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.

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.

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.

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.

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.

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:

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

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

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.

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

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.

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.

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.

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.

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.

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.

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.