Искусственный интеллект в бизнесе – как искусственный интеллект помогает бизнесу

Содержание

Искусственный интеллект для бизнеса: какие бизнес-задачи поможет…

Одна из главных задач руководителей маркетинговых подразделений — сделать обслуживание клиентов более персонализированным. Чтобы принимать обоснованные решения, им необходимо эффективно работать с данными, и ИТ-отдел может предложить им решение для обработки естественного языка.

Маркетинговая отрасль получит огромные преимущества, если сможет анализировать и эффективно обрабатывать данные, принимая во внимание разные факторы, например эмоциональный тон в социальных сетях. А динамическая оптимизация цен с использованием технологий машинного обучения поможет формировать ценообразование с учетом тенденций сбыта (похожие алгоритмы также могут прогнозировать, какие предложения будут пользоваться спросом или какие дополнительные товары следует рекомендовать покупателю при оформлении заказа).

Маркетинговая отрасль использует огромные массивы данных, поэтому корпорация Intel разработала платформу BigDL для применения глубинного обучения при работе с большими данными. Это распределенная библиотека глубинного обучения для Apache Spark*, которая может работать непосредственно в существующих кластерах Spark или Apache Hadoop* и позволяет разработчикам создавать программы глубинного обучения на языке Scala* или Python*.

Поскольку платформа BigDL оптимизирована для архитектуры Intel®, она может использоваться для сбора и анализа данных существующими решениями расширенной аналитики с минимальными простоями при внедрении. Таким образом, это оптимальное решение для внедрения ИИ и создания новых бизнес-возможностей.

В каждой задаче Spark платформа BigDL использует библиотеку Intel® Math Kernel Library и многопоточное программирование. Это помогает добиться высокой производительности, улучшив процессы глубинного обучения по сравнению с готовыми платформами с открытым исходным кодом Torch* или TensorFlow*, в одноузловой системе на базе процессора Intel® Xeon®.

www.intel.ru

как искусственный интеллект помогает в бизнесе и жизни / Habr

Читайте оригинал статьи в Блоге DTI.

В работе Oxford Martin School 2013 года говорилось о том, что 47% всех рабочих мест может быть автоматизировано в течение следующих 20 лет. Основным драйвером этого процесса является применение искусственного интеллекта, работающего с большими данными, как более эффективной замены человеку.

Машины теперь способны решать все больше процессов, за которые раньше отвечали люди. Кроме того, делают это качественнее и во многих случаях дешевле. О том, что это значит для рынка труда, в июле этого года говорил Герман Греф, выступая перед студентами Балтийского федерального университета им. Канта:

Мы перестаём брать на работу юристов, которые не знают, что делать с нейронной сетью. <…> Вы — студенты вчерашнего дня. Товарищи юристы, забудьте свою профессию. В прошлом году 450 юристов, которые у нас готовят иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом. Их мы на работу точно не возьмем.”

Продолжая освещать #технобудущее, команда DTI подготовила все, что необходимо знать для первого погружения в нейронные сети: как они устроены, почему все больше компаний предпочитают нейросети живым сотрудникам и какой потенциал по оптимизации различных процессов несет эта технология.

Искусственный интеллект, машинное обучение и нейросети: в чем разница


Нейронная сеть – один из способов реализации искусственного интеллекта (ИИ).

В разработке ИИ существует обширная область —

машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска.

#справка Во многих статьях можно встретить термин «глубокое» — или «глубинное» — обучение. Под ним понимают алгоритмы машинного обучения, использующие много вычислительных ресурсов. В большинстве случаев под ним можно понимать просто “нейронные сети”.

Чтобы не запутаться в понятиях «искусственный интеллект», «машинное обучение» и «глубокое обучение», предлагаем посмотреть на визуализацию их развития:

#интересное Существует два типа искусственного интеллекта (ИИ): слабый (узконаправленный) и сильный (общий). Слабый ИИ предназначен для выполнения узкого списка задач. Такими являются голосовые помощники Siri и Google Assistant и все остальные примеры, которые мы приводим в этой статье. Сильный ИИ, в свою очередь, способен выполнить любую человеческую задачу. На данный момент реализация сильного ИИ невозможна, он является утопической идеей.

Как устроена нейросеть


Нейросеть моделирует работу человеческой нервной системы, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, с каждым разом система совершает все меньше ошибок.

Как и наша нервная система, нейросеть состоит из отдельных вычислительных элементов – нейронов, расположенных на нескольких слоях. Данные, поступающие на вход нейросети, проходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определенные параметры, которые могут изменяться в зависимости от полученных результатов – в этом и заключается обучение сети.

Предположим, что задача нейросети – отличать кошек от собак. Для настройки нейронной сети подается большой массив подписанных изображений кошек и собак. Нейросеть анализирует признаки (в том числе линии, формы, их размер и цвет) на этих картинках и строит такую распознавательную модель, которая минимизирует процент ошибок относительно эталонных результатов.

На рисунке ниже представлен процесс работы нейросети, задача которой — распознать цифру почтового индекса, написанную от руки.

История нейросетей


Несмотря на то, что нейросети попали в центр всеобщего внимания совсем недавно, это один из старейших алгоритмов машинного обучения. Первая версия формального нейрона, ячейки нейронной сети, была предложена Уорреном Маккалоком и Уолтером Питтсом в 1943 году.

А уже в 1958 году Фрэнк Розенблатт разработал первую нейронную сеть. Несмотря на свою простоту, она уже могла различать, например, объекты в двухмерном пространстве.


Mark I Perceptron — машина Розенблатта

Первые успехи привлекли повышенное внимание к технологии, однако затем другие алгоритмы машинного обучения стали показывать лучшие результаты, и нейросети отошли на второй план. Следующая волна интереса пришлась на 1990-е годы, после чего о нейросетях почти не было слышно до 2010 года.

Почему нейросети вновь популярны


До 2010 года попросту не существовало базы данных, достаточно большой для того, чтобы качественно обучить нейросети решать определенные задачи, в основном связанные с распознаванием и классификацией изображений. Поэтому нейросети довольно часто ошибались: путали кошку с собакой, или, что еще хуже, снимок здорового органа со снимком органа, пораженного опухолью.

Но в 2010 году появилась база ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превышала объем существовавших баз данных изображений и была доступна для любого исследователя. С такими объемами данных нейросети можно было учить принимать практически безошибочные решения.


Размер ImageNet в сравнении с другими существовавшими в 2010 году базами изображений

До этого на пути развития нейросетей стояла другая, не менее существенная, проблема: традиционный метод обучения был неэффективен. Несмотря на то что важную роль играет число слоев в нейронной сети, важен также и метод обучения сети. Использовавшийся ранее метод обратного шифрования мог эффективно обучать только последние слои сети. Процесс обучения оказывался слишком длительным для практического применения, а скрытые слои глубинных нейросетей не функционировали должным образом.

Результатов в решении этой проблемы в 2006 году добились три независимых группы ученых. Во-первых, Джеффри Хинтон реализовал предобучение сети при помощи машины Больцмана, обучая каждый слой отдельно. Во-вторых, Ян ЛеКан предложил использование сверточной нейронной сети для решения проблем распознавания изображений. Наконец, Иошуа Бенджио разработал каскадный автокодировщик, позволивший задействовать все слои в глубокой нейронной сети.

Примеры успешного применения нейросетей в бизнесе


Медицина


Команда исследователей из Ноттингемского университета разработала четыре алгоритма машинного обучения для оценки степени риска сердечно-сосудистых заболеваний пациентов. Для обучения использовались данные 378 тыс. британских пациентов.
Обученный искусственный интеллект определял риск кардиологических заболеваний эффективнее реальных врачей.
Точность алгоритма — между 74 и 76,4 процентами (стандартная система из восьми факторов, разработанная Американской коллегией кардиологии, обеспечивает точность лишь в 72,8%).

Финансы


Японская страховая компания Fukoku Mutual Life Insurance заключила контракт с IBM. Согласно нему, 34 сотрудников японской компании заменит система IBM Watson Explorer AI. Нейросеть будет просматривать десятки тысяч медицинских сертификатов и учитывать число посещений госпиталей, перенесенные операции и другие факторы для определения условий страхования клиентов. В Fukoku Mutual Life Insurance уверены, что использование IBM Watson повысит продуктивность на 30% и окупится за два года.

Машинное обучение помогает распознавать потенциальные случаи мошенничества в различных сферах жизни.

Подобный инструмент использует, например, PayPal – в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате, мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе — 1,32%.

Коммерция


Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах. Алгоритмы, основанные на машинном обучении, анализируют ваше поведение на сайте и сравнивают его с миллионами других пользователей. Все для того, чтобы определить, какой продукт вы купите с наибольшей вероятностью.

Механизм рекомендаций обеспечивает Amazon 35% продаж. Алгоритм Brain, используемый YouTube для рекомендации контента, позволил добиться того, что практически 70% видео, просматриваемых на сайте, люди нашли благодаря рекомендациям (а не по ссылкам или подпискам). WSJ сообщало о том, что использование искусственного интеллекта для рекомендаций является одним из факторов, повлиявших на 10-кратный рост аудитории за последние пять лет.

Алгоритм Yandex Data Factory способен предсказывать влияние промоакций на объем продаж товаров. Анализируя историю продаж, а также тип и ассортимент магазина, алгоритм дал 87% точных (с точностью до коробки) и 61% ультраточных (с точностью до упаковки) прогнозов.

Нейросети, анализирующие естественный язык, могут использоваться для создания чат-ботов, позволяющих клиентам получить необходимую информацию о продуктах компании. Это позволит сократить издержки на команды колл-центров. Подобный робот уже работает в приемной Правительства Москвы и обрабатывает около 5% запросов. Бот способен подсказать, в том числе, расположение ближайшего МФЦ и график отключения горячей воды.

На технологии нейронных сетей также основана Albert –

маркетинговая платформа полного цикла, самостоятельно осуществляющая практически все операции. Использующая ее компания-производитель нижнего белья Cosabella в итоге расформировала собственный отдел маркетинга и полностью доверилась платформе.

Транспорт


Беспилотные автомобили – концепт, над которым работает большинство крупных концернов, а также технологические компании (Google, Uber, Яндекс и другие) и стартапы, в своей работе опирается на нейросети. Искусственный интеллект отвечает за распознавание окружающих объектов – будь то другой автомобиль, пешеход или иное препятствие.


Так видит наш мир нейросеть

Потенциал искусственного интеллекта в этой сфере не ограничивается автопилотом. Недавний опрос IBM показал: 74% топ-менеджеров автомобильной индустрии ожидают, что умные автомобили появятся на дорогах уже к 2025 году. Такие автомобили, интегрированные в Интернет вещей (см. наш предыдущий лонгрид), будут собирать информацию о предпочтениях пассажиров и автоматически регулировать температуру в салоне, громкость радио, положение сидений и другие параметры. Помимо пилотирования, система также будет информировать о возникающих проблемах (и даже попытается решить их сама) и ситуации на дороге.

Промышленность


Нейросеть, разработанная Марком Уоллером из Шанхайского Университета, специализируется на разработке синтетических молекул. Алгоритм составил шестистадийный синтез производного бензопирана сульфонамида (необходим при лечении Альцгеймера) всего за 5,4 секунды.

Инструменты Yandex Data Factory помогают при выплавке стали: использующийся для производства стали металлический лом зачастую неоднороден по составу. Чтобы сталь соответствовала стандартам, при ее выплавке всегда нужно учитывать специфику лома и вводить специальные добавки. Этим обычно занимаются специально обученные технологи. Но, поскольку на таких производствах собирается много информации о поступающем сырье, применяемых добавках и результате, эту информацию с большей эффективностью способна обработать нейросеть. По данным Яндекса, внедрение нейросетей позволяет на 5% сократить расходы дорогих ферросплавов.

Аналогичным образом нейросеть способна помочь в переработке стекла. Сейчас это нерентабельный, хотя и полезный, бизнес, нуждающийся в государственных субсидиях. Использование технологий машинного обучения позволит значительно сократить издержки.

Сельское хозяйство


Инженеры Microsoft совместно с учеными из ICRISAT применяют искусственный интеллект, чтобы определить оптимальное время посева в Индии. Приложение, использующее Microsoft Cortana Intelligence Suite, также следит за состоянием почвы и подбирает необходимые удобрения. Изначально в программе участвовало всего лишь 175 фермеров из 7 деревень. Они начали посев только после соответствующего SMS уведомления. В результате, они собрали урожая на 30-40% больше, чем обычно.

Развлечения и искусство


В прошлом году вышли и мгновенно стали популярными приложения, использующие нейросети для обработки фото и видео: MSQRD от белорусских разработчиков (в дальнейшем сервис выкупила Facebook), и российские Prisma и Mlvch. Другой сервис, Algorithmia, раскрашивает черно-белые фотографии.

Яндекс успешно экспериментирует с музыкой: нейронные сети компании уже записали два альбома: в стиле Nirvana и “Гражданской обороны”. А музыка, написанная нейросетью под композитора-классика Александра Скрябина, была исполнена камерным оркестром, что заставляет вновь задуматься над вопросом о том, сможет ли робот сочинить симфонию. Нейросеть, созданная сотрудниками Sony, вдохновлялась Бахом.

Японский алгоритм написал книгу “День, когда Компьютер написал роман”. Несмотря на то что с характерами героев и сюжетными линиями неопытному писателю помогали люди, компьютер проделал огромную работу – в итоге одна из его работ прошла отборочный этап престижной литературной премии. Нейросети также написали продолжения к Гарри Поттеру и Игре Престолов.

В 2015 году нейросеть AlphaGo, разработанная командой Google DeepMind, стала первой программой, победившей профессионального игрока в го. А в мае этого года программа обыграла сильнейшего игрока в го в мире, Кэ Цзэ. Это стало прорывом, поскольку долгое время считалось, что компьютеры не обладают интуицией, необходимой для игры в го.

Безопасность


Команда разработчиков из Технологического университета Сиднея представила дронов для патрулирования пляжей. Основной задачей дронов станет поиск акул в прибрежных водах и предупреждение людей на пляжах. Анализ видеоданных производят нейросети, что существенно отразилось на результатах: разработчики утверждают о вероятности обнаружения и идентификации акул до 90%, тогда как оператор, просматривающий видео с беспилотников, успешно распознает акул лишь в 20-30% случаев.

Австралия занимает второе место в мире после США по количеству случаев нападения акул на людей. В 2016 году в этой стране были зафиксированы 26 случаев нападения акул, два из которых закончились смертью людей.

В 2014 году Лаборатория Касперского сообщала, что их антивирус регистрирует 325 тыс. новых зараженных файлов ежедневно. В то же время, исследование компании Deep Instinct показало, что новые версии вирусов практически не отличаются от предыдущих – изменение составляет от 2% до 10%. Самообучающаяся модель, разработанная Deep Instinct, на основании этой информации способна с высокой точностью определять зараженные файлы.

Нейросети также способны искать определенные закономерности в том, как хранится информация в облачных сервисах, и сообщать об обнаруженных аномалиях, способных привести к бреши в безопасности.

Бонус: нейросети на страже нашего газона


В 2016 году 65-летний инженер NVIDIA Роберт Бонд столкнулся с проблемой: соседские кошки регулярно посещали его участок и оставляли следы своего присутствия, что раздражало его жену, работающую в саду. Бонд сразу отсек слишком недружелюбную идею соорудить ловушки для незваных гостей. Вместо этого он решил написать алгоритм, который бы автоматически включал садовые разбрызгиватели воды при приближении кошек.

Перед Робертом стояла задача идентификации кошек в поступающем с внешней камеры видеопотоке. Для этого он использовал систему, основанную на популярной нейросети Caffe. Каждый раз, когда камера наблюдала изменение в обстановке на участке, она делала семь снимков и передавала их нейросети. После этого нейросеть должна была определить, присутствует ли в кадре кошка, и, в случае утвердительного ответа, включить разбрызгиватели.


Изображение с камеры во дворе Бонда

До начала работы нейросеть прошла обучение: Бонд “скормил” ей 300 разных фотографий кошек. Анализируя эти фотографии, нейросеть училась распознавать животных. Но этого оказалось недостаточно: она корректно определяла кошек лишь в 30% случаев и приняла за кошку тень Бонда, в результате чего он сам оказался мокрым.

Нейросеть заработала лучше после дополнительного обучения на большем количестве фотографий. Однако Бонд предупреждает, что нейросеть можно натренировать слишком сильно, в случае чего у нее сложится нереалистичный стереотип – например, если все снимки, использующиеся для обучения, сняты с одного ракурса, то искусственный интеллект может не распознать ту же самую кошку с другого угла. Поэтому чрезвычайно важным является грамотный подбор обучающего ряда данных.

Через некоторое время кошки, обучившиеся не на фотографиях, но на собственной шкуре, перестали посещать участок Бонда.

Заключение


Нейронные сети, технология середины прошлого века, сейчас меняет работу целых отраслей. Реакция общества неоднозначна: одних возможности нейросетей приводят в восторг, а других – заставляют усомниться в их пользе как специалистов.

Однако не везде, куда приходит машинное обучение, оно вытесняет людей. Если нейросеть ставит диагнозы лучше живого врача, это не значит, что в будущем нас будут лечить исключительно роботы. Вероятнее, врач будет работать вместе с нейросетью. Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова еще в 1997 году, однако люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.

Кооперация с машинами принесет гораздо больше пользы, чем конфронтация. Поэтому мы собрали список материалов в открытом доступе, которые помогут вам продолжить знакомство с нейросетями:

habr.com

5 технологий искусственного интеллекта, которые изменят бизнес в ближайшем будущем

10781

, Текст: Иван Петров

Технологии искусственного интеллекта постепенно выходят на плато продуктивности. Среди первых ласточек — сервисы распознавания речи, на базе которых работают чат-боты. Также интерес у пользователей вызывают технологии автоматизированного машинного обучения и бизнес-приложения со встроенными механизмами ИИ. Растет спрос на платформы искусственного интеллекта, предоставляемые в виде услуги, и соответствующие облачные сервисы. Но некоторые применения, например — в автономных транспортных средствах, будут реализованы лишь лет через 10.

Искусственный интеллект идет в массы

Последнее исследование Gartner о развитии искусственного интеллекта свидетельствует о большом разнообразии применений ИИ на предприятиях. И это логично, учитывая, что по данным опросов, проводимых этой компанией, в 2019 г. доля организаций, внедривших ИИ, выросла по сравнению с прошлым годом с 4% до 14%. И, несмотря на относительную молодость рынка ИИ в целом, аналитики Gartner поместили сразу две технологии в секцию «плато продуктивности» — «распознавание речи» и «ускорители ИИ на основе графических процессоров» (последние подходят для создания систем искусственного интеллекта гораздо лучше, чем процессоры «общего назначения»).

Среди других применений ИИ, которым прочат скорый успех, — средства диалогового ИИ, чему способствует успех виртуальных ассистентов наподобие Amazon Alexa, Google Assistant и т.д. Появляется интерес к новым технологиям, таким как дополненный интеллект (augmented intelligence), «периферийный» ИИ (edge AI), популярность которого растет вместе с популярностью самих периферийных вычислений, автоматизированная разметка данных и «объяснимый» ИИ (система искусственного интеллекта, решения которой люди могут объяснить). А вот автономные транспортные средства, которые, как считаю многие, вот-вот появятся на дорогах, по мнению Gartner, «выедут» на плато продуктивности больше, чем через 10 лет.

«Голубые фишки» ИИ

В целом на «кривой хайпа» искусственного интеллекта появилось немало новых технологий, и существенная доля из них отмечена голубыми кружками, свидетельствующими о том, что в Gartner надеются на их скорый выход на плато продуктивности. Причем многие из них получили прогноз «от двух до пяти лет до внедрения», еще только взбираясь на пик надежд.

Однако, как одновременно отмечают аналитики, далеко не все из новых технологий имеют понятное применение и способны принести пользу бизнесу. И надо стараться реалистично подходить к прогнозам и анализу перспектив внедрения.

Так или иначе, компаниям, которые стремятся идти в ногу со временем, аналитики советуют как минимум готовить финансово-экономическое обоснование для внедрения ИИ. А тем, кто уже провел первичные внедрения, стоит задумываться о масштабировании проектов.

Кривая Gartner для искусственного интеллекта

Источник: Gartner, 2019

Технологии искусственного интеллекта, на которые стоит обратить особое внимание

Среди всех ИИ-технологий аналитики Gartner особо выделили пять, способных наиболее серьезно изменить бизнес-процессы уже в обозримом будущем, и советуют ИТ-директорам внимательно следить за их развитием.

Дополненный интеллект

К системам дополненного интеллекта (augmented intelligence) аналитики относят средства автоматизации, помогающие повышать продуктивность умственного труда человека. Они помогают организовать «партнерство» между людьми и ИИ, в котором первые играют главенствующую роль.

Использование искусственного интеллекта в этом качестве помогает уменьшить объем рутинной работы и, соответственно, количество ошибок в ходе ее выполнения. А участие человека, в свою очередь, снизит риск, связанный с автоматизированным принятием решений — за счет того, что человек сможет решить вопросы, ответам на которые ИИ еще не обучен.

Чат-боты

Чат-боты, «лицо» искусственного интеллекта, с которым мы сталкиваемся почти ежедневно, также меняют процессы, касающиеся взаимодействия с клиентами. Например, в компании Kia они еженедельно помогают решать вопросы 115 тысячам автовладельцев, а в немецкой сети дискаунтеров Lidl бот по имени Margot дает покупателям советы по выбору вин и закусок.

Чат-боты могут быть текстовыми и голосовыми, на стандартные вопросы они отвечают по сценарию, составленному заранее с учетом опыта, накопленного живыми операторами. Они могут применяться для решения задач отдела кадров или службы технической поддержки, помогать адаптации сотрудников на новом месте и т. д. Но в наибольшей мере эти ИИ-решения изменили процесс обслуживания клиентов. Если раньше пользователю обычно приходилось изучать интерфейс взаимодействия с системой, то теперь чат-бот «изучает» пользователя, «угадывая» его намерения и подсказывая дальнейшие действия.

Машинное обучение

Среди задач, которые позволяет решать машинное обучение, — персонализация обслуживания клиентов, динамическое ценообразование, диагностика заболеваний, противодействие «отмыванию» денег и многое другое. Принцип действия средств машинного обучения — обнаружение закономерностей, присутствующих в данных, с применением математических моделей. Машинное обучение используется все шире, чему способствуют стремительные темпы роста данных в организациях и активное развитие вычислительных инфраструктур.

Машинное обучение помогает оптимизировать процессы и находить новые решения задач бизнеса в самых разных отраслях. Например, в American Express алгоритмы машинного обучения и аналитики распознают попытки мошенничества почти в реальном времени, благодаря чему компания экономит миллионы, предотвращая потери. А в Volvo аналитические системы прогнозируют вероятные отказы и необходимость ремонтно-технического обслуживания различных узлов автомобилей, способствуя повышению их безопасности.

Система управления ИИ

По убеждению экспертов, пренебрегать созданием системы управления ИИ (AI governance) на предприятиях нельзя. Это необходимо, в том числе, для понимания и контроля потенциальных рисков, связанных с регулированием и возможностью ущерба для репутации. Как поясняют в Gartner, система управления ИИ строится на специально разработанных политиках предотвращения системных ошибок («предвзятости») ИИ, дискриминации пользователей или групп пользователей по тем или иным признакам и других возможных негативных последствий использования искусственного интеллекта.

При разработке системы управления ИИ специалисты рекомендуют руководителям по аналитике и ИТ-директорам уделить внимание трем областям: доверие, прозрачность и принципы этнокультурного многообразия (diversity). Необходимость обеспечить возможность доверять источникам данных и результатам работы систем ИИ — один из краеугольных камней их успешного внедрения, а выработка требований прозрачности к источникам данных и алгоритмам позволит уменьшить риски. Забота о соблюдении принципов многообразия в данных и алгоритмах способствует этичности и точности результатов работы решений на базе ИИ.

Интеллектуальные приложения

Еще несколько лет единственной возможностью внедрить средства искусственного интеллекта была самостоятельная разработка ИИ-систем. Однако сегодня большинство организаций предпочитают не разрабатывать такие решения и даже не приобретать «отдельно стоящие» ИИ-системы, а получать средства ИИ в составе корпоративных приложений.

Исходно наиболее «интеллектуальными» были средства аналитики со встроенными технологиями ИИ. Однако в последнее время поставщики самых разных корпоративных приложений — систем ERP, CRM, кадрового менеджмента и офисных пакетов встраивают в них средства ИИ и начинают создавать платформы ИИ. Так что аналитики Gartner советуют ИТ-директорам требовать от поставщиков ПО включения ИИ-средств в планы развития своих продуктов, в том числе инструментами расширенной аналитики и средствами, оптимизирующими процессы взаимодействия с пользователем.


cnews.ru

Как искусственный интеллект завоевал бизнес – ВЕДОМОСТИ

Сегодня ИИ трансформирует все отрасли, уверен гендиректор «ABBYY Россия» Дмитрий Шушкин

Андрей Гордеев / Ведомости

Хотя идея искусственного интеллекта (ИИ) не нова, в последнее время область его применения заметно расширилась. Появилось больше данных для обработки, а компьютеры не только поумнели, но и стали умещаться на ладони. Иногда технология напоминает о себе, лишь когда речь идет о громких новинках – например, в прошлом году весь мир узнал о стартапе Prisma, который с помощью искусственного интеллекта стилизовал фотографии под картины известных художников. Но для ИИ найдется место и в крупном бизнесе.

По оценкам PwC, внедрение ИИ к 2030 г. даст 14%-ный прирост мировому ВВП (на $15,7 трлн). Это больше, чем нынешний суммарный объем промышленного производства Китая и Индии. Поэтому эксперты PwC считают технологии ИИ наиболее перспективным направлением развития бизнеса.

Сегодня ИИ трансформирует все отрасли, уверен гендиректор «ABBYY Россия» Дмитрий Шушкин. В банках он обрабатывает документы, в корпорациях – автоматизирует процесс закупок, в телекоммуникациях и ритейле – обрабатывает запросы и комментарии клиентов, сторожит репутацию. В строительстве и промышленности ИИ читает проектную документацию и находит расхождения на ранних стадиях, что помогает снижать расходы на проект. Постепенно переходят на ИИ индустрия развлечений, медийный бизнес, производство повседневных товаров.

«Если ваша компания относится к одной из этих отраслей, то, скорее всего, ваши конкуренты уже тестируют или используют эти решения», – уверяет Шушкин.

Робот даст взаймы

По данным oneFactor (предлагает бизнесу сервисы ИИ), в конце 2016 г. больше 75% всех решений по работе с клиентами в кредитных договорах банки принимали с учетом рекомендаций ИИ. Многие российские банки так управляют рисками: определяют платежеспособность клиентов, оценивают вероятность дефолта или мошенничества. Принятие решений почти целиком автоматизировано, уверяет гендиректор компании Роман Постников.

При одобрении кредитов ИИ самостоятельно сопоставляет данные клиента и запрошенную им сумму со скоринговыми моделями и за несколько секунд формирует индивидуальное кредитное предложение, рассказывает представитель «Тинькофф банка». Робот следит за финансовым поведением и тратами клиента и сам принимает решение, можно ли увеличить лимит кредита конкретному клиенту. При этом робот анализирует результаты и самостоятельно обучается, рассказывает представитель банка.

Традиционно банки (и другие компании) используют ИИ в чат-ботах, которые помогают сотрудникам обслуживать клиентов, напоминает представитель «Тинькофф банка». Уже сейчас боты обрабатывают около 20% запросов, говорит он. Боты не только отвечают на вопросы клиента, но и понимают, что именно он хочет спросить. Представитель Сбербанка тоже приводит в пример чат-боты. Кроме них в госбанке технологии ИИ ускоряют выдачу кредита, прогнозируют нужные объемы наличной валюты в отделениях и собирают от клиентов обратную связь. С помощью ИИ Сбербанк развивает компьютерное зрение и биометрию, речевую аналитику и синтез речи, работу с естественным языком и текстом.

ВТБ начал применять алгоритмы машинного обучения в начале этого года. Цель – управлять рисками, объясняет директор по управлению проектами больших данных банка Василий Гаршин. В будущем банк надеется с помощью технологии более точно прогнозировать дефолт по клиентам и спрос на продукты банка. Вряд ли роботы полностью заменят сотрудников банка, считает Гаршин, но вот принятие решений по кредиту на основе моделей машинного обучения – уже реальность, подтверждает он.

Робот позвонит

Системы автоматического распознавания речи самостоятельно повышают точность распознавания голоса, рассказывает представитель компании «Ситроникс». Эта технология используется, например, в проекте «Автоматическая классификация обращений», которым «Ситроникс» занимается вместе с МГТС.

МТС использует ИИ в клиентских сервисах. Компания планирует развивать продукты в цифровой медицине и онлайн-образовании, сообщает представитель оператора. Например, ИИ сможет автоматизировать диагностику, удаленно контролировать здоровье пациентов и давать рекомендации для врачей и преподавателей. Оператор использует ИИ и для анализа больших массивов данных, что помогает улучшить работу салонов связи. Прогнозы посещаемости розничных точек позволили МТС на 15% сократить фонд рабочего времени, указывает представитель компании.

Как и банки, операторы пользуются чат-ботами. В МТС и «Вымпелкоме» они отвечают на вопросы абонентов. А «Мегафон» делал чат-бот в поддержку тура группы «Ленинград», партнером которой является оператор, рассказывал представитель «Мегафона». Смысл существования этого бота представитель оператора видит в вовлечении и развлечении людей. Также «Мегафон» с помощью ИИ анализирует предпочтения абонентов тарифа «Включайся», сервис «Мегафон.ТВ» анализирует предпочтения подписчика. Еще «Мегафон» предлагает применять ИИ в анализе геоданных: передвижение абонентов по городским артериям позволяет прогнозировать, как открывать салоны и строить сеть.

Робот в погонах

Элементы ИИ использует и оборонно-промышленный комплекс. Представитель «Ростеха» приводит в пример решения для боевых самолетов, которые, например, позволили сократить экипаж Су-35 и Су-57 до одного пилота. Другая задача – охрана государственных границ. ИИ просчитывает действия и маршруты нарушителей и может вести боевые действия: технология сама решает, какой машине отдать цель и из какого оружия стрелять.

Технологии концерна «Калашников» распознают местность, одежду людей, манеру поведения, рассказывает представитель «Ростеха». Затем ИИ выбирает оружие и ликвидирует преступника или переводит огонь в сторону, если из-за укрытия появился ребенок, женщина или безоружный мужчина. ИИ самообучается в процессе работы и, соответственно, способен имитировать работу человеческого мозга, уверяет представитель «Ростеха».

В других отраслях

Несмотря на интерес, некоторые отрасли (например, традиционно консервативная промышленность) часто недооценивают возможности ИИ, сокрушается исполнительный директор Yandex Data Factory Александр Хайтин. Но в консервативности он видит плюсы: предприятия накапливают большие объемы данных, которые потом и предложат обработать роботу.

Хайтин уверен в потенциале внедрения ИИ в отраслях непрерывного производства – нефтегазовой, химической, металлургии. В них, продолжает Хайтин, с помощью ИИ можно предсказывать качество продукции, оптимизировать параметры производства и расхода сырья. Даже небольшое улучшение отдельного процесса на 3–5% может вылиться в многомиллионную экономию, подсчитывает эксперт.

Что такое ИИ

ИИ стремится к тому, чтобы синтезировать информацию и делать обобщения, но полноценных примеров работы такой технологии нет. Пока что мы имеем дело с ИИ, который не пытается имитировать человеческое мышление, а решает четко сформулированную проблему с помощью методов обучения.

Ритейл с помощью ИИ может прогнозировать спрос, улучшать логистику и внутренние процессы в магазине, формировать индивидуальные предложения для покупателей, рассказывает IT-директор X5 Retail Group Фабрисио Гранжа. Например, рассказывает Гранжа, компания внедрила машинное обучение для маркетинга в сети «Перекресток». ИИ учитывает частоту и сумму покупок, стиль жизни, приемлемый уровень цен, любимые категории товаров, продолжает Гранжа. Такие знания увеличивают эффективность целевого маркетинга на 5% и сокращают расходы на коммуникации на 40%. Система уже сформировала персональные предложения для участников программы лояльности, и сегодня более 70% целевых акций создается с ее помощью. Подготовка целевых предложений ускорилась в 7 раз, резюмирует Гранжа.

А холдинг «Росэлектроника» (входит в «Ростех») интересуется работой с языком. Он создает лингвистический процессор, для того чтобы компьютер «чувствовал» морфологию и синтаксис языка, понимал семантику текста. Получившийся продукт должен искать необходимые сведения, читать СМИ, анализировать большие массивы данных, систематизировать документооборот и статистическую информацию, обещает представитель «Ростеха».

Любой сельхозпроизводитель, сталкивающийся с дефицитом грамотных управленцев и агрономов, рано или поздно придет к идее использования искусственного интеллекта, уверен директор по развитию ExactFarming (IT-сервис управления сельским хозяйством) Егор Заикин. Но в ближайшие 15 лет полноценное использование возможно лишь там, где растения живут в контролируемых условиях. В открытом поле пока нельзя оцифровать все факторы, влияющие на урожай, а они нужны для полноценной работы ИИ, указывает Заикин.

Плюсы и минусы

По данным PwC, 74% российских компаний планируют инвестировать в ИИ в ближайшие три года. Они стремятся автоматизировать рутину, отмечает руководитель центра компетенции по прикладному анализу данных PwC в России Олег Данильченко. Примерно 40% российского рынка труда изменится за счет использования систем ИИ, уверен Постников. По его наблюдениям, лидером автоматизации труда является финансовый сектор. Вслед за ним современные методы оценки рисков на основе ИИ активно внедряют страховые компании. Для них это возможность увеличить прибыль страхового портфеля на 5–10%, утверждает Постников.

А президент Сбербанка Герман Греф пригрозил, что перестанет брать на работу юристов, которые не знают, что делать с нейронной сетью (одна из технологий ИИ).

Если компания смогла обучить сотрудников, то обучит и машину, которая будет работать быстрее и дешевле, уверяет Шушкин. В среднем проекты с ИИ окупаются за два года, ссылается ABBYY на данные компании Сylance. Почти на каждом предприятии, с которым работает Yandex Data Factory, находятся десятки кейсов успешного внедрения ИИ, указывает Хайтин. При этом в отличие от других технологий ИИ не требует существенных капитальных вложений.

Но не стоит забывать и о рисках.

67% руководителей компаний в мире полагают, что в ближайшие пять лет ИИ будет отрицательно сказываться на доверии к отрасли, рассказывает руководитель практики контроля рисков PwC в России Тим Клау. Безопасность технологии вызывает вопросы: данные должны быть проверены, а машины должны четко выполнять распоряжения человека. Есть и вопросы этического характера: приемлемо ли влиять на выбор человека и представляют ли потребители, кто имеет доступ к данным. В жестко регулируемых отраслях (например, здравоохранении и финансах) внедрение ИИ может столкнуться с нормативными ограничениями. А законодательство пока что переменчиво, указывает Клау.

ИИ не заменяет человека, а лишь оптимизирует ситуации, когда уже понятны принципы принятия решений людьми, указывает партнер KPMG Николай Легкодимов. Многие ждут, что ИИ будет думать за них, но реальность не соответствует ожиданиям, отмечает эксперт.

www.vedomosti.ru

Искусственный интеллект для малого бизнеса: 5 способов применения

В массовой культуре искусственный интеллект (AI) покрыт мифами и считается исключительной силой, подрывающей экономическую стабильность. На самом деле, он похож на любую другую технологию. По мере того, как больше и больше компаний используют AI, увеличивается конкуренция и снижаются издержки — искусственный интеллект становится доступным для широкого круга предприятий.

В Соединенных Штатах в малом бизнесе создается более половины рабочих мест, а его доля в ВВП составляет более 40 процентов. Поэтому разработчики стараются делать свои решения доступными для компаний этой экономической ниши.

Поскольку искусственный интеллект становится популярным, важно воспользоваться преимуществами этой технологии. Ниже представлено пять способов сделать это.

Используйте AI для сбора и анализа данных

Qualtrics провели исследование, в котором собрали и проанализировали мнения 250 маркетинговых лидеров. Обнаружилось, что 96% ожидают, что в течение пяти лет AI будет справляться с регулярными исследовательскими задачами, например, очисткой данных.  В то же время 63% полагают, что AI заменит статистический анализ в течение следующего десятилетия.

Изменения происходят не только в маркетинговой отрасли. AI незаменим для крупных компаний, которые имеют доступ к большому количеству потребительских данных. Он важен и для небольших предприятий, которые хотят сделать полезные выводы из более скромного объема информации. Современные методы, такие как статистический регрессионный анализ, были недоступны для малых предприятий с ограниченным бюджетом, но AI сделал их доступными и интуитивно понятными.

Когда небольшие предприятия получают доступ к сложным статистическим инструментам, они могут больше узнать о своих клиентах и ​​привлечь новых. Регрессионный анализ позволяет устанавливать взаимосвязи между большим набором переменных и определять, как они влияют на бизнес. AI – универсальный инструмент для статистических задач, от определения факторов, стимулирующих клиентов возвращаться, до поиска новых рыночных ниш.

Искусственный интеллект помогает собирать данные. Механизмы сбора данных – от анализа тональности текста, до алгоритмов машинного обучения, отслеживающих предпочтения и привычки клиентов, теперь доступны для любых предприятий. В Facebook, например, можно запустить подходящего для этих целей чат-бота, основанного на машинном обучении.

Используйте AI для найма сотрудников

У крупных компаний есть общественное признание, имя, обширные связи и ресурсы для поиска работников. Также у них есть обученные сотрудники отдела кадров, которые знают, как завербовать подходящих кандидатов как можно быстрее. Как же малому бизнесу конкурировать с таким подходом?

Искусственный интеллект уравнивает шансы в битве за талантливых сотрудников. Раньше рекрутерам приходилось вручную просматривать огромные стопки резюме, теперь AI делает этот процесс простым и упорядоченным.

Алгоритмы машинного обучения могут определять, какие предыдущие методы найма помогли найти сотрудников, например, где вы искали кандидатов и как устанавливали контакты. При помощи AI можно узнать, как привлечь конкретного кандидата, найти зацепки и детальную информацию об опыте работы и пригодности для определенной задачи. Эти способы улучшат процесс найма сотрудников, что поможет бизнесу быть конкурентоспособным.

Сделайте организацию бэкэнда более эффективной с AI

Часто обсуждается, что AI заменит человека на рабочем месте, но разумнее рассматривать AI как технологию, которая берет на себя выполнение некоторых задач. Часть этих задач есть на бэкэнде. Например, логистические операции, такие как базовый учет, планирование и другие повседневные задачи. Учитывая, что малый бизнес имеет ограниченное число сотрудников, передача трудоемких задач искусственному интеллекту поможет эффективнее использовать человеческие ресурсы.

В статье для Minutehack соучредитель inniAccounts, Джеймс Пойзер, рассказывает, как его малый бизнес сделал «значительные шаги для автоматизации некоторых процессов бухгалтерского учета» с помощью AI. Использование AI для задач бэкэнда также уменьшает давление на сотрудников. Пойзер отмечает: «Когда люди воспринимают искусственный интеллект как конкурента, не ждите ничего хорошего. К счастью, это не наш случай».

С другой стороны, большинство сотрудников приветствуют технологии, которые помогают избавиться от монотонных задач и освободить время для значимых поручений. Как признают респонденты опроса, AI именно это и делает.

Используйте AI для улучшения сервиса

Никогда еще у компаний не было столько способов взаимодействовать с клиентами. Из-за стремительного развития онлайн каналов коммуникации и более требовательных, чем прежде, потребителей пришло время предлагать новые методы для быстрого решения проблем клиента. Это одна из причин, по которой Gartner прогнозирует, что четверть операций в обслуживании клиентов будет «задействовать виртуального помощник клиента (VCA) или чат-бота уже к 2020 году».

Согласно опросу Qualtrics, часть опросов будет проводиться цифровым помощником и это будет реализовано в течение 5 лет. Прогнозы дают веские основания ожидать, что AI будет играть важную роль в общении с клиентами в ближайшие годы.

Чат-боты предоставляют преимущества малому бизнесу. Небольшие предприятия не могут позволить себе круглосуточные линии обслуживания клиентов. В таком случае хорошим решением будут чат-боты. Виртуальные помощники доступны для клиентов в любой момент, и сразу же ответят на вопросы потенциальных пользователей.

Создайте маркетинговую платформу на основе AI

Исследование показало, что 93% маркетологов считают искусственный интеллект перспективой для развития отрасли. AI коренным образом меняет маркетинг. Это справедливо как для небольших предприятий, так и для корпораций.

Раньше малый бизнес ограничивался рекламой, которую мог себе позволить на местных рынках, а теперь, размещая объявления онлайн, у него есть возможность охватить широкую аудиторию. Можно использовать рекламные платформы Facebook и Google для поиска конкретных потребителей, которые будут восприимчивы к объявлению, собирать и анализировать потребительские данные из нескольких каналов. И все это без армии маркетологов.

Вот почему неудивительно, что в отчете McKinsey за апрель 2018 года сделан вывод, что «наиболее значительно AI влияет на маркетинг и продажи». Малому бизнесу следует внедрять искусственный интеллект уже сейчас, чтобы привлечь как можно больше потребителей в будущем.


Интересные статьи:

 

neurohive.io

30 бизнес-процессов, которые изменятся из-за искусственного интеллекта

© Vanrijmenam

Искусственный интеллект способен кардинально изменить наше общество. Не стоит исключать вероятность того, что человечество возложит на плечи искусственного интеллекта множество работ, которые на данном этапе выполняются людьми. Искусственный интеллект может стать полезным не только на производственных постоянно повторяющихся процессах, но и на работах посложнее. Например, роботы могут выступать как представители отдела связи с клиентами, могут быть журналистами, шеф-поварами, водителями и руководителями. Кажется, что большая часть существующих бизнес-процессов может перейти в руки искусственного интеллекта. В результате такого поворота событий многие организации будут выглядеть совершенно иначе в обозримом будущем. Поэтому команда Deecrypto Store & Club подготовила для вас список из 30 составляющих бизнеса, что изменятся под влиянием технологий искусственного интеллекта.

Административные процессы

© Академия ТЕХНОНИКОЛЬ

В большинстве случаев такие процессы представляют из себя рутинные задачи, такие как координация запросов, организация собраний, бронирование поездок или запись важных моментов во время совещаний. Большая часть подобных задач может решаться при помощи виртуального помощника, и чем лучше будет искусственный интеллект, тем больше он сможет выполнять задач.

Инновации и разработки

© Medium

Искусственный интеллект способен содействовать вам в продвижении вашей исследовательской деятельности, предоставляя информацию о том, в чем нуждаются клиенты и помогая найти решение в ваших продуктах. Такая информация поможет предприятиям быстрее внедрять действительно полезные инновации.

Продуктивность сотрудников

© Vladimirkulik

Технология искусственного интеллекта может вовремя предоставлять вашим сотрудникам нужную информацию, чтобы сделать их наиболее эффективными и продуктивными. Кроме того, на предприятиях, где требуется физическая сила экзоскелеты способны помогать сотрудникам перетаскивать тяжелые предметы. Сейчас компания Ford занята массовым внедрением экзоскелетов по всему миру, чтобы упростить задачи для своих сотрудников.

Отдел связи с клиентами

© Fighting Identity Crimes

Диалоговый искусственный интеллект и чат боты могут значительно сократить время обслуживания клиентов. Например, JP Morgan Chase внедрила чат-ботов в своём IT-отделе и теперь их общая продуктивность выросла до 1.7 млн запросов в год. Чат-боты смогли заменить собой 140 человек.

Культура компании

© Blogin

На данный момент огромное количество организаций представляет из себя типичные человеческие сети, в которых люди сотрудничают и организуют собственные действия для того, чтобы достигнуть определенную цель. То, каким образом люди сотрудничают и взаимодействуют является показателем их корпоративной культуры. Но если сотрудничество переходит в форму «человек-машина», то все процессы моментально ускоряются, а культура компании меняется в лучшую сторону.

Связь с клиентами и сотрудниками

© Medium

Здесь процессы похожи на те, что происходят при обслуживании клиентов. Диалоговый искусственный интеллект способен общаться с клиентами, предоставляя вам и вашим сотрудникам данные, помогающие создавать наилучшие рекламные стратегии. В будущем искусственный интеллект станет напрямую общаться с клиентами и сотрудниками.

Контроль финансовой деятельности

© Solvay

Получать полный обзор финансовой деятельности организации – задача достаточно комплексная и требует участия бухгалтера. Помимо этого, выставление счетов, закупки и аудирование все еще являются задачей, возложенной на человека. Но искусственный интеллект способен выполнять большую часть подобных задач. Уже существуют бухгалтерские системы на базе искусственного интеллекта, которые способны автоматизировать обработку счетов, закупок и полностью перейти на безналичные методы оплаты. Возможно, что в обозримом будущем, финансовое состояние организаций будет проверяться в режиме реального времени, и для этого понадобится нажатие на одну кнопку.

Рабочие места

Искусственный интеллект не настолько вреден для «трудяг», как они думают. Он может не только сделать бесполезным человека во многих сферах деятельности, но и создать новые, которые сейчас невозможно себе представить. Конечно же, большая их часть будет связана с разработкой, управлением и проверкой алгоритмов, а также обеспечением их коммуникации без нарушения клиентской конфиденциальности.

Языковой барьер

© II Cartello

Мгновенные переводы существуют уже давно, и хотя улучшения в Google Translate видны невооруженным глазом, но эта система все еще допускает множественные ошибки. Однако совсем скоро мгновенные переводы при помощи искусственного интеллекта смогут стать значительно точнее, что сможет обеспечить полное уничтожение языкового барьера в компаниях.

Информация

© Trinity Dublin College

Когда организации начнут предоставлять всем своим сотрудникам доступ к необходимой информации благодаря тщательную анализу больших данных – многие сотрудники смогут стать более продуктивными. Искусственный интеллект способен предоставить работникам отборную информацию и знания, что позволят им принимать верные рабочие решения.

Цифровая и не только безопасность

© Move Commercial

Искусственный интеллект способен в значительной мере улучшить цифровую безопасность, ведь он не подвержен человеческому фактору. Кроме того, умные камеры с установленными системами распознавания образов могут обнаруживать странности, которые свидетельствуют о нарушении безопасности.

Конфиденциальность данных клиентов и сотрудников

© Security Lab

Существует распространенное мнение, что приход искусственного интеллекта ознаменует конец конфиденциальности. Нет, это не так. Технология искусственного интеллекта способна обеспечить новый уровень конфиденциальности – дифференциальную приватность. Суть такого типа защиты личных данных в том, что используемые методы ограничивают возможность присвоения определенных характеристик выбранному человеку. Таким образом его идентификация затрудняется. Впервые такой способ защиты применялся компанией Apple. Но главное здесь – простота реализации, которая станет решающим фактором при распространении этой технологии.

Маркетинг

© Эквид

Золотое правило маркетинга заключается в том, чтобы предложить нужный товар в нужное время, по правильной цене и для верно отобранной аудитории. Гипер-персонализация – наилучшая возможность «достучаться» до кошелька клиента. Современные методы глубокого и машинного обучения дают организациям возможность правильно составлять предложения для клиентов, которые точно смогут заставить его приобрести тот или иной товар.

Кибербезопасность

© Mediasat

Искусственный интеллект может побороть кибератаки и распространение вредоносных программ. А все потому, что он может запоминать куда больше, чем обычный человек. Довольно часто перед кибератакой возникают так называемые «предвестники», незначительные сбои, которые сигнализируют о возможной атаке. Искусственный интеллект сможет предотвращать такие угрозы.

Прогнозирование поломок

© MarTech Today

Выявлять вероятность скорых поломок – одна из самых полезных и востребованных функций искусственного интеллекта. Для примера возьмем энергетическую компанию с ветряными электространциями. Искусственный интеллект может предсказать поломку той или иной её части, сэкономив энергетической компании ощутимую сумму денег.

Обслуживание клиентов

© Sprout Social

Персонализированное обслуживание клиентов поможет улучшить их отношение к вашей компании. Искусственный интеллект может помогать при ведении социальных сетей, отвечая на вопросы. Кроме того, искусственный интеллект способен обеспечить постоянную связь клиента с брендом по тому каналу, что они используют чаще всего.

Производство

© АЗПИ

Производственные процессы могут быть также улучшены при помощи внедрения искусственного интеллекта. Он может сделать так, что производство станет полностью автоматизированным.

Прием на работу

© Science

Новые технологии помогут при отборе кандидатов на определенную должность. Собеседование или тестирование могут рассказать о кандидате крайне мало. Но искусственный интеллект даст возможность рассмотреть различные ситуации и поведение кандидата в них. Таким образом будет выявлен уровень его знаний. Данная информация позволит работодателю выявить лучшего кандидата.

Автоматизация

© Интерхолод

Рутина – это то, что нужно автоматизировать в первую очередь. И начинать нужно с обычных процессов на производстве. Но автоматизировать можно не только перемещение грузов по складу, но и финансовые операции. Искусственный интеллект вкупе с роботизированными технологиями способен выполнять задачи лучше, чем человек и это факт.

Инвестиционная деятельность

© Arcadis

Перед тем, как инвестировать вы должны ознакомиться с огромными объемами полезной информации. Иногда эти объемы настолько велики, что можно упустить то, что вам необходимо. Искусственный интеллект способен использовать всю информацию, что поможет оптимизировать инвестиционную деятельность.

Рассылки клиентам

© Trend Micro

Как мы и оговорились выше – правильное предложение, правильному клиенту в нужное время является золотым правилом маркетинга. Персонализированное обращение к клиенту в письме на электронную почту может увеличить количество продаж, достигнутых вашей компанией.

Спрос и предложение

© Commodity

ИИ способен моделировать сотни и тысячи возможных ситуаций и результатов производства, а также поведение покупателей. Подобное моделирование сценариев поможет организациям лучше понять рыночный спрос и использовать его при производстве. Нужно это для того, чтобы произвести необходимое количество товара, которое удовлетворит спрос.

Рекомендации

© domain.me

Такие системы существуют достаточно долго, и уже доказали свою эффективность на практике. Чем больший объем данных становится доступным, тем лучше и качественнее становятся рекомендательные системы. Таким образом увеличиваются продажи и производительность.

Риски

© Business Advice

Риски в бизнесе существуют потому, что никто не может иметь полный обзор на все то, что происходит во «внутренней кухне» компании. Посредством исследования больших данных и расширения распознавания образов такие системы смогут предсказать, кто станет вашим следующим клиентом и куда нужно вкладываться прямо сейчас. Так вы снизите риски, которые могут возникнуть при ведении бизнеса.

Склады

© KNKX

При помощи дронов с искусственным интеллектом Walmart сканирует свои склады, чтобы подсчитать количество товаров. То, что человек будет делать месяц, робот сможет сделать за какие-то жалкие 24 часа.

Продажи

© Salesforce

Искусственный интеллект не только даст вам возможность для прогнозирования, но и сократит отток клиентов. Также такие системы способны предлагать лучшие предложения, основанные на привычках клиентов и их скрытых потребностях. Более того, ИИ может помочь отделу продаж в определении приоритетов и автоматизации некоторых процессов.

Принятие решений

© Columbia Business Times

Принять верное решение можно только изучив огромный объем данных. Но люди не могут воспринимать большие объемы информации. Также существует человеческий фактор, жадность и другие пороки, которые могут повлиять на принятие решения. Алгоритм учитывает все данные, что позволяет ему сделать верное и не предвзятое решение.

Управление персоналом

© The CareerMuse Blog

Совсем скоро системы искусственного интеллекта смогут управлять работниками. Так происходит в компании Uber, которая определяет куда должен ехать водитель и сколько пассажиров он заберет при помощи алгоритмов.

Обучение других алгоритмов

© Getting Smart

Недавно компания Google запустила Cloud AutoML – сервис, который представляет из себя несколько методов машинного обучения, дающих возможность разработчикам создавать и обучать алгоритмы глубокого обучения. Создание, обучение и оптимизация искусственного интеллекта требуют глубокого понимания кода и математических формул, что лежат в основе алгоритма. Помимо этого, человек, создающий искусственный интеллект должен уметь тестировать и настраивать алгоритмы. Но своих «собратьев» может обучать и сам искусственный интеллект. Да, технология сейчас ограничения, но со временем, она, безусловно, будет улучшаться. И воплотится один из сценариев писателей фантастов – ИИ начнет учить себе подобных.

Корпоративное управление

© Bizfluent

Искусственный интеллект не имеет ничего общего с человеческим интеллектом. Технология обладает другими целями и движущими силами, которые отличаются от человеческих. Если человечество не хочет получить вред от искусственного интеллекта, то корпоративное управление должно быть преобразовано для решения проблем, которые могут возникнуть при взаимодействии человека и искусственного интеллекта.

Резюме

Технология искусственного интеллекта может полностью изменить способы организации деятельности и ведения бизнеса. Чтобы преуспеть в эпоху ИИ компании должны начать внедрять его на тестовой основе уже сейчас. Да, это дорого, да, внедрение потребует кучу времени, но преимущества с лихвой окупают затраты.

Источник: Vanrijmenam

hype.ru

Шутки кончились: какую работу оставит человеку искусственный интеллект | Карьера и свой бизнес

Революция рынка труда за счет развития ИИ для таких людей — прекрасный шанс влиться в процесс стремительного преобразования многих сторон жизни, причем у некоторых получится возглавить этот процесс, по крайней мере на его локальных участках. ИИ позволит раскрыть нереализованный потенциал фундаментального образования (все равно, технического или гуманитарного) в гораздо большей степени, чем это возможно в сложившихся карьерных сценариях.

Работы в ИИ хватит всем. Например, для обучения ИИ нужно делать огромное количество различных разметок фотографий или текстов. Такую работу может делать практически любой человек. Здесь становятся возможными социально значимые проекты в ИИ: подобные задания можно поручить, например, студентам или пенсионерам.

Воспитатели чат-ботов

Еще в 2017 году Gartner прогнозировал, что к 2020 году ИИ сможет полностью автоматизировать 1,8 млн рабочих мест по всему миру. При этом адаптация ИИ-технологий к практике компаний поможет создать 2,3 млн новых позиций для сотрудников-людей. Таким образом, ИИ обеспечит чистый прирост в 500 000 рабочих мест. Как это произойдет?

Многие ИИ-задачи потребуют людей, не обладающих глубокими знаниями в технической области, без профильных компьютерных знаний и практических навыков — тех, в услугах которых ИТ-отрасль раньше не испытывала никакой потребности. К примеру, драматурги и сценаристы смогут найти свое применение в работе по обучению и эволюции чат-ботов: это творческая работа, требующая детального продумывания множества возможных путей развития диалога с человеком. Только креативный человек с навыком текстовой работы сможет сопровождать «рост» чат-бота на протяжении всего эволюционного цикла.

Шутки про гуманитариев, кричащих в фастфуде «Свободная касса!», с развитием ИИ также станут менее актуальными: открывается масса возможностей в области обработки машинами естественных языков, так что выпускникам филфака можно уже сегодня начинать готовиться к новому карьерному пути.

Задумайтесь, сколько людей в детстве мечтали об интересной творческой жизни, об уникальной новой профессии, которая подарит им массу эмоций и принесет пользу окружающим. Большинству из нас эти устремления воплотить не вполне удается. Их жизнь — это пятидневка, офис, перекладывание отчетов и счетов. И это не потому, что люди не способны на большее: по разным причинам их потенциал оказался не востребован, не раскрылся. ИИ-вторжение заставит «шевелиться» тех, кто когда-то махнул на себя рукой и смирился с привычным ходом карьеры и жизни в целом.

ИИ-профессии, которых пока нет

Вот лишь несколько наиболее очевидных новых профессий будущего, которые возникнут на стыке человеческого и машинного участия.

В первую очередь это специалисты по эмпатии. Уже существуют системы машинного обучения, позволяющие чат-ботам типа Siri и Alexa реагировать на вопросы людей с глубоким пониманием, состраданием и даже юмором. Это могут быть, к примеру, проблемы, связанные с потерей багажа, покупкой некачественного продукта или неисправностью в работе бытовой техники. Однако эмпатии нужно учить: машина не может сгенерировать ее самостоятельно.

В контексте чат-ботов перспективна профессия специалиста по обучению мировоззрению и локализации. Чат-боты будущего должны считывать локальную специфику региона и общества, в которых они работают.

Специалист по интерпретации алгоритмов — еще одна перспективная ИИ-профессия. Если система совершает ошибку, такому специалисту необходимо определить алгоритм, который к ней привел, и внести необходимые коррективы.

Специалист по безопасности систем искусственного интеллекта: его задача сделать все возможное, чтобы предвидеть непреднамеренные действия ИИ с возможными негативными последствиями.

Специалист по обеспечению устойчивости работает над тем, чтобы системы искусственного интеллекта функционировали надлежащим образом, не выходя за пределы этических нормативов по отношению к человеку и обществу.

Век живи — век учись

Уже в среднесрочной перспективе ИИ радикально преобразит процесс профессионального обучения, придав ему перманентный характер. Объясняется это просто: за ростом возможностей и перспектив ИИ человеку нужно будет поспевать ровно с той скоростью, которую он сам и задает развитию этой технологии. Обратной дороги нет: исследование Genpact показало, что 88% топ-менеджеров в технологических компаниях считают, что ИИ начнет радикально преобразовывать повседневную жизнь в ближайшие 3 года.

Более того: чем чаще люди используют ИИ-решения в своей жизни, тем больше они склонны им доверять. 41% опрошенных заявили, что ИИ-решения изменили некоторые важные аспекты их повседневности, 35% оценили эти изменения как положительные. Негативно к ИИ настроены лишь 11%.

www.forbes.ru

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *