Блог им. Koleso

Искусственный интеллект – для вашего бизнеса. Часть 2. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ДЕЙСТВИИ.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ДЕЙСТВИИ.
Электронная книга https://t.me/kudaidem/1277

Электронная книга https://t.me/kudaidem/1277

В этой главе я изменю фокус и покажу, как искусственный интеллект реально используется в современных компаниях, демонстрируя на примерах, как ИИ повышает эффективность работы и изменяет сам способ ведения бизнеса. Я разделил главу на разделы, где рассматриваются конкретные аспекты ведения бизнеса и те способы, которыми искусственный интеллект повышает его эффективность: улучшение качества обслуживания клиентов, оптимизация процессов и генерирование новых идей.

опишу различные типы выгод, которые необходимо учитывать при планировании применения искусственного интеллекта. Большинство из них можно отнести к одному из трех следующих пунктов:

улучшение обслуживания клиентов ведет к получению более высоких доходов и повышению удовлетворенности клиентов;

оптимизация процессов приводит к снижению текущих затрат, уходу от дополнительных затрат и более полному соблюдению законодательства и других регулирующих правил;

лучшее понимание бизнес-процессов приводит к уменьшению потерь и снижению рисков недополучения доходов.

КАК ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ УЛУЧШАЕТ ОБСЛУЖИВАНИЕ КЛИЕНТОВ Клиентский, представительский и руководящий отделы (все, что в английской терминологии объединяется под общим названием «фронт-офис») — наиболее перспективные «территории» для внедрения искусственного интеллекта: во-первых, здесь имеется множество доступных для работы данных о клиентах, во-вторых, именно здесь шире всего распространены чат-боты.

чтобы вести естественный разговор с клиентами через типизированный интерфейс, используя одну из важнейших функций искусственного интеллекта, а именно — понимание естественного языка.

Некоторые чат-боты регулярно используют вопросы с несколькими вариантами ответов.

Еще одна проблема чат-ботов: как им вести диалог? Простейший и наиболее распространенный подход — это дерево решений, где осуществляется переход от вопроса к новому вопросу в зависимости от ответа.

Дерево решений получается перегруженным и чрезмерно сложным. Более адекватным подходом в таком случае будет использование механизма «когнитивного мышления», который выполняет все «размышления», пока чат-бот продолжает разговор.

Самый «рафинированный» подход к разработке чат-ботов состоит в том, чтобы обучать их тысячам разговоров между людьми, где каждое взаимодействие в отношении намерения имеет метку, показывающую, было оно продуктивным или нет. Такие чат-боты как бы изучают историю взаимодействий и создают на ее основе «карту знаний». Но и тут есть проблемы: для обучения должно быть много доступных данных.

Простая, бесплатная система вполне подойдет для элементарных взаимодействий с клиентами, когда не стоит задачи принимать серьезные решения.

Один из крупнейших банков Швеции, SEB, применил очень похожий двухэтапный метод внедрения клиентского чат-бота. Сначала банк развернул программное обеспечение IPsoft Amelia в своей внутренней службе технической поддержки и только через определенное время сделал его доступным для миллионов внешних клиентов.

Большинство чат-ботов основаны на вероятностных алгоритмах, результаты которых зависят от частоты определенных действий.

Американская служба доставки цветов 1–800-Flowers установила у себя простой чат-бот, что позволило клиентам размещать заказы через Facebook Messenger. В основе алгоритма этого чат-бота лежит традиционная система в виде дерева решений с интерфейсом чата, задействующим функцию распознавания естественного языка.

После первых двух месяцев работы выяснилось, что 70% заказов, размещаемых через чат-бота, были получены от новых клиентов, среди которых преобладали «миллениалы», активные пользователи Facebook Messenger. Помимо принятия заказов, чат-бот может перенаправлять клиента к одному из людей-агентов, которых в компании до 3500 человек. Кроме того, чат-бот интегрирован с Amazon Alexa и службой консьержей на базе IBM Watson. Благодаря сопряженному функционированию все эти автоматизированные системы привлекли к бренду 1–800-Flowers уже десятки тысяч новых клиентов.

Другой пример компании, использующей платформу IBM Watson для привлечения клиентов, — это Staples, продавец канцелярских товаров. Они внедрили ряд различных способов, чрезвычайно облегчающих людям покупку их товаров, в том числе по электронной почте, через мессенджер Slack, мобильное приложение и (я не шучу!) с помощью большой красной кнопки. Эта кнопка похожа на Alexa Amazon тем, что она может понимать голосовые команды.

Все эти каналы для связи и размещения заказов делают процесс покупки исключительно удобным и, разумеется, способствуют быстрому увеличению доходов компании. Другая распространенная ИИ-технология, используемая для повышения качества обслуживания клиентов (и, конечно, увеличения доходов), — это так называемые механизмы по созданию рекомендаций. Самые известные из них представлены Amazon и Netflix.

В некоторых случаях для эффективного создания рекомендаций может потребоваться дополнительная информация от клиентов. Так, производитель туристического оборудования The North Face внедрил механизм рекомендаций для клиентов, покупающих куртки. Это приложение, основанное на платформе IBM Watson и называемое XPS, использует интерфейс чат-бота и задает клиентам уточняющие вопросы, чтобы понять конкретные требования человека к линейке продуктов. По данным The North Face, с момента запуска этой системы около 60% пользователей покупают именно рекомендуемые модели. Другой продавец одежды, Stitch Fix, использует схожий, но несколько видоизмененный подход, сознательно включая людей в цикл. Бизнес-модель этой фирмы рекомендует новую одежду своим клиентам на основе данных, предоставляемых ими самими (измерений, результатов опросов, доски объявлений Pinterest и т.д.).

ИИ-приложения, которое отправляет общую сводку, как и все частные замечания (например, заметки в свободной форме, написанные клиентом), одному из 2800 сотрудников, задействованных в процессе, а те на основе этих данных предлагают клиенту пять вариантов одежды на выбор. Это хороший пример того, как искусственный интеллект совершенствует навыки и опыт персонала и повышает его эффективность.

Банковская группа Clydesdale and Yorkshire Banking Group (CYBG) в Великобритании — финансовая организация среднего размера, которой приходится конкурировать у себя в стране с «Большой четверкой»: Barclays, HSBC, Lloyds и RBS.

Пакет задействует искусственный интеллект для управления деньгами клиента: позволяет вам открыть счет, затем анализирует вашу манеру его использования, чтобы предсказать, не исчерпаете ли вы не вовремя средства на ваших счетах, а также предлагает способы избежать лишних комиссий со стороны банка. Утверждается, что счет через приложение можно открыть за 11 минут.

Недополученных комиссий легко перекроются притоком дополнительных средств. С помощью искусственного интеллекта в железнодорожной компании Virgin Trains был автоматизирован процесс возврата средств в случае задержки или отмены поездов.

Некоторые компании встраивают искусственный интеллект в ядро уже существующих клиентских приложений. Компания по продаже спортивной одежды Under Armor имеет в своем арсенале портфолио фитнес-приложений и в одном из них использует систему, основанную на искусственном интеллекте: она предлагает пользователям программы тренировки и рекомендации по их проведению.

Затем ИИ предоставляет индивидуальные рекомендации по питанию и тренировкам, которые учитывают даже время суток и погоду. Другими примерами работы искусственного интеллекта, направленной на улучшение обслуживания клиентов, являются: коррекция цен на срочные (то есть с краткими сроками реализации) продукты и услуги, такие как продажа билетов на мероприятия; оптимизация планирования услуг в реальном времени (например, время доставки и отправления); создание персонализированных программ лояльности; формирование рекламных предложений и финансовых продуктов; поиск участников для программ испытания новых лекарств; прогнозирование состояния здоровья и разработка курсов лечения для пациентов.

Для любого, кто хочет использовать автоматизацию в работе фронт-офиса, очень важно сначала определиться с целями. Не стоит перегружать искусственный интеллект избыточными требованиями: распыляя его функции, вы теряете в эффективности выполнения каждой конкретной задачи.

КАК ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ УЛУЧШАЕТ УПРАВЛЕНИЕ БИЗНЕСОМ.

 Если в предыдущем разделе речь шла об улучшении работы фронтофиса, то в этом разделе мы сосредоточимся на том, что происходит за кулисами, внутри бэк-офиса.

Получаемые от ИИ выгоды здесь сосредоточены в основном (хотя и не исключительно) вокруг снижения затрат (напрямую или путем ухода от новых или излишних расходов) и более четкого соответствия работы компании законодательству. Одной из главных возможностей искусственного интеллекта в бэкофисе является преобразование неструктурированных данных в структурированные, которое включает в себя функции распознавания изображений, распознавания голоса и поиска информации. Компания Tesco внедрила ряд инструментов на базе искусственного интеллекта для повышения производительности работы своих магазинов. Они используют системы распознавания изображений для определения пустых полок в торговых точках (эта операция называется «сканирование промежутков»).

Аналогичная система повышает производительность работы фургонов путем эффективного планирования маршрута.

Обработка страховых претензий является основным направлением автоматизации с использованием искусственного интеллекта и RPA у многих компаний.

Искусственный интеллект можно применять и для выявления мошеннических претензий через поиск клиентов с аномальным поведением. Для оценки ущерба задействованы механизмы когнитивного мышления и распознавания изображений.

Производитель оборудования для полиции — компания Axon (раньше она называлась Taser) внедрила искусственный интеллект, чтобы ставить теги на видеозаписях с камер своего производства.

Интеллектуальная система может автоматически помечать буквально тысячи часов видеозаписи, криминальные агентства смогут автоматически редактировать изображения лиц, чтобы защитить конфиденциальность, извлекать информацию, необходимую для того, чтобы идентифицировать объекты, и обнаруживать эмоции на лицах заснятых людей.

Выгода для «Аксона» заключается в том, что среди полицейских увеличится спрос на их камеры, и продажи, соответственно, возрастут. Данные из видеопотоков были использованы в качестве основы бизнес-модели и у Nexar — израильской технологической компании. Они создали бесплатное приложение, которое помогает водителям предвидеть несчастные случаи и проблемы на дороге.

IBM Watson, позволяющая анализировать рентгеновские снимки и МРТ для диагностики и идентификации раковых опухолей.

. Этот подход уже позволил в целом ряде случаев обнаружить симптомы опухолей, которые медицинский персонал не видел: оказалось, что периферические области опухоли (то есть те, которые расположены вокруг, а не внутри опухоли) имеют куда большее значение для прогнозирования злокачественности, чем считалось ранее.

В Германии Deutsche Bank использует технологию распознавания речи для прослушивания записей своих сотрудников, работающих с клиентами, в целях повышения эффективности и, что более важно, соблюдения норм обслуживания. Разговоры транскрибируются искусственным интеллектом, и затем их можно разыскать по конкретным терминам-маркерам.

TeliaSonera, европейский оператор связи, применил интеллектуальное решение — IPCentre — для управления своей инфраструктурой, состоящей из 20 млн объектов (включая 12 000 серверов), и через некоторое время эта стратегия принесла фирме снижение затрат на 30%.

Google, компания с множеством гигантских центров обработки данных, обратилась к своей дочерней компании DeepMind в поиске способов снизить стоимость энергоснабжения всех этих объектов. Искусственный интеллект, разработанный инженерами DeepMind, рассчитал наиболее эффективные методы охлаждения, анализируя данные с датчиков на серверных стойках, поставляющих информацию о текущей температуре и скорости работы жидкостного насоса. Благодаря применению этих алгоритмов в Google снизили потребность в энергии для охлаждения на 40%, а общую стоимость потребления энергии в центрах обработки данных — на 15%. В настоящее время система контролирует около 120 параметров во всех таких центрах, включая работу вентиляторов, систему охлаждения и даже открывание и закрывание уличных окон. Еще одна область оптимизации процессов за счет внедрения ИИ — моделирование различных сценариев на компьютерах. Наиболее известным примером является долгосрочный прогноз погоды.

 

КАК ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ПОМОГАЕТ ВЫЯВЛЯТЬ ЗАКОНОМЕРНОСТИ И СОЗДАВАТЬ НОВЫЕ ИДЕИ.

самые большие выгоды от искусственного интеллекта состоят в том, что он помогает рождать новые идеи, замыслы и планы, а также улучшает понимание происходящих процессов и их закономерностей. Именно так из существующих данных создаются новые стратегии и методы управления, позволяющие принимать более качественные, согласованные и быстрые решения.

Один из наиболее эффективных способов использования искусственного интеллекта на сегодняшний день — выявление мошеннических действий в финансовых службах. Преимущество здесь заключается в большом объеме доступных для работы данных, особенно в сфере розничных банковских услуг. Так, система PayPal обрабатывает в год около 4 млрд транзакций, совершаемых более чем 170 млн клиентов, на сумму, превышающую 235 млрд долларов. ИИ отслеживает транзакции каждого клиента в режиме реального времени.

По данным PayPal, процент мошеннических операций в этой системе составляет всего 0,32%, тогда как средний показатель по отрасли — 1,32%.

Другая страховая компания, Axa, использовала систему Google TensorFlow, чтобы заранее прогнозировать, кому из ее клиентов грозит риск попадания в автомобильную аварию. Ежегодно в автомобильные аварии попадают около 10% клиентов Axa, причем около 1% аварий квалифицируются как «крупные». Понимание того, какие клиенты с большей вероятностью окажутся в составе этого 1%, позволяет регулировать цены на страховые полисы с учетом возможного размера выплат.

Для моделирования данных отдел Axa по исследованиям и разработкам сначала попробовал применить метод, основанный на дереве решений (так называемый «стохастический лес»), но специалистам удалось достичь только 40%-ной точности прогноза. Применяя методы глубокого обучения по 70 различным входящим переменным, они смогли увеличить этот показатель до 78%.

Другая компания, использующая искусственный интеллект для оптимизации цен в режиме реального времени, — это Rue La La, интернет-магазин модной одежды, предлагающий значительные, но крайне ограниченные по времени скидки на дизайнерскую одежду и аксессуары. Они использовали машинное обучение для моделирования потерянной выгоды, чтобы определить скидочные цены и предсказать спрос на товары, которые никогда не продавались ранее. Интересно, что среди прочего результаты анализа показали, что при увеличении цен на товары средней и высокой ценовой категории продажи не уменьшаются. После ценовой оптимизации рост выручки в тестовой группе составил почти 10%.

Розничный немецкий интернет-магазин одежды Otto использует искусственный интеллект, чтобы свести к минимуму количество возвратов. Главный секрет надежности сделки заключался в том, что если отправлять заказы клиентам в течение двух дней, то они с меньшей вероятностью откажутся от них, поскольку вряд ли увидят тот же товар в другом магазине по более низкой цене.

Поскольку Otto получает одежду разных брендов, то далеко не всегда удавалось собрать нужный заказ за два дня. Используя алгоритм глубокого обучения, специалисты Otto проанализировали около 3 млрд транзакций с 20 переменными, чтобы предсказать хотя бы на неделю вперед, что именно их клиенты будут покупать чаще всего. Сейчас представители компании утверждают, что магазин может предсказать с точностью до 90%, что будет продано в течение ближайших 30 дней. Избыточный запас товаров на складе фирмы с тех пор уменьшился на одну пятую, а количество возвратов сократилось более чем на 2 млн единиц в год.

 Goldman Sachs начали с автоматизации некоторых простых сделок, совершаемых в банке. В 2000 году в их штаб-квартире в Нью-Йорке работали 600 трейдеров, продающих акции, к началу же 2017 года их осталось там всего два. Средняя зарплата трейдера в 12 крупнейших банках составляет 500 000 долларов в год, поэтому экономия оказалась весьма значительной. Большая часть работы в Нью-Йорке выполняется теперь автоматизированными торговыми системами, которые поддерживает команда из 200 инженеров. Примечательно, что на сегодня треть сотрудников Goldman Sachs (9 000 человек) — именно компьютерные инженеры.

Там, где Goldman Sachs внедрил автоматизированную торговлю валютой, выяснилось, что один компьютерный инженер заменяет собой четырех трейдеров. Сейчас банк рассматривает возможность создания полностью автоматизированной платформы для потребительского кредитования, которая консолидирует балансы по всем кредитным картам.

Банк HSBC проводит также оценки рисков, используя моделирование по методу Монте-Карло. Действуя таким путем, они рассчитывают лучше понять свои позиции в сфере торговли финансовыми продуктами и оценить связанные с ними риски.

При наборе персонала многие фирмы стремятся использовать искусственный интеллект для превращения «длинных» списков кандидатов в «короткие».

Для создания профилей кандидатов программное обеспечение анализирует как их собственные резюме, так и общедоступные каналы в социальных сетях.

Выводы из анализа больших данных чрезвычайно перспективны для борьбы с болезнями, особенно раком. Искусственный интеллект уже некоторое время применяется в молекулярной биологии и медицине для анализа генных мутаций.

Анализ настроений используется и в компаниях, ориентированных на бизнес-потребителя, например в британском розничном онлайн-магазине Farfetch. Магазин заинтересован в том, чтобы понимать, в том числе в реальном времени, что их клиенты думают о продуктах и услугах.

при правильном управлении данными с помощью искусственного интеллекта можно получить информацию, которую человеку невозможно выявить «невооруженным глазом». ВЗГЛЯД НА ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ СО СТОРОНЫ ОПЫТНОГО ПОЛЬЗОВАТЕЛЯ.

выдержка из интервью с ИТдиректором компании Virgin Trains West Coast, одного из крупнейших железнодорожных перевозчиков Великобритании.

Система читает все входящие электронные письма, которые написаны, разумеется, в свободной форме, и определяет, что именно хочет клиент.

Помимо этого, приложение выполняет большую работу по проверке информации.

Уже на начальном этапе нам удалось сократить объем ручной работы на 85%. Все люди, которые выполняли рутинные операции, заняты теперь гораздо более интересными вещами, связанными с решением реально сложных вопросов.

Поскольку система учится по ходу дела, искусственный интеллект теперь может выполнять за людей все больше и больше работы. Но наши сотрудники теперь не только работают с действительно сложными случаями, но и контролируют работу искусственного интеллекта. Этот надзор важен для Virgin, так как мы хотим, например, точно подбирать тон ответов, соответствующий образу бренда. Мы называем это «голосом Ричарда Брэнсона» (Richard Branson — основатель корпорации Virgin.

Жизненно важно открыть свой ум для более широкого понимания возможностей искусственного интеллекта.

 

6. ПЕРВЫЕ ПРАКТИЧЕСКИЕ ШАГИ.

Уместно спросить так: «В моем бизнесе есть крупные цели и задачи — как искусственный интеллект может помочь мне в их достижении или решении?».

рассмотрим подходы к созданию продуманной и работоспособной стратегии интеграции ИИ в бизнес. Разберем стратегию автоматизации именно с точки зрения искусственного интеллекта.

Наилучший подход к получению выгоды от искусственного интеллекта: подумай — попробуй — расширяй.

Как только вы разберетесь с подходящей именно вам стратегией внедрения искусственного интеллекта, вы можете начать «испытательные работы».

Начать можно с пилотного проекта, проверки концепции, «жесткого прототипа» или же готового программного обеспечения.

Необходимо подробно изложить, как именно искусственный интеллект будет индустриализироваться в вашем бизнесе.

Итак, вооружившись знаниями о том, на что способен искусственный интеллект и как его используют другие компании, мы можем начать собственное путешествие в широкий мир новейших технологий.

 

ВНЕДРЕНИЕ АВТОМАТИЗАЦИИ ДОЛЖНО СООТВЕТСТВОВАТЬ ВАШЕЙ ОБЩЕЙ СТРАТЕГИИ.

Стратегию автоматизации должна, с одной стороны, соответствовать вашему стилю в бизнесе, а с другой стороны, бросать ему вызов.

Бизнес-стратегии, если они не имеют глобального размаха, содержат всего несколько стратегических целей, скажем, снижение затрат, снижение внутренних рисков или улучшение уровня обслуживания клиентов (англ. Customer Satisfaction Score, CSAT, дословно «показатель удовлетворенности клиентов»).

Возьмем несколько гипотетических примеров. Функцию поиска информации искусственного интеллекта можно использовать для уменьшения средней загрузки клиентской линии (англ. average holding time, AHT) благодаря автоматическому чтению входящих документов.

Чат-боты, использующие функцию понимания естественного языка, — основа для создания круглосуточной службы поддержки. Для устранения операционных ошибок прекрасно подходит RPA-роботизация.

прежде чем мы начнем создавать стратегию автоматизации, мы должны ясно понять, чего мы хотим достичь с ее помощью. После этого мы начинаем «обратное планирование», определяя необходимые функции, технологии и людей, которые все вместе будут воплощать нашу стратегию в жизнь.

Рис 6.1.

РЕШИТЕ, ЧТО ВАМ НУЖНО ОТ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.

 Следующий важный аспект, который необходимо рассмотреть до отправления в мир искусственного интеллекта, — это максимально ясное понимание того, куда вы хотите прийти.

Можно выделить четыре уровня амбиций по отношению к искусственному интеллекту. Назовем их так: 1) просто поставить галочку, 2) улучшить рабочие процессы, 3) изменить бизнес-модель, 4) создать новый бизнес.

Для большинства руководителей улучшение процессов — главный аргумент, заставляющий их сделать первые шаги в мир искусственного интеллекта.

еще больше выгоды можно получить за счет трансформации самих процессов или даже всей работы компании. Под трансформацией я подразумеваю использование искусственного интеллекта для того, чтобы делать некоторые вещи фактически иным образом, в том числе и так, как это невозможно было раньше.

Особенно хорошо подходит искусственный интеллект для организации самообслуживания клиентов или сотрудников.

Полезны при организации самообслуживания и технологии RPA, которые способны производить всю цепочку обработки данных на основе заданных правил и связывать друг с другом все необходимые системы и источники данных без остановки работы (см. главу 4). Наконец, самое мощное влияние, которое искусственный интеллект может оказать на компанию, — это стать основой создания принципиально новых продуктов, услуг или отраслей бизнеса. Наиболее известным примером, пожалуй, является Uber.

Такие компании, как Netflix и Pandora, сумели кардинально переработать свой бизнес, используя функции ИИрекомендаций. Фирма Nest с ее «умным термостатом» использует предсказательную функцию искусственного интеллекта для удаленного управления температурой вашего дома.

Далее я представлю вашему вниманию матрицу зрелости вашей организации для искусственного интеллекта, которая поможет вам оценить как текущий уровень автоматизации в вашей компании, так и ваши амбиции в важнейших областях своего бизнеса.

ГОТОВА ЛИ ВАША ФИРМА ВНЕДРИТЬ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ?

Матрица зрелости была первоначально разработаны  для оценки уровня развития функций ИТ. Как правило, они подразумевают пять уровней зрелости: от очень незрелых (уровень 1, или «начальный») до мирового класса (уровень 5, или «оптимизирующий»).

матрице мы рассматриваем автоматизацию, которая включает в себя полный спектр инструментов ИИ (чат-боты, поиск, анализ данных, механизмы оптимизации, классификация изображений, распознавание голоса и т.д.), а также RPA, робототехнику, «интернет вещей» и краудсорсинг.

Пример заполненной матрицы зрелости для искусственного интеллекта можно посмотреть под видео (рис. 6.2).

матрица зрелости искусственного интеллекта — полезный навигационный инструмент, который очень пригодится вам в начале путешествия по стране интеллектуальных технологий. Ее наличие дает возможность наглядно демонстрировать (и обсуждать) роль и функции искусственного интеллекта и других методов автоматизации в вашем бизнесе. В частности, матрица может быть основой для разработки тепловой карты искусственного интеллекта — еще одного приема упорядочивания ваших желаний и возможностей, связанных с внедрением новых технологий.

 

СОЗДАНИЕ ТЕПЛОВОЙ КАРТЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.

Создание тепловой карты покажет вам наиболее перспективные для инноваций точки.

Эта схема представляет собой упорядоченный по релевантности обзор областей, где внедрение искусственного интеллекта желательно, экономически жизнеспособно и технически осуществимо.

Тепловая карта задумана как еще одна отправная точка, как еще один способ привлечь логику, чтобы расставить приоритеты в ваших первых усилиях по внедрению искусственного интеллекта.

Критерий 1. Соответствие стратегическим целям организации.

Критерий 2. Устранение существующих проблем.

Критерий 3. Наличие доступных источников данных.

Если же данных очень мало (или вовсе нет), внедрение искусственного интеллекта попросту нерационально. Впрочем, некоторые технологии ИИ, такие как чат-боты и механизмы когнитивного мышления (мы обсуждали их в главе 3), не требуют для эффективного функционирования больших объемов данных, а работают с той информацией, которую сами же и собирают.

Критерий 4. Наличие доступных технологий.

Пример тепловой карты под видео (рис 6.3).

Проверка экономической жизнеспособности того или иного варианта — это, в сущности, первый этап экономического обоснования. Начать следует с рассмотрения финансовых выгод, которые можно получить за счет уменьшения затрат, снижения рисков, улучшения работы с дебиторской задолженностью, новых источников прибыли или уменьшения утечки доходов.

Итак, тепловая карта искусственного интеллекта указавает: все основные области внедрения автоматизации, на которых вы должны сосредоточиться; преимущества, которые она может принести; и интеллектуальные функции, необходимые для ее достижения (как и затраты на ее внедрение).

Пора перейти к следующему этапу и превратить ваши возможности в деловой прецедент или, как принято сейчас говорить, бизнес-кейс.

РАЗРАБОТКА БИЗНЕС-КЕЙСА С ВНЕДРЕНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.

Выгоды, которые может принести внедрение искусственного интеллекта, разнообразны и, как правило, значительны. Разделим их на те, которые можно считать «жесткими» (иначе говоря, их можно уверенно приравнять к денежной стоимости), и те, которые следует назвать «мягкими», то есть нематериальными и трудно измеримыми.

«Твердые» выгоды можно разделить на следующие группы.

1. Сокращение затрат. Это, как правило, ситуации, когда автоматизированная система заменяет людей, выполняющих те или иные действия. Чат-боты  могут выполнять часть работы сотрудников центра обработки вызовов. Функция генерации естественного языка (NLG) может заменить бизнес-аналитиков при создании финансовых отчетов. Более эффективное планирование маршрута для курьеров, транспортных средств и т.п. не только сокращает прямые затраты, но и экономит время, которое тоже позволяет увеличить экономию.

2. Уход от лишних или новых затрат.

Искусственный интеллект создает выгодную альтернативу найму дополнительных сотрудников для удовлетворения растущего спроса клиентов.

3. Удовлетворенность клиентов. Этот показатель обычно измеряется с помощью индексов удовлетворенности, основанных на опросе потребителей, например CSAT или Net Promoter Score (разница между положительными и отрицательными отзывами клиентов).

Искусственный интеллект способен повысить степень удовлетворенности клиентов за счет более оперативного реагирования на запросы, более точных ответов, предоставления в ответах более подробной информации, уменьшения недопонимания.

4. Снижение рисков. Классическим примером работы искусственного интеллекта здесь является обнаружение мошенничества среди чрезвычайно большого объема транзакций, таких как платежи по кредитным картам.

5. Снижение убытков.

6. Снижение утечки доходов. Сокращение оттока клиентов достигается за счет упреждающего выявления их намерений (функция ИИкластеризации) путем анализа поведения.

7. Получение дохода. Сюда же относится выявление подходящих возможностей для перекрестных продаж и перепродаж (через кластеризацию) и создание новых источников дохода.

Выгоды, относящиеся к числу «мягких», гораздо труднее поддаются оценке в денежном выражении. Вот перечень таких выгод.

  1. Изменение бизнес-культуры. Искусственный интеллект позволяет внедрить культуру инноваций и обеспечить ориентированность на клиента в бизнесе.
  2.  Конкурентное преимущество.
  3.  «Эффект ореола». Любая форма реализации искусственного интеллекта, если правильно ее подать, способна заметно повысить стоимость акций вашей компании и, соответственно, увеличить прибыль инвесторов.
  4. «Цифровая трансформация».

прежде чем вы сделаете первый шаг к созданию ИИ-прототипа и реализации наиболее подходящих вариантов, вам необходимо понять, как будет выглядеть окончательный пошаговый план и как вы будете управлять всеми аспектами структурных изменений, которые сопровождают его реализацию. Эти части головоломки описаны в двух следующих разделах.

КАК ВЫ БУДЕТЕ УПРАВЛЯТЬ ИЗМЕНЕНИЯМИ?

«Автоматизация изгоняет робота из человека». Так что если искусственный интеллект позволит вам освободить людей от механических и постоянно повторяющихся задач (которые до этого они выполняли годами), то это необходимо четко донести до всех ваших сотрудников.

вам не следует пренебрегать управлением изменениями.

РАЗРАБОТКА ПОДРОБНОГО ПЛАНА ПО ВНЕДРЕНИЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.

Подробный план реализации проекта (для которого в русском языке все чаще применяется термин «дорожная карта» — от английского слова roadmap) предусматривает среднесрочную и долгосрочную стратегию воплощения в жизнь различных инноваций.

В основе дорожной карты лежат возможности, выявленные с помощью тепловой карты и последующего анализа для пилотного проекта.

Прототипирование позволяет проверять различные допущения и оценивать их количественно и одновременно обеспечивает важный импульс для всей программы.

Итак, на основании информации, представленной в тепловой карте, вы разработали экономическое обоснование высокого уровня, в котором изложены «жесткие» и «мягкие» выгоды от внедрения автоматизации в разных областях вашего бизнеса. И, наконец, вы рассмотрели действия по управлению изменениями, которые необходимы, чтобы обеспечить успех вашей программы по интеграции искусственного интеллекта в бизнес.

 

Люди очарованы идеей мыслящих компьютеров. Ряд телевизионных программ, таких как «Люди 4-го канала» в Великобритании, и многие фильмы, скажем, «Из машины» и им подобные, подпитывают ажиотаж.

Есть известная цитата, правда, никто не знает чья, про влияние Голливуда на машинный разум: «Искусственный интеллект — это наука о том, как заставить настоящие компьютеры вести себя как в кино».

Про искусственный интеллект как-то сказали: «Как только эта штука начинает работать, ее тут же перестают называть искусственным интеллектом».

7. ПРОТОТИПИРОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.

Прототипирование может быть выполнено либо уже после утверждения стратегии внедрения ИИ, либо прямо по ходу ее создания для проверки различных гипотез или допущений.

Самым важным из них является ваша технологическая стратегия. Вы должны решить, разрабатываете ли вы сами новые версии искусственного интеллекта, покупаете их готовыми у продавца, создаете их на уже существующей платформе или используете сразу все эти подходы.

Самый большой недостаток использования программного обеспечения «из пакета» — то, что его возможности могут недостаточно хорошо соответствовать вашим целям.

Платформы искусственного интеллекта являются промежуточным решением между готовым пакетом и сборкой на заказ. Они предоставляются ведущими технологическими компаниями, такими как IBM, Google, Microsoft и Amazon, а также специализированными поставщиками платформ, такими как H20, Dataiku и RapidMiner.

Платформы, разрабатываемые компаниями, специализирующимися исключительно на разработке искусственного интеллекта, — это, например, H20, Dataiku и RapidMiner. Подобные компании иногда называют Data Science Platforms, и они обеспечивают прочную основу для разработки приложений искусственного интеллекта с использованием ваших ресурсов или возможностей третьих сторон.

Такой подход дает вам максимальную гибкость и контроль над всеми моделями платформ — их инструментарий, как правило, более продвинут, чем у более крупных поставщиков. С этими инструментами вам нужно будет использовать более индивидуальный подход к проектированию и внедрению, а основными пользователями этих систем будут обработчики данных.

Итак, теперь у вас есть представление о подходах к разработке программного обеспечения, которые вы собираетесь использовать. Пришло время что-то, наконец, построить.

СОЗДАНИЕ ВАШЕЙ ПЕРВОЙ СБОРКИ.

Масштаб начального этапа сборки будет зависеть в основном от ваших собственных намерений. Существует пять общепринятых подходов, каждый из которых направлен на достижение своей цели.

1. Проверка концепции (англ. Proof of Concept, PoC). Это тестовая сборка программного обеспечения, с которой можно прекращать работу, как только она продемонстрирует жизнеспособность проверяемой концепции.

Проверка концепции обычно делается для доказательства справедливости базового предположения, например, о том, что мы можем автоматизировать тот или иной процесс, используя определенный набор данных.

2. Прототипирование. Это очень широкий термин, который подразумевает создание конкретного, полноценно работающего образца технологии для проверки его жизнеспособности.

3. Минимальный жизнеспособный продукт (англ. Minimum Viable Product, MVP). Точное определение MVP таково: это сборка, содержащая минимальный уровень функциональности для обеспечения ее жизнеспособности и готовая для демонстрации клиентам или пользователям.

4. Тест на наиболее рискованное предположение (англ. Riskiest Assumption Test, RAT). Новый подход к тестированию, сосредоточен на проверке только самого рискованного предположения о работе технологии.

5. Пилотная сборка (модель). Как и MVP, пилотная сборка предназначена для использования в производственной среде.

 

РОЛЬ ОБУЧАЮЩИХ ДАННЫХ.

Для приложений, основанных на машинном обучении, доступность массовых данных имеет первостепенное значение.

Чем сложнее модель, которую вы хотите создать (то есть чем больше в ней различных параметров), тем больше данных вам потребуется. При малых выборках возникает так называемый эффект «чрезмерного соответствия»: здесь алгоритму удается слишком хорошо смоделировать соответствие данных некоему (в действительности не существующему) тренду, что исключает необходимость генерализации. Иначе говоря, ИИ лишь запоминает данные обучения, а не учится генерализовывать данные на основе тренда.

Возможно, для эффективного обучения и тестирования прототипов придется использовать попросту все имеющиеся у вас данные.

Чистота, или точность, данных оказывает сильнейшее влияние на эффективность работы вашей системы искусственного интеллекта.

Для расстановки тегов в обучающих данных (например, в изображениях и видеофайлах) наиболее эффективно использование краудсорсинга. У краудсорсинговых фирм, таких как CrowdFlower, под рукой всегда есть много людей, готовых выполнить различные микрозадачи: каждому из них отправляется порция данных, которые тот просто помечает соответствующим образом (это — изображение кота, это — изображение собаки и т.д.). Полностью помеченный набор данных затем возвращается вам, чтобы вы могли обучать свою модель ИИ.

я Microsoft даже создала специальную версию игры Minecraft, которую можно использовать для обучения программ искусственного интеллекта. Некоторые другие фирмы — разработчики программного обеспечения, например для управления автомобилями без водителя, используют для обучения программ по распознаванию изображений обычные версии некоторых игр, таких как Grand Theft Auto.

Создание подлинного искусственного интеллекта может легко претендовать на звание самого значительного научного прорыва в истории. Он также может стать одним из самых значительных социальных и духовных достижений.

При оценке любых новых технологий главное внимание всегда следует уделять основным вопросам: как, используя эту технологию, я могу повысить значимость своего бизнеса для клиентов? Какое конкурентное преимущество новая технология может мне дать?

Компаниям следует обдумать варианты слияний целого ряда лучших в своем классе поставщиков ИИ в единую систему, возможно — ориентированную в разных случаях на различные отрасли бизнеса и промышленности.

мы увидим, что некоторые отрасли, подобные юриспруденции, буквально захлестнет волна автоматизации. Наконец, отраслевые границы станут еще прозрачнее, поскольку массовые данные приводят к открытию новых горизонтальных связей, которые будут пересекать традиционные вертикали.

8. ОБРАТНАЯ СТОРОНА МЕДАЛИ.

Всем, кто хочет внедрить искусственный интеллект в свой бизнес, очень важно выработать сбалансированный взгляд на преимущества и риски этой технологии.

Обозначу сложности, которые любая компания должна учитывать при внедрении искусственного интеллекта, но и его более общие проблемы, влияющие на то, как мы работаем в целом и как мы будем жить.

ПРОБЛЕМА «ПЛОХИХ» ДАННЫХ Качество данных традиционно измеряется четырьмя основными параметрами: чистота, точность, последовательность и полнота. (В английском языке это формулируется как «4Cs»: Clean, Correct, Consistent and Complete. — Прим. пер.) Однако в мире искусственного интеллекта и больших данных нам нужно руководствоваться другими правилами.

Качество данных следует рассматривать в первую очередь как сочетание достоверности и точности фиксации — в контексте того, как они используются.

Данные с низкой репрезентативностью вообще не подходят для задач, для которых используется искусственный интеллект.

Если плохое качество данных действительно создает проблему, нужны подходы, помогающие ее решить. В частности — проанализировать данные для выявления аномалий, а затем запустить их исправление через поток специфических операций.

Еще одна область, в которой удобно использовать искусственный интеллект для улучшения качества данных и даже для генерации новых, — это генеративные состязательные сети (GAN).

Здесь одна система искусственного интеллекта оценивает выводы другой системы. Например, исходная система ИИ пытается создать изображение того, что она считает кошкой. Затем вторая система анализирует, из чего состоит созданная картина, и оценивает ее достоверность — насколько она похожа на реальное изображение кошки. Эта оценка передается обратно первой системе, а та использует ее, чтобы настроить алгоритм на следующую попытку изобразить кошку, уже с учетом допущенных в первый раз ошибок.

ПРОБЛЕМА НЕДОСТАТКА ПРОЗРАЧНОСТИ.

Подхода к решению проблемы непрозрачности искусственного интеллекта — использовать для самообучения системы так называемые деревья решений.

Существует печально известный пример из работы модуля Microsoft Tweetbot (автоматизированный Twitter-аккаунт), который неожиданно для всех превратился в расиста и любителя порно. Первоначально предполагалось, что Tей, как они назвали этого бота, будет действовать через твиты как «беззаботный подросток», обучающийся правилам поведения через взаимодействие с другими пользователями Twitter. Однако он стремительно превратился из «беззаботного подростка» в «мерзкого пацана», поскольку пользователи-люди «кормили» его расистским и порнографическим контентом, а он транслировал его другим пользователям.

ПРОБЛЕМА НЕПРЕДНАМЕРЕННОЙ ПРЕДВЗЯТОСТИ.

Данные, используемые для обучения искусственного интеллекта, могут уже содержать в себе предвзятость. Если вы используете «смещенные» данные для обучения искусственного интеллекта, те же самые смещения отразятся в его выводах. А поскольку процесс принятия решения, как мы видели в предыдущем разделе, непрозрачен, влияние смещений обнаружить будет нелегко.

ЧЕМ МОЖЕТ БЫТЬ ОПАСЕН ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ?

Искусственный интеллект можно применять и для моделирования поведения людей. Во время политических кампаний (вспомним Brexit в Соединенном Королевстве) «боты» программного обеспечения использовались для формирования общественного мнения путем нацеливания людей на учетные записи в социальных сетях с соответствующими сообщениями.

 

Настало, наконец, время заглянуть в будущее: как искусственный интеллект будет развиваться, какие новые возможности и риски он создаст и как нам следует планировать наши дела сегодня, чтобы и завтра извлечь из ИИ максимальную выгоду.

10. ЧТО НАС ОЖИДАЕТ ДАЛЬШЕ?

Основная цель этой книги — помочь руководителям и лидерам бизнеса найти свой путь в мир искусственного интеллекта.

Последняя часть моего рассказа задумана как попытка предсказать ближайшее будущее для искусственного интеллекта.

Кратко изложу то, каким образом каждая из функций искусственного интеллекта станет развиваться в течение следующих нескольких лет.

Распознавание изображений. В течение следующих нескольких лет его развитие будет продолжаться как минимум столь же быстрыми темпами, поскольку все больше наборов изображений станут доступными для учебных целей, а более совершенные алгоритмы, более быстрые процессоры и дешевое хранение данных будут способствовать повышению точности. Особенно улучшится маркирование движущихся изображений.

вы сможете, например, искать изображение автомобиля DeLorean по всем фильмам онлайн, и система будет находить вам конкретные кадры во всех фильмах, где появлялась эта марка. Дальнейшее развитие событий будет заключаться во внедрении технологии идентификации лиц в фильмах — точно так же, как приложения Google Images и Apple Photo могут делать сегодня на фотографиях.

Распознавание речи станет жизнеспособным в большинстве ситуаций.

Отчеты, генерируемые искусственным интеллектом, станут все более обычным делом, особенно там, где они повышают качество жизни людей. Хорошим примером могут быть персонализированные гиперлокальные прогнозы погоды. Чем больше данных станет доступно для общественности, тем больше будет идей о том, как извлечь из них пользу и донести нужную информацию до нас, используя естественный язык.

В связи с развитием предсказательных функций искусственного интеллекта нормой для ритейлеров станут всевозможные перекрестные продажи.

Но самой многообещающей для будущего является функция оптимизации. Работы, проводимые в области машинного обучения с подкреплением (которые лежали в основе колоссального успеха игровой системы AlphaGo), имеют огромный потенциал в мире моделирования рисков и эмуляции самых различных процессов. Конкретные примеры с компанией Google, сумевшей резко сократить счета за энергию в центре обработки данных, демонстрируют, что данная функция, несомненно, будет иметь очень широкую сферу применения в различных областях жизни и бизнеса.

Большой практический интерес вызывает метод непрерывного обучения ИИ.

Подход DeepMind использует алгоритм, который они называют Elastic Weight Consolidation (EWС). Он позволяет нейронной сети «взвешивать» определенные соединения, что, вероятно, позволит использовать наиболее ценные связи между нейронами для изучения новых задач. Алгоритм EWC, вероятно, является наиболее интересной возможностью хотя бы ненамного приблизиться к решению загадки «думающей машины».

КОГДА ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ СТАНЕТ ОБЫЧНЫМ ДЕЛОМ?

Взглянем на ИИ в более широком контексте. Рассмотрим вопрос, когда искусственный интеллект станет нормой нашей жизни.

современный искусственный интеллект — это не что-то одно, а много разных вещей, которые можно поразному определять и располагать на гартнеровском графике. Некоторые из возможностей ИИ следовало бы сейчас поместить в самое начало этапа разочарования (например, понимание естественного языка), или прямо на пик завышенных ожиданий (машинное обучение), или даже в самое начало цикла — на уровень технологического триггера (GAN). Если говорить совсем обобщенно, то большинство технологий искусственного интеллекта, основанных на машинном обучении, сейчас как раз достигают пика завышенных ожиданий и вот-вот вступят в период спада и потери интереса.

Главный плюс периода разочарования состоит в том, что ожидания становятся намного реалистичнее. И для искусственного интеллекта это, безусловно, будет хорошо.

Идея гиперлокализованной, гиперперсонализированной информации вполне может быть ключом к широкому распространению услуг искусственного интеллекта.

Некоторые примеры можно видеть уже сейчас: гиперлокализованное прогнозирование погоды на следующий час, гиперперсонализированные рекомендации по покупке одежды и обуви.

Объединение разнородных источников информации позволило бы предоставить каждому человеку действительно полезные рекомендации, которые будут иметь отношение только к вам и притом в конкретное время и в конкретном месте.

Одной из самых больших проблем широкого распространения искусственного интеллекта является нехватка квалифицированных и опытных людей.

Уже приходит время постепенного внедрения искусственного интеллекта для помощи людям в управлении своими жилищами. Когда люди идут на работу, они ожидают увидеть нечто подобное и там, и это тоже будет стимулировать дальнейшее развитие и более широкое внедрение ИИ в бизнесе.

Есть слегка ироничное определение искусственного интеллекта: это «все на свете через 20 лет».

Уже сейчас нужно принять меры, чтобы защитить свой бизнес от устаревания и готовиться к новым бизнес-моделям, основанным на искусственном интеллекте, и новым технологическим возможностям, которые неизбежно появятся в самое ближайшее время.

Нужно последовательно провести себя и свою компанию через три стратегические фазы: понять искусство возможного, разработать стратегию искусственного интеллекта и начать внедрение конкретных технологий.

Понимание искусства возможного — начальная ступень в защите бизнеса от будущего.

Искусство возможного должно основываться в первую очередь на некотором уровне реализма. Поэтому важно понимать, что делают другие предприятия, — особенно те, которые действуют в том же секторе, что и вы, или сталкиваются с теми же проблемами.

Получив представление об искусстве возможного, следует перейти к следующему этапу, посвященному созданию стратегии искусственного интеллекта.

Достаточно сказать, что стратегия должна строиться вокруг идентификации и решения существующих проблем, а также осознания новых возможностей, которые могут быть реализованы с помощью искусственного интеллекта.

Завершающим этапом, который поможет защитить ваш бизнес от будущего, станет внедрение ряда конкретных функций искусственного интеллекта. Основываясь на стратегии, выработанной на предыдущем этапе, создайте для начала несколько прототипов — это станет первым настоящим испытанием искусственного интеллекта у вас в компании, причем многие люди впервые увидят ИИ в действии. Этот разрыв шаблона наверняка произведет на всех сильное впечатление и станет отличным катализатором для разговоров о новых технологиях повсюду в вашей фирме. Постарайтесь максимально использовать эту возможность, чтобы продемонстрировать силу искусственного интеллекта и увлечь за собой всю организацию.

Некоторые компании уже на уровне нескольких первых прототипов начинают поднимать революционную мощь искусственного интеллекта до уровня нового бизнеса и создавать параллельный цифровой бизнес. Эти новые фирмы существуют параллельно с исходным бизнесом и поэтому не обременены существующими системами или культурой. Даже если вы не создадите новое подразделение, такое здоровое конкурентное взаимодействие может оказаться весьма полезным для раскрытия всего потенциала новых технологий.

Разрушить и построить заново бизнес, пусть даже с помощью самых многообещающих технологий, — серьезное испытание. Но в конце пути вас ждет достойная награда. Помните, что все ваши конкуренты тоже думают о том, как сделать искусственный интеллект помощником в своем бизнесе, и все же преимущество будет у тех, кто уже сейчас возьмется за это дело всерьез. Если вы ждете, пока рынок искусственного интеллекта созреет для вас, вы непременно опоздаете.


теги блога Андрей Колесников

....все тэги



UPDONW