Машинное обучение для бизнеса: 12+ идей применения из будущего

Есть ли будущее, в котором люди и роботы мирно существуют вместе, если первые слишком несовершенны, а вторые — совершенны настолько, что человечество видит в них угрозу?

В поисках ответа на этот вопрос ещё на закате прошлого века Филип Дик пишет «Бегущего по лезвию», а Айзек Азимов создаёт одни из лучших научно-фантастических произведений в истории и выводит три закона робототехники.

В статье рисуем картину ближайшего десятилетия. Здесь машинное обучение помогает бизнесу расти кратно быстрее, а людям — принимать на 100% взвешенные решения.

Машинное обучение для бизнеса: 12+ идей применения из будущего

Чтобы узнать, какие сферы бизнеса первыми ощутят пользу от машинного обучения и как усовершенствуются привычные процессы, мы провели интервью с Кириллом Левиным, генеральным директором компании NLABTEAM, ex. R&D инженером ГК «ЦРТ» — и человеком, занимающимся ML-разработкой с 1995 года.

Производственные предприятия

В производстве сегодня больше всего задач, которые можно решить внедрением машинного обучения. Рассмотрим показательные примеры.

Предикативное обслуживание. Представим, что у нас большое производство с заводами по всей стране. И огромное количество оборудования, которое нужно контролировать и поддерживать, проводя регулярные работы.

Искусственный интеллект упрощает такие задачи: повышает точность и своевременность диагностики неисправностей оборудования и предупреждает о рисках выхода из строя.

Яркий пример предикативного обслуживания на производстве — остановка и перезапуск доменной печи. Обычно этот процесс регламентирован. Он не зависит от того, действительно ли проводимая работа требуется в моменте, или же печь ещё какое-то время могла бы функционировать качественно.

Остановка и перезапуск доменной печи требуют много времени и сил сотрудников. Так, производство теряет прибыль из-за необходимости в обслуживании оборудования по расписанию.

Небольшая схема, иллюстрирующая работу доменной печи<br />
Небольшая схема, иллюстрирующая работу доменной печи

Как искусственный интеллект может помочь это исправить?

Отслеживая показатели эффективности работы доменной печи с помощью ИИ, мы, вместо плановой остановки раз в год, запускаем этот процесс по факту появления первых признаков нарушений. Роль ИИ — в том, чтобы своевременно на признаки нарушения указать и предупредить человека о необходимости принять меры. Как следствие, мы не проводим работы по обслуживанию оборудования до тех пор, пока они действительно не потребуются.

Неделя регламентной работы на всех доменных печах производства — это миллионы сэкономленных средств сразу. Заманчиво, не правда ли?

Оптимизация производства. Продолжим развивать пример с доменной печью. Пусть наша доменная печь работает долго и исправно, но мы знаем, что, если при производстве сплавов варьировать соотношение загружаемого материала (стали, чугуна, руды и т. д.) или температурный режим, то и виды сплавов буду разные.

ИИ заметит это и предложит рекомендации: какой температурный режим оптимален, если мы хотим снизить, условно, ~5% энергопотребления, и как при этом соблюсти технологический процесс.

Что это даёт нам? С ИИ мы сохраняем качественные характеристики сплавов, при этом экономим ~5% привычно выделенного ресурса. В случае доменной печи этот процент трансформируется в большое количество сбережённых средств.

Финансовый сектор

Говоря о банках и внедрении машинного обучения, в первую очередь хочется затронуть тему обеспечения безопасности, а во вторую — тему рутинных операций, которые человек давно перерос интеллектуально. Заглянем глубже в эти процессы и посмотрим, какую роль в них может взять на себя ИИ.

Антиспуфинг. Бывает, злоумышленник звонит в банк и представляется человеком, которым он не является. Антиспуфинг-системы помогают обрабатывать биометрические данные, такие как голос — и определяют, действительно ли звонит человек, чьё имя назвали оператору.

Мы разрабатывали для ГК ЦРТ часть программного комплекса, решающего задачи антиспуфинга: а именно — систему распознавания речи и биометрии, которая помогает сотрудникам банков выявлять попытки мошенничества.

Например, при появлении подозрений в подлинности личности говорящего по телефону, наша система рекомендует сотрудникам банка вызывать своих клиентов в офис для выяснения деталей и применения защитных мер.

А ещё у нас в NLABTEAM есть собственный продукт: SmartCubes. Это самообучающаяся аналитическая платформа, которая помогает:

  • оценить рейтинг лояльности клиента банка по 30+ критериям;
  • на основе портрета уходящего клиента оценить риск его перехода в другой банк — и рассказать об этом риске сотруднику банка;
  • определить точный набор факторов, влияющих на лояльность клиентов в конкретном банке;
  • предсказать возможный отток клиентов и сохранить до 350 млн рублей на каждые 5% клиентов, которых удалось удержать (цифры — из реального кейса нашего клиента).

Платформа SmartCubes интегрируется с CRM, ERP, подключается к базе данных клиента (при этом ваши данные нигде не дублируются и никуда не передаются), а также:

  • предлагает персонализированный под организацию конструктор дашбордов, позволяющий легко и быстро отслеживать уровень лояльности клиентов, сопоставлять его падение и рост с маркетинговыми кампаниями, политической ситуацией в стране и другими факторами — чтобы сотрудники банка смогли оперативно принять меры по удержанию клиентов;
  • позволяет реализовать произвольные алгоритмы обработки данных.
<p>Платформа <a href="https://api.vc.ru/v2.8/redirect?to=https%3A%2F%2Fnlabteam.com%2Fsolutions%2Fsmatcubes-for-banking%2F&postId=971757" rel="nofollow noreferrer noopener" target="_blank">SmartCubes</a>, которую мы разработали, применима для любой отрасли, где копятся данные о действиях клиента (это не только банки, но, например, и частные клиники)</p>

Платформа SmartCubes, которую мы разработали, применима для любой отрасли, где копятся данные о действиях клиента (это не только банки, но, например, и частные клиники)

Биржевой трейдинг и скоринг. Искусственный интеллект забирает на себя такие операции, как:

  • автоматическая оценка компании;
  • автоматическое обесценивание актива;
  • переоценка актива;
  • принятие решения о входе в сделку, о выходе из сделки.

Трейдеры больше всех страдают оттого, что есть задержки передачи данных между Америкой и Европой в 60–50 мс. За 50 мс может совершиться несколько сделок — то есть актив может быть куплен и продан.

Если раньше мы представляли себе биржу как собрание людей с ценными бумагами и телефонами (вспоминаем «Волка с Уолл-стрит»), то сейчас все эти операции выливаются в микродвижение, которое совершается за долю секунды.

ИИ даёт специалистам дополнительные руки и возможности. Это как хороший трактор в работе фермера. Достаточно задать направление, и он сам выполняет работу.

Так и в трейдинге — робот совершает сделки определённого профиля в конкретных диапазонах денег и времени. А человек в это время думает над более сложными концепциями и не отвлекается на рутину.

Медицина

В сфере здравоохранения искусственный интеллект используется сразу в нескольких перспективных направлениях.

Машинное обучение для бизнеса: 12+ идей применения из будущего

Комплексная оценка здоровья человека. Здесь всё просто: пациент сдаёт кровь, система анализирует результаты анализов, моментально выявляет отклонения от нормы — и даёт рекомендации по дальнейшим действиям пациента. Например, предлагает сдать дополнительные анализы, пройти обследование и/или обратиться к врачам с экспертизой в конкретной области.

Диагностика заболеваний, в том числе на ранних стадиях. Опираясь на анамнез и, опять же, результаты анализов пациента, искусственный интеллект подсказывает врачу, на что в первую очередь обратить внимание при диагностике. С точными подсказками врач может оперативно принять решение по конкретному пациенту и помочь большему количеству людей.

Алгоритмизация цифровизации сложных медицинских процедур. Более сложное направление во внедрении ИИ в сфере медицины. Предполагает выработку формализованных подходов к проведению обследований.

Яркий пример — проведение колоноскопии. Врач не всегда проходит по всем отделам кишечника, которые нужно исследовать для диагностики онкологии.

Искусственный интеллект (наша система INENEX, подробнее рассказали в статье) помогает проконтролировать и усовершенствовать процесс: подсвечивает врачу подозрительные на вид участки кишечника, подсказывает, дошёл ли врач до купола слепой кишки и считает время, в течение которого врач исследовал эту область.

Это только одно из направлений алгоритмизации деятельности врачей, над которым мы уже работаем с ГБУЗ ЯО «Клиническая онкологическая больница».

Поиск новых лекарств и разработка формул персонализированных медицинских препаратов. Направление, активно развивающееся за рубежом. За счёт того, что искусственный интеллект способен за секунды перебрать много вариантов химических реакций сразу, он так же быстро генерирует формулы препаратов с заданными свойствами. Стоит ли говорить о том, что выполняется эта работа существенно продуктивнее, чем в человеческом исполнении.

С ИИ мы быстро получаем не только лекарства, но и варианты известных лекарств с усовершенствованной под конкретного человека формулой. Так добиваемся лучшей переносимости препарата у пациентов — и дополнительную возможность увеличить количество положительных прогнозов.

Превентивная медицина. Умные часы, которые мы носим — ещё один пример того, как технологии работают на наше здоровье. С их помощью врач может заранее заметить, что у пациента проблемы с сердцем, увидеть, что пульс часто сбивается, колени скрипят и т. д. — и оперативно пригласить человека на приём.

Этот процесс может трансформироваться в многостадийные исследования: когда пациент ходит сначала с простым трекером (например, умными часами), а потом — с устройством, позволяющим провести более сложное исследование. Например, кардиомонитором. И врач, наблюдая за изменениями показателей здоровья пациента в динамике, принимает наиболее взвешенное медицинское решение.

Одна из схем использования средств удалённого мониторинга состояния пациента<br />
Одна из схем использования средств удалённого мониторинга состояния пациента

Рекрутмент

В сфере HR машинное обучение будет полезно во многих процессах. Затронем наименее очевидные сценарии применения.

Понимание причин ухода добросовестных сотрудников на основе их ответов во время exit-интервью. Предположим, у нас крупная компания, для которой характерно много кадровых движений. Люди уходят и приходят, но компании интересно удержать лучших специалистов. И когда они уходят, точно детектировать причины.

С чем мы обычно сталкиваемся в случаях массовых увольнений?

Генеральный директор и топ-менеджмент слышат о «главных» причинах увольнения от HR, но ресурса на проверку достоверности информации и погружение в каждый отдельный кейс нет. Дальше мы приходим к эффекту «сломанного телефона», и важная для принятия верхнеуровневых решений информация доходит до ЛПР-ов в едва ли узнаваемом виде.

Почему так происходит? HR, как и любому человеку, свойственно выделять то, что запомнилось больше всего в ходе беседы с уходящим сотрудником. Так, данные на выходе теряют достоверность, и ЛПР получает очень размытую информацию.

Искусственный интеллект упростит принятие взвешенных решений и поможет удерживать лучших сотрудников.

Во время exit-интервью сотрудника ИИ распознаёт и анализирует речь. Затем выявляет паттерны: какие общие или синонимичные друг другу слова и фразы встречаются в exit-интервью у уходящих сотрудников.

На основе трендов ЛПР-ам компании проще понять реальные причины увольнения. Например, если во всех ответах сотрудников постоянно встречается одно имя, один процесс, одна причина недовольства, ЛПР получает эту информацию без искажений смыслов, характерных для человеческой интерпретации.

Кроме того, с использованием искусственного интеллекта в HR ЛПР-у становится доступна детализированная статистика. В каких отделах больше всего сложностей с кадрами, и с кем или чем эти сложности вероятнее всего связаны. Какие перекрёстные связи существуют, но не были замечены в ходе общения с уходящими сотрудниками.

Как правило, уходят от своего линейного руководителя, а о триггерах открыто говорят на exit-интервью, когда человеку нечего терять.

Мы снова приходим к новому уровню качества принятия решений в крупных компаниях, где каждая стратегическая ошибка стоит очень дорого. А каждое крепко обоснованное решение — помогает привлечь больше средств на развитие бизнеса.

Быстрый анализ резюме соискателей. Более очевидный способ применения ИИ. С ним для обработки резюме на верхнем уровне воронки мы существенно экономим ресурс HR-отделов. И чем больше входящих резюме обрабатывается в компании для разных позиций, тем больше мы сможем сэкономить на этом процессе.

HR просматривает вручную меньше резюме, при этом оперативнее находит интересных кандидатов. Например, у робота Веры уже реализован функционал, разработанный чтобы упростить жизнь рекрутерам.

Машинное обучение для бизнеса: 12+ идей применения из будущего

Оценка эффективности труда каждого отдельного специалиста. С искусственным интеллектом можно сводить фидбеки от коллег и информацию о количестве коммитов в системе.

Мы смотрим на результаты планового интервью с непосредственным руководителем, количество выполненных задач и их качество, фидбеки коллег, наличие пройденных курсов за время работы в компании.

Зачем это нужно?

Во-первых, чтобы ясно видеть, когда с человеком пора прощаться и не оттягивать момент найма более перспективного сотрудника. Во-вторых, чтобы понимать, стоит ли повышать человеку зарплату, когда он пришёл с таким запросом.

Геймификация рабочего процесса. Фактически мы внедряем в ежедневные рутинные деятельности геймплей.

Вот, как это выглядит на практике и зачем нужно.

Пример: в определённый момент к сотруднику приходит бот, начисляет баллы за какие-то заранее обозначенные достижения — и предлагает эти баллы обменять на приз (или продолжить копить их).

Ты играешь. А параллельно оценивается твоя эффективность. И плановое обучение вместо нудной обязательной процедуры превращается в увлекательный квест с раздачей призов.

Коротко о главном

  1. Существует много вариантов внедрения искусственного интеллекта (в частности, машинного обучения) в бизнес-процессы. И чем крупнее бизнес, тем больше выгоды он получит от этого.
  2. Операции, которые можно доверить ИИ — это в первую очередь: упразднение регламентных работ и предикативного обслуживания в производстве; разработка и внедрение систем защиты от мошенников в банковском секторе; оценка компаний и активов и помощь в принятии решений по сделкам в трейдинге; быстрый анализ входящих резюме в рекрутменте и поиск закономерностей в уходе сотрудников.
  3. В медицине ИИ уже успешно применяется, в РФ и за рубежом. Некоторые процессы, которые он помогает упростить: первичная оценка здоровья человека; ранняя диагностика заболеваний; алгоритмизация цифровизации сложных медицинских процедур; контроль качества медицинских обследований; разработка формул персонализированных медицинских препаратов и подбор формул новых лекарств.
  4. За счёт ИИ крупные компании могут сэкономить миллиарды рублей на оптимизации процессов. ИИ уже сегодня способен взять на себя рутинные операции, оставив для человека высококвалифицированные задачи.
  5. Выиграют те компании, которые внедрят ИИ в свои процессы вовремя и правильным образом. У них ключ к ускорению работ и приросту прибыли появится быстрее, чем у конкурентов.

Мы рассказали о части возможностей, которые становятся доступны бизнесу с популяризацией искусственного интеллекта.

💙 Поддержите нас лайком, если статья понравилась.

И обязательно напишите, о чём вам будет полезно прочитать в последующих статьях о внедрении новейших технологий. Самые интересные темы разберём с экспертами нашей компании.

55
5 комментариев

Производство и ИИ — идеальное сочетание для оптимизации бизнеса

2
Ответить

Добрый день. а что за 30 критериев банков, по которым можно оценить рейтинг? не очень понятно из статьи

1
Ответить

Юлия, спасибо за хороший вопрос!

В статье подразумеваем всё, что может говорить о снижении уровня лояльности клиентов компании. Например, для банков среди таких признаков могут быть:
— несвойственное снижение оборотов и остатков;
— кредитование в других банках;
— закрытие услуг и продуктов;
— снижение активности;
— негатив со стороны клиента, выраженный любым способом.

На основе подобных признаков формируются негативные паттерны поведения, по которым можно предсказать (и главное, предотвратить) отток клиентов.

Ответить

Постоянно публикуются дилетантские статьи о применении ИИ во всех сферах жизни и бизнеса.
Объясняю просто на пальцах принцип работы нейронных сетей.
Создать саму сеть вообще не проблема и стоит небольших денег. НО, чтобы это работало, нужно эту сеть ОБУЧИТЬ на больших, а лучше на огромных наборах данных. Если данных для обучения мало, то высока вероятность ошибки.
Чтобы ИИ безошибочно анализировал резюме соискателей, сначала нужно загрузить в нейронку сто тысяч (а лучше миллион) резюме и по каждому заранее определить коэффициент (или процент) годности. Кто это сделает руками и за какое время?
Про доменные печи я вообще ржунимагу.
Ну читайте же специальную литературу по предмету, прежде чем что-то публиковать.

Ответить

Alexandr, спасибо за комментарий. Да, для обучения нейросети данных нужно очень много.

Однако уже сегодня мы сталкиваемся с тем, что у компаний, обращающихся за разработкой решений на основе ML, данных более чем достаточно для обучения и запуска предсказательных моделей.

Нам приносят гигабайты данных, мы валидируем их — и, если видим, что на их основе можно разработать полезный для клиента IT-продукт, создаём, тестируем, внедряем и развиваем его.

Так, бизнес получает точные прогнозы важнейших для себя показателей и может отталкиваться от них при долгосрочном планировании. Как раз сейчас готовим кейс на эту тему, и скоро поделимся подробностями.

Что касается сценариев, рассмотренных в статье: не видим ничего плохого в том, чтобы яркими красками показать нашим читателям, как ИИ может помочь людям сделать мир лучше, удобнее, безопаснее. И мы говорим не только про бизнес-процессы.

1
Ответить