Технологии AI для бизнеса

(Русский) Искусственный интеллект для бизнеса: ожидания и реальность

Sorry, this entry is only available in Russian. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

Если вы решили завести чат-бот для клиентского сервиса компании, это еще не значит, что вы внедрили технологии искусственного интеллекта. Большинство проектов AI в бизнесе пока не вышли за рамки «пилотов». Не хватает инвестиций, специалистов и качественных данных для анализа. Искусственный интеллект перевернет традиционные бизнес-процессы, но, скорее всего, не так скоро, как обещают его проповедники.

Дня не проходит, чтобы не появились сообщения о новых достижениях технологии искусственного интеллекта. Apple Watch теперь могут распознавать неудачное падение владельца и вызывать при необходимости экстренные службы. Все знают про голосовых помощников в смартфонах, беспилотные автомобили, чат-боты. Правда, мало кто в точности понимает, как это работает.

Взрывной рост технологий во многих отраслях закончился несколько десятков лет назад, даже наращивание вычислительных мощностей имеет свои ограничения. Начался период масштабирования и адаптации. На этом фоне инструменты AI выглядят самым перспективным и многообещающим направлением, способным кардинально поменять экономику, общество и жизнь каждого человека в целом.

На этой волне хайпа невозможно оценить вклад технологий AI в эволюцию бизнеса, какие преимущества искусственный интеллект может привнести в рабочие процессы. Кейсов по применению данных инструментов в корпоративном секторе критически не хватает.

Проблема в том, что использование AI в бизнесе подразумевает его масштабную цифровую трансформацию, а успех здесь зависит от наличия качественных, точных и верифицированных данных.

 

Искусственный интеллект в бизнесе: кейсы

Есть, конечно же, пример финансового сектора, где искусственный интеллект освоен давно и основательно: высокочастотный трейдинг (HFT), машинное обучение, нейронные сети. Математические гении (кванты) и самонастраивающиеся вычислительные алгоритмы почти вытеснили старые биржевые модели на обочину истории.

Вторая сфера, в которой технологии AI находят практическое применение – здравоохранение. Здесь, как и в финансах, для этого в наличие есть два важных условия: достаточно инвестиций, чтобы разработать сложное техническое решение под конкретные задачи, и достаточно надежных и проверенных данных для анализа.

В индустрии здоровья алгоритмы AI могут служить хорошим помощником при обнаружении и диагностике заболеваний. Например, система способна сопоставлять генетические данные пациента с его текущими показателями, устанавливать связи и на основе этой информации картировать курс лечения.

В остальных сферах адаптация искусственного интеллекта под нужды бизнеса находится в зачаточном состоянии. Мы наблюдаем пока только «пилоты» таких проектов или маркетинговые «игрушки», призванные, скорее привлечь внимание к деятельности компании, чем принести реальную пользу. До массового внедрения AI в обычные бизнес-процессы еще очень, ну, очень, не близко.

Большинство примеров использования технологий ИИ в бизнесе сегодня приходят из сферы маркетинга и клиентского сервиса. Роботы и алгоритмы на основе машинного обучения выполняют функции рекомендаций, социального и маркетингового анализа, ретаргетинга, мерчендайзинговой оптимизации.

Одна из топовых розничных сетей США — Macy’s — на базе сервисов Watson от IBM разработала виртуального советника для своих клиентов. Приложение делает трекинг покупок и на основе этой истории выдает рекомендации. Например, система сразу отсечет дорогие бренды из выдачи для человека, ранее интересовавшегося лишь «эконом-классом» товаров из данной категории.

Нечто похожее запустила компания по продаже вина Millesima. Ее алгоритм способен анализировать не только историю покупок, но и учитывать в формировании предложения геолокацию, время года и социальные факторы.

 

Инвестиции в технологии AI

О перспективах искусственного интеллекта для бизнеса можно судить по объемам инвестиций, которые вливают в исследования и разработку подобных технологий. В 2017 году компании, специализирующиеся на технологиях AI, получили от венчурных инвесторов более 10,8 миллиардов долларов.

Согласно опросу Teradata, 80% коммерческих организаций или уже используют отдельные решения на основе AI или собираются это сделать в ближайшее время. Компании планируют получить 123 доллара ROI на каждый вложенный доллар в проект AI в течение последующих трех лет. Хотя 91% респондентов отметили существенные сложности с внедрением технологий искусственного интеллекта: отсутствие подходящей ИТ-инфраструктуры и дефицит специалистов в этой области.

В Gartner уверены, что технологии ИИ к 2020 году будут присутствовать почти во всех программных продуктах и сервисах, а лидеры рынка смогут получать за счет их использования до 30% дополнительной прибыли.

В России объем рынка применения AI (в основном это платформы машинного обучения) в 2017 году, по информации TAdviser, составил порядка 700 млн. рублей. Ожидается, что к 2020 году он вырастет до 28 млрд. рублей.

В России технологии искусственного интеллекта уже внедрили: ПАО «Банк УРАЛСИБ» (анализ данных клиентов), МТС и «М.Видео» (оптимизация клиентского сервиса с выдачей персональных рекомендаций), «Альфа Страхование» (определение риска мошенничества при страховом случае), Aviasales и некоторые другие, в том числе промышленные предприятия. Не говоря уже о многочисленных примерах чат-ботов, которых тоже записывают себе в актив, как пример использования технологий ИИ.

 

Условия внедрения технологий ИИ в бизнесе

Как подготовиться к внедрению инструментов AI и понять, что компании такой проект действительно будет полезен? Специалисты советуют начать с поиска решений, которые помогут в ближайшей перспективе автоматизировать рутинные, шаблонные процессы. То есть задачи, которые не требуют наличия особых навыков, но отнимают время квалифицированных сотрудников.

Условия для автоматизации бизнес-задач:

  • выполнение задачи, основано на вводе данных;
  • их достаточное количество, чтобы обеспечить автоматизацию;
  • полученный уровень автоматизации реально поможет сократить издержки.

Именно проблема качества цифровых данных является камнем преткновения для большинства коммерческих организаций. Без чистых, корректных, проверенных данных невозможно использовать технологии искусственного интеллекта в бизнесе хоть сколько-нибудь эффективно.

По информации исследовательской группы IBM, «плохие» данные ежегодно обходятся предприятиям США в 3,1 триллион долларов дополнительных расходов! Это потери времени, производительности и стоимость ошибок (сбои, незапланированные остановки производственных процессов), которые неизбежно из них вытекают.

Данные, с которыми будут работать алгоритмы машинного обучения, должны быть релевантными, надежными и актуальными. Разумеется, их должно быть достаточно, чтобы система работала корректно.

Нет смысла затевать историю с внедрением технологий AI в свой бизнес, если в компании нет выделенного бюджета под подобный проект (как подсчитать объем инвестиций – отдельная тема), подходящей ИТ-инфраструктуры и специалистов, способных довести его до ума.

 

Готовые AI-платформы для бизнеса

Кстати, знакомство с технологиями AI можно начать с уже готовых платформ. Издание Techemergence выбрало 6 таких приложений, которые помогут понять, чем искусственных интеллект может быть полезен для бизнеса.

HANA от SAP – облачная платформа, которую можно запустить также на внутренних серверах организации. Используется для управления базой данных компании, собирает информацию с различных источников (стационарные или мобильные рабочие станции, финансовые транзакции, сенсоры и производственное оборудование). Инструменты аналитики позволяют выявлять тренды и нарушения для оптимизации отдельных процессов.

DOMO (быстрорастущая технологическая компания) выпустила на рынок дашборд под своим брендом, который помогает компаниям собирать информацию для принятия более точных и выгодных решений. Система может собирать данные со сторонних приложений (клиентские сервисы, социальные сети) и настраивать стратегию продаж или инвестиций.

eSales от Apptus помогает настраивать каналы продаж, автоматизировать складские запасы, предсказывая на базе собранной информации поведение покупателей. Программа использует Big Data и алгоритмы машинного обучения для определения, какие продукты компании будут востребованы в ближайшем будущем на основе истории продаж, выдавать персональные рекомендации клиентам.

Avanade – совместный продукт Microsoft и Accenture, тоже, по сути, предназначенный для прогностической аналитики, когда на основе исторического поведения клиентов выдаются рекомендации по тонкой настройке клиентского сервиса.

Predix – фактически полноценная операционка от General Electrics, предназначенная для использования на сложных технологических производствах. Она собирает данные с датчиков оборудования, анализирует их, просчитывая вероятность его поломки или остановки. Подобная аналитика помогает сэкономить средства на сервисное обслуживание. Еще одно решение от GE используется для мониторинга трубопроводов по всему миру.

MindSphere – открытая облачная платформа от Siemens (бета-версия была выпущена в 2016 году). Предназначена для мониторинга парка оборудования на предприятии для сервисных нужд. Анализирует производительность машин в зависимости от множества факторов, выдает рекомендации по оптимизации его работы.