ИИ для всех: зачем искусственный интеллект тем, кто не Google

В 2019 году искусственный интеллект будут внедрять уже не только Amazon или Google. Пока нейросети и машинное обучение используют в крупных компаниях, но более мелким стоит следить за их примером. Перед стартом курса AI for Business в Digital October x Binary District мы разобрались, где компании могут использовать ИИ и какие стартапы готовы им в этом помочь.

Почему облачные технологии сделают ИИ более доступным

В 2019 году, как утверждают в Deloitte, компании начнут шире применять ПО и услуги на основе ИИ, работающего на облачных платформах. Больше 70% компаний, использующих ИИ, будут работать с ним через облачное корпоративное ПО, 65% — разрабатывать также собственные приложения для ИИ на основе облачных технологий. К 2020 году таких компаний будет уже 89% и 83% соответственно.

По словам вице-президента «Делойт ЛЛП» Пола Салломи, до сих пор выгоду от использования ИИ могли получить только технологические гиганты — с их богатыми финансовыми ресурсами, развитой ИТ-инфраструктурой и узкоспециализированным персоналом. Но сейчас — благодаря облачным технологиям — эффективность и доходность инвестиций в ИИ должна увеличиться.

«В связи с этим мы ожидаем, что облачными преимуществами смогут воспользоваться не только первопроходцы в области ИИ, но и множество других компаний», — пояснил Салломи.

Где использовать ИИ крупному и мелкому бизнесу

1. Маркетинг и реклама

Многие крупные компании уже внедряют ИИ в этой сфере. X5 Retail Group начала делать это еще в 2017 году. Компания использовала искусственный интеллект в CRM. Маркетинговые акции для супермаркетов сети «Перекресток» стали формироваться с помощью машинного обучения.

Аналитическая СRM, разработанная американской компанией SAS, учитывала несколько сотен факторов для каждой группы аудитории. Средний чек, частота визитов в магазин, любимые категории товаров, их ценовой диапазон, время посещения супермаркетов — все это имело значение. На основе этих данных система прогнозировала, как клиенты из той или иной группы откликнутся на конкретное рекламное предложение.

После этого СRM выбирала канал коммуникации и предлагала, что написать в сообщении. В итоге ритейлеру удалось увеличить эффективность маркетинговых акций на 5% и сократить затраты на коммуникацию с клиентами почти вдвое (на 40%).

На российском рынке такие технологии пока представлены мало; между тем, в США разработкой аналитических CRM с использованием ИИ занимаются десятки компаний.

Некоторые из них работают и с малым бизнесом. Так, в 2018 году лидером рынка CRM в США стала компания SalesForce, которая также использует искусственный интеллект в своей CRM.

Проект SalesForce Einstein AI, созданный в 2016 году, позволяет компаниям проанализировать потребительские настроения, получая данные из записей телефонных разговоров, электронных писем, постов в социальных сетях и обзоров, которые публикуются клиентами. Это позволяет компаниям обратиться к недовольным с предложениями или поддержкой без необходимости искать негативные отзывы вручную.

2. Оценка и анализ продаж

Один из самых крупных стартапов в этой сфере, People AI, появился в 2016 году. В 2018 году он привлек 30 миллионов долларов от группы инвесторов во главе с фондом Andreessen Horowitz (ранее, на первом раунде инвестирования в 2017 году, в People AI вложили 7 миллионов долларов). Основатель People AI — переехавший в США почти 20 лет назад украинский разработчик Олег Рогинский.

Создатели сервиса хотели решить проблему неэффективной работы менеджеров по продажам. Условно: если Вася тратит пять часов на переговоры и привлекает одного клиента, а Петя — продает продукт двум клиентам за час, руководству надо это вовремя выявить и придумать способ, как мотивировать Петю работать лучше.

Для этого разработчики построили специальную платформу. Она подсоединяется ко всем системам, которые использует менеджер — его электронной почте, календарю, телефону, Skype и так далее. Всего People AI поддерживает 96 сервисов. Платформа отслеживает действия сотрудников, готовит менеджерам отчет об их эффективности и рекомендации по ее повышению.

Например, статистика показывает, что менеджерам следует обратить внимание на скорость ответа клиентам. «Если приходит новый клиент, и ты ему отвечаешь в течение пяти минут после запроса, то вероятность успешной сделки увеличивается почти в 90 раз по сравнению с тем, что будет, если ответить ему в течение пяти часов», — пояснял Рогинский.

3. Улучшение клиентской поддержки

Самый известный ИИ-стартап в этой области, DigitalGenius, российские разработчики Дмитрий Аксенов и Михаил Наумов придумали и запустили в 2013 году в США. В 2016 году они привлекли первые инвестиции (в раунде на 7 миллионов долларов участвовала бывший PR-менеджер фонда Runa Capital и бизнес-ангел Маша Дрокова). В том же году они вошли в список самых ярких предпринимателей до 30 лет журнала Forbes, а к 2017 году привлекли в общей сложности 27 миллионов долларов.

Искусственный интеллект в DigitalGenius применяется для автоматизации клиентской поддержки в чатах, соцсетях, по электронной почте и смс. Алгоритм обучается на скриптах прошлых разговоров. Он сам подбирает ответы на вопросы пользователей и ранжирует их по степени достоверности. Если она высока, ответ отправляется автоматически, если нет — используется как подсказка для живого консультанта. Подтверждая или изменяя текст ответа, сотрудник совершенствует систему.

Главное отличие сервиса от обычного чат-бота, по словам разработчиков — DigitalGenius вовремя переадресует клиента к консультанту для ответа на сложные вопросы. Если у бота нет стандартного запрограммированного ответа на вопрос пользователя, он не отказывается решить его проблему и не повторяет заново прошлый ответ.

Лучше всего сервис работает для предприятий, где в системе поддержки есть хотя бы десять консультантов и им приходится работать с повторяющимися запросами. Например, KLM до использования сервиса имела 250 консультантов, которые обрабатывали 30 тысяч обращений в соцсетях каждую неделю. Разговор с клиентом обычно включал 5-6 ответов на стандартные вопросы. С помощью ИИ на половину из этих обращений стало можно ответить автоматически, это позволило сотрудникам быстрее решать проблемы клиентов.

4. Прогноз продаж

Сервисы предиктивной аналитики также используют ИИ. Недавний пример удачного российского стартапа в этой области — Loyalty Lab. В конце 2018 года он привлек seed-инвестиции от фонда Untitled Ventures. Сумма сделки не разглашалась, но в начале декабря основатели компании заявляли, что ожидаемый размер их seed-раунда от двух инвесторов — 200 тысяч долларов.

Стартап основали в 2018 году студенты третьего курса НИУ ВШЭ Алексей Образцов, Ким Мурашов и Александр Кондрашкин. Разработанный ими сервис анализирует покупки каждого клиента, предсказывает дату и время его следующего визита, а также его будущий чек. На основе этого прогноза формируются рекомендации для каждого конкретного клиента.

Сейчас создатели сервиса проходят акселерацию в MTS Startup Hub и ведут переговоры с ритейлерами и банками. Четыре крупных клиента «из фуд-сектора» у Loyalty Lab уже есть. Выручку от них в размере 850 тысяч рублей компания планирует получить в феврале, а к концу 2019 года выйти на прибыль.

В компании говорят, что главный минус крупных заказчиков, особенно банков, — медлительность: они слишком долго все согласовывают. По мнению Образцова, нужно было сразу начинать с тех, кто поменьше. «Сейчас, общаясь с начинающими стартаперами, мы всегда говорим: «Иди к мелким клиентам, чем клиент меньше, тем больше шансов, что он твой», — говорит основатель.