В России решения на основе искусственного интеллекта активно применяют не только в ИТ-отрасли, телекоммуникациях и банках, но и в нефтегазовом секторе, тяжелой промышленности, торговле и на транспорте.
Наибольшее количество компаний, использующих инструменты на основе больших данных и искусственного интеллекта, наряду с ИТ-индустрией насчитывается в телекоммуникационной отрасли и в финансовом секторе. Кроме того, «умные» решения активно «опробывают предприятия нефтегазового сектора и металлургические заводы, ретейлеры и транспортные компании. Согласно исследованию КПМГ, в России решения на основе искусственного интеллекта тестируют или внедряют 75% телеком-операторов, 40% банков, 25% нефтегазовых компаний, 17% металлургических предприятий, 5% розничных сетей и 1% транспортных компаний. Насколько эффективны такие начинания, представители этих отраслей рассказали участникам конференции «Технологии искусственного интеллекта 2019», организованной издательством «Открытые системы». (О конференции см. также «AI2019: С чего начать внедрение искусственного интеллекта?», Computerworld Россия, 29 мая 2019.)
Более 60% крупных российских компаний используют чат-боты и системы на основе разговорного искусственного интеллекта. Операторы чаще всего задействуют такие решения для обслуживания клиентов. К 2022 году, по прогнозам Gartner, разговорный искусственный интеллект будет поддерживать 20% всего клиентского сервиса.
Большинство вопросов при обращении клиентов в контактный центр «МегаФона» решает виртуальный помощник «Елена». В дополнение к нему в компании разрабатывают чат-бот «Суфлер», помогающий оператору найти нужную информацию в базе знаний. Голосовая биометрия позволяет обслужить клиента, не тратя время на традиционную процедуру идентификации. Клиенты также могут задать вопрос чат-боту или ассистентам «Алиса» и Google Assistant — это очень перспективные каналы взаимодействия, отметил Андрей Коньшин, руководитель проектов клиентского сервиса «МегаФон» по направлению искусственного интеллекта. Роботов начали применять и в исходящих коммуникациях — для маркетинговых исследований и продажи услуг. Виртуальный оператор звонит абонентам, для которых появились персональные предложения, и с их согласия подключает услугу. Качество обслуживания по каждому обращению контролируется с помощью речевой аналитики.
.jpg) |
|
Андрей Коньшин: в «МегаФоне» боты используются не только при обращении клиентов, но и в исходящих коммуникациях
|
Так, в «Почту России» за месяц поступает около 500 тыс. звонков, 85% из них классифицируются роботами, и 100 тыс. обращений на первой линии поддержки полностью обрабатывается роботом, без привлечения оператора. «Не пренебрегайте роботами и чат-ботами, — призвал Дмитрий Булкин, директор по развитию компании Naumen. — За прошедший год наши роботы обслужили порядка 10 млн обращений в голосовом и текстовом каналах, а к концу текущего года этот показатель достигнет 30 млн — волна нарастает».
В Мосэнергосбыте на роботов переложили функцию приема показаний счетчиков, решив проблему неравномерной месячной нагрузки операторов контакт-центров. А благодаря роботу-коллектору на 15% повысилась собираемость платежей.
В ОТП Банке виртуальный ассистент успешно классифицирует 95% обращений по 20 высокочастотным тематикам; до 40% обращений чат-бот «закрывает» полностью. Вопреки расхожему мнению о том, что общение с роботом снижает лояльность клиентов, в данном случае лояльность повысилась вдвое.
Удачных примеров изменения бизнеса с помощью искусственного интеллекта накоплено уже немало. В научно-техническом центре «Газпромнефти» внедрили интеллектуальную поисковую систему, в дирекции научно-технических программ Минобразования — систему оценки проектных заявок и проверки соответствия проектной документации техническому заданию. В Главгосэкспертизе переход на цифровую модель экспертизы проектной документации позволил существенно сократить сроки проведения работ и в разы увеличить число обрабатываемых проектов.
Одна из самых актуальных бизнес-задач для искусственного интеллекта в финансовой сфере — борьба с фродом. В «Русфинанс Банке» потери, связанные с мошенничеством, в 2014 году достигли 500 млн руб. Это вынудило банк полностью изменить подход к решению вопросов безопасности и создать аналитический антифрод-центр, использующий технологии искусственного интеллекта для раннего выявления мошенничества, снижения прямых и косвенных операционных потерь. Базовым элементом стало внедрение процессной культуры менеджмента и персонала, подчеркнул Александр Яковлев, руководивший департаментом защиты бизнеса «Русфинанс Банка». По его словам, для эффективного применения искусственного интеллекта требуются определенная зрелость процессов и уровень цифровизации, обеспечивающий среду с чистыми данными, «тогда в этом есть смысл и добавленная стоимость, а не только маркетинг». Сотрудники центра прошли обучение технологиям бережливого производства и agile-методологии, и лишь к 2017 году подошли к этапу подготовки нейронных сетей. В итоге за пять лет уровень мошенничества удалось снизить более чем в десять раз при удвоении объемов продаж и сокращении персонала на 27%.
Еще одна область, где искусственный интеллект показывает высокую эффективность, — прогнозная аналитика для управления персоналом. Кадровые службы все чаще сталкиваются с проблемой «выгорания», следствием которого становится увольнение либо резкое снижение активности сотрудников. Причем «выгоранию» подвержены, как правило, ответственные и добросовестные работники. Их уход приводит к существенным потерям из-за низкой производительности труда, негативных изменений климата в коллективе, недополученной прибыли, а также дополнительных затрат на поиск и адаптацию нового работника. Руководителями подразделений «Ростелекома» оказалось очень востребовано решение, позволяющее с высокой вероятностью предсказать момент увольнения сотрудника по «собственному желанию». Такой прогноз дает возможность уменьшить потери, вовремя приняв меры для удержания работника или заранее начав искать ему замену.
В тяжелой промышленности накопленные исторические данные позволяют эффективно применять машинное обучение, выдавая точные рекомендации операторам оборудования. В комбинации с методами классической оптимизации такие инструменты дают возможность сокращать отходы сталелитейного производства, повышать качество продукции, более рационально использовать ресурсы и выполнять требования по защите окружающей среды. «Чтобы заработать денег предприятию, мы применяли не только машинное обучение, но и знания химии и физики», — рассказал Виталий Ширяев, руководящий в Новолипецком металлургическом комбинате исследованиями в дирекции по анализу данных и моделированию. Сократив потребление природного газа за счет оптимального распределения его между котлами, предприятию удалось добиться экономии более 14 млн руб. в месяц. Никакого дополнительного оснащения для этого не потребовалось.
.jpg) |
|
Виталий Ширяев: «В комбинации с методами классической оптимизации машинное обучение дает возможность сокращать отходы сталелитейного производства, повышать качество продукции, более рационально использовать ресурсы, выполнять требования по защите окружающей среды»
|
Горнодобывающей и сталелитейной компании «Северсталь» проекты с применением машинного обучения помогают решать множество задач, направленных на улучшение бизнес-показателей. Это предсказание выхода из строя узлов агрегатов и рекомендации по их обслуживанию, обнаружение поломок с помощью компьютерного зрения, прогнозирование дефектов стали с выявлением причин их образования, советчики по технологии при производстве чугуна, выявление очагов травматизма в цехах, поиск проблемных точек на прокатных станах для повышения их производительности, а также анализ текучести кадров.
Выступавшие подчеркивали важность тесного сотрудничества исследователей данных с технологами, глубоко погруженными в оптимизируемый процесс. «Многие проекты взлетали потому, что мы добирались до Excel-файлов на компьютерах технологов, содержащих накопленную за несколько лет очень полезную информацию, на которую они действительно ориентируются», — сообщил Борис Воcкресенский, руководитель направления Data Science в компании «Северсталь Диджитал».
.jpg) |
|
Борис Воскресенский: «Мы добирались до Excel-файлов на компьютерах технологов, содержащих накопленную за несколько лет очень полезную информацию»
|
Здравоохранение пока не входит в число отраслевых лидеров применения искусственного интеллекта, однако именно в медицине можно увидеть самые впечатляющие примеры. В пилотных проектах, которые ассоциация «Национальная база медицинских знаний» проводит в российских регионах, технологии искусственного интеллекта позволяют выявлять факторы риска сердечно-сосудистых катастроф в разы быстрее и точнее традиционной диспансеризации, а также находить на КТ-изображениях пропущенные врачами злокачественные новообразования. Однако в этой сфере особенно остро стоит вопрос доверия к результатам работы искусственного интеллекта, и крайне важно подчеркнуть, что задача его внедрения — не вытеснить врача из процесса, а помочь расширить его возможности.
«В будущем нас ждет симбиоз людей, программных роботов и искусственного интеллекта», — отметил Александр Максимов, представляющий компанию ОТР.
Аналитики считают подобную комбинацию искусственного и естественного интеллекта наиболее перспективным вариантом применения интеллектуальных технологиий, для нее даже придумали название — «кентавры». В шахматах так называют команды «компьютер плюс человек». Предполагается, что «кентавры» смогут снять с повестки проблему доверия к искусственному интеллекту.
