — FAQ

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.