Как искусственный интеллект используется в бизнесе: обзор и кейсы
Объем информации, созданной человечеством за последние 30 лет, равен объему за предыдущие 3 тысячелетия и продолжает стремительно расти. Искусственный интеллект заменяет аналитиков и менеджеров. Интуиция, опыт и ручной труд уже не справляются с обработкой потока информации. Бизнес, маркетинг, медицина, государственные структуры оптимизируют работу при помощи инструментов искусственного интеллекта — BigData, машинного обучения и нейросетей.
Число компаний, занимающихся искусственным интеллектом в мире быстро растет — доля ИИ-стартапов выросла в пять раз с 2015 по 2018 год и составила 3465, в США — 1393. Наибольшее количество таких компаний в 2017 г. зарегистрировано в США — 2905.
Большинство компаний, работающих на рынке ИИ, вкладывают средства в разработку приложений для машинного обучения. По последним подсчетам $31,7 миллиарда инвестированы именно в эту категорию. Также большие средства вкладываются в программы для распознавания речи. Этот сегмент, по прогнозам, вырастет до $12,4 миллиарда в 2020 году.
Выручка от BigData и бизнес-аналитики в мире в 2018 году составила $168,8 миллиардов. К 2022 году этот показатель, по прогнозам, впервые превысит отметку в $274,3 миллиарда.
Как используют искусственный интеллект крупнейшие компании
Google:
в проекте health.google ИИ в комплексе диагностирует состояние здоровья, помогает определить маршрут до ближайшей больницы, напоминает о времени приема лекарств, оценивает прогресс в занятиях фитнесом;
проект Medical Brain анализирует состояние больного, перспективы дальнейшего течения болезни, вероятность смерти от этой болезни;
Сбербанк:
- выдавать все кредиты к концу 2020 года в Сбербанке будет ИИ, для этого он сопоставит биометрические данные клиента, кредитную историю, доходы, затраты и самостоятельно примет решение;
- в приложении Сбербанк Онлайн, предпочтения 50 миллионов пользователей будут анализировать по 1000 параметрам и сформируют пакет услуг и информации специально для этого пользователя — частые переводы и платежи, статистика трат;
- предварительное собеседование с кандидатами на массовые вакансии уже сейчас проводит робот, который задает вопросы в зависимости от ситуации и, если кандидат соответствует требованиям, переключает беседу на человека — сотрудника HR службы;
Facebook:
- ИИ “открывает” глаза людей, моргнувших на фотографиях — без него это было бы невозможно сделать; замена глаз на фотографии — сложный процесс, предусмотреть нужно многое: национальность, разрез глаз, возраст,освещение, поворот головы, другие изображения этого человека в сети.
В бизнесе используется слабый искусственный интеллект, умеющий решать только узкие специализированные задачи с помощью методов BigData, алгоритмов машинного обучения. Сильный искусственный интеллект способен к многозадачности. Его функционал не ограничен — игра в шахматы, сочинение стихов, решение математических задач, бизнес-аналитика и наличие интеллекта.
Сильный ИИ, по прогнозам, появится в интервале 2040-2075 г.
Рассмотрим кейсы из практики
Кейс 1: автоматизация контакт-центра «Додо Пиццы»
Как было:
150 работающих удаленно сотрудников контакт-центра, 250 000 звонков в месяц, для поддержания стандартов сервиса создали скрипты ответов для операторов. Через некоторое время столкнулись с проблемой, что люди стали отвечать на звонки, как роботы, появились негативные отзывы. Вместо переобучения людей появилась идея автоматизировать контакт-центр.
Что сделали:
часто повторяющиеся запросы — жалоба на опоздание курьера, просьба изменить способ оплаты, доставки, отменить заказ, жалоба на качество — перевели на робота. Операторам оставили нестандартные запросы.
С какими трудностями столкнулись:
Перевод голоса в текст — люди в разговоре с роботом по другому структурируют речь, интонацию. Например: фраза “Соедините меня с оператором” была распознана роботом как “Соедините меня с императором”; изначально подобранное имя робота “Оксана” воспринималось клиентами, как известная “Алиса”.
Некоторые выбранные тематики оказались лишними, запросов на них не было, что привело к пустой трате времени на мало востребованные вопросы.
- Разработанные логические цепочки быстро устаревают, нужно постоянное обновление.
Что получили:
несмотря на проблемы, итоги оказались выше ожиданий. Автоматизировали 250 тысяч звонков, 1 минута работы оператора стоит 7 рублей, в среднем разговор длится 2 минуты — в итоге экономия составила 500 000 рублей в месяц. Цель обращения клиента определялась в 67% звонков, из них успешно обработаны 97% звонков.
Полностью прослушать доклад можно здесь .
Кейс 2: Результаты поиска трендов развития новых продуктов в металлургии с помощью автоматизированного анализа текстов. ИСИЭЗ НИУ ВШЭ и «Северсталь».
Для “Северстали” важно отслеживать новинки отрасли для создания востребованных на рынке продуктов. Текстовый анализ данных можно успешно применять в металлургии для поиска ключевых фраз в научно-технических документах.
Что сделали:
Тексты научных статей, патентных заявок, отраслевых публикаций по отраслям, имеющим отношение к металлургии (авиастроение, судостроение, двигателестроение, строительство, нефтегазовая отрасль и другие) разбили на термины, термины соединили с описаниями и определили, какие из них относятся к технологиям.
Найденные словосочетания визуализировали в виде карт.
Семантическая карта: каждая точка на карте это термин, близкие по смыслу — кластер. Карту можно просматривать по всем обработанным публикациям или применить фильтр для выбранной категории. Часто встречающиеся термины выделены в ТОП.
Тренд-карта — перспективы и направления развития. Полученные в результате поиска технологии распределены по векторам — зрелые, стимулирующие, зарождающиеся тренды и слабая зона.
На основании этих двух карт вывели информацию в виде утверждений — практические примеры развития отдельных технологий и материалов.
С какими трудностями столкнулись:
- Поиск должен включать все варианты, формы, падежи слов и различать их значения, например, слово “Apple” может обозначать как фрукт, так и бренд.
- Для решения недостаточно трех видов карт, это только инструмент для дальнейшего анализа специалистами. Без участия человека конкретные рекомендации пока невозможно принять в силу изменяющихся рыночных условий, финансовых мощностей предприятия.
- Длительный процесс обработки: 6 месяцев для получения результата.
Результат:
36 новых тем нашли для дальнейшего изучения.
4 новых направления стали темами научно-исследовательских работ в 2019 году.
- На 10% сократилось время поиска и отслеживания проектов.
- 2 новых крупных блока рассматриваются для анализа в 2020 году.
Полностью прослушать доклад можно здесь .
Кейс 3: компания Mobifitness привлекла ИИ для анализа и сортировки отзывов клиентов фитнес-клубов и спортивных студий.
Компания разрабатывает ИТ-решения для автоматизации работы 3 000 клиентов спортивной индустрии.
Спикер — Владимир Старков, сооснователь компании Mobifitness.
Как было:
Менеджеры фитнес-клубов ежедневно получали отзывы от клиентов через мобильное приложение, сайт и другие каналы, вручную обрабатывали каждый отзыв, выявляли суть проблемы и направляли ее в нужный отдел. Это лишняя рутинная работа, персонал и затраты. В таком «потоке» легко потерять важный фидбэк, например, жалобу на грязь и неработающую сантехнику.
Что сделано:
Обучили нейросеть на основе сотен реальных отзывов клиентов фитнес-клубов автоматически определять тональность отзыва и отмечать наиболее важные.
Система «сканирует» отзыв и присваивает ему один из четырех смайлов (два грустных и два веселых), в зависимости от настроения клиента. Она также оценивает степень агрессивности людей, оставивших негативный комментарий.
С какими трудностями столкнулись:
Многие клиенты не сразу понимали практическую выгоду автоматической оценки тональности отзывов. Приходилось объяснять, что менеджеры и руководители смогут быстрее реагировать на запросы.
Результат:
важные отзывы не теряются в общем потоке;
клиентский сервис становится молниеносным: негативные комментарии видно сразу;
экономится половина ставки работника, который раньше разбирал отзывы вручную;
высокая степень достоверности обработки отзывов: более 90%;
- возможность автоматически следить за эффективностью работы управляющих фитнес-клубов и филиалов через подсчет положительных и отрицательных отзывов;
- возможность создания в перспективе системы, которая будет следить за качеством всех составляющих бизнеса: качество общения с клиентами, предоставления услуг, качество уборки.
Кейс 4 — неудачный. Онлайн-ритейлер Амазон использовал ИИ в подборе кандидатов на работу.
Для оценки претендентов разработали алгоритм, который обучался на анкетах ранее принятых сотрудников. При этом сотрудников-мужчин в штате Амазона оказалось больше, чем женщин, и ИИ сделал предпочтение в пользу кандидатов-мужчин.
Предпринимались попытки исправить алгоритм, но полной уверенности в том, что кандидаты не будут дискриминированы еще по другим признакам, не было. Поэтому в 2017 году Амазон отказался от применения ИИ в подборе сотрудников.
Какие риски несет применение искусственного интеллекта?
Стивен Хокинг и Илон Маск считают, что искусственный интеллект несет опасность.
Как и любая новая технология, ИИ можно использовать и во благо, и во вред человечеству. Конфликтами с искусственным интеллектом, обладающим разумом, пугают в фантастических фильмах.
В реальной жизни уже сейчас есть проблемы, которые пока не решены или они требуют дополнительного контроля со стороны людей:
нормативно-правовая база — кто будет отвечать за ошибки роботов: проектировщик, разработчик, создавший алгоритм или сотрудник, бухгалтер, оператор, не проверивший результат;
персональные данные — как будет соблюдаться конфиденциальность данных, если машины будут анализировать здоровье, пол, возраст, распознавать лица автоматически, не спрашивая согласия человека;
- низкое качество и быстрое устаревание исходных данных — либо станет препятствием для применения ИИ в отдельных компаниях, либо, как в случае с Amazon, ИИ может сделать неверные выводы при обучении и выдать некорректные результаты;
- человеческий фактор — люди станут посредниками, автоматизаторами, контролерами для ИИ, сократятся рабочие места.
Своим мнением об использовании искусственного интеллекта поделился Никита Т. , разработчик BigData в крупной банковской системе:
Мы уже живем рядом с ИИ, это даже не будущее, это наше настоящее. Мы общаемся с “Алисой”, получаем персональные предложения от банков и магазинов, видим информацию в поисковых системах с учетом наших предпочтений, можем обратиться к онлайн-доктору и ждем появления беспилотных такси на улицах.
Бизнес, технологии, сервис уже невозможны без применения технологий искусственного интеллекта. Но и искусственный интеллект еще долго не сможет обходиться без человека.
А где ИИ в малом бизнесе? Или, как всегда, ждем 1с?
Малый бизнес экономит на всем. Даже на 1С. Многие считают, что дешевле нанять несколько аналитиков и они разгребут базу данных вручную. Вся проблема в ИТ инфраструктуре. А платформы для использования есть. Повторюсь - Azure, например.
Вот, смотрите (look:))). Для МБ (особенно ритэйл) существует, видимо, легко формализуемая парадигма для данных. Никто пока не смотрит в эту сторону по-настоящему. Хотя у тех же 1с хостеров данных нереально много. Клондайк. Платформы есть. Реализаций практически нет. Тут вопрос интересный - нужно формировать спрос (рынок) на услугу или ждать пока МБ начнет просить сам? Рынок-то не шуточный. Сорри за много букв.
Вы правы, данных много, то, что у хостеров возможно формализовать. Ждать пока парадигма мышления МБ перенастроится? Интересно было бы услышать мнение представителей МБ.