Искусственный интеллект в бизнесе: обзор и кейсы — Маркетинг на vc.ru

Содержание

Роль искусственного интеллекта в бизнесе

Искусственный интеллект (ИИ) напрямую соотносится с Data Science – наукой о данных, которая направлена на извлечение бизнес-ценности из массива информации. Эта ценность может заключаться, например, в расширении возможностей прогнозирования, знании о закономерностях, обоснованном принятии решений. В более узком значении ИИ – это алгоритмы и методологии обработки информации. Искусственный интеллект оперирует огромными массивами, анализирует поступающие данные и разрабатывает на их основе адаптивные решения.

Искусственный интеллект применяют в различных областях, в том числе в маркетинге и бизнесе. По прогнозу PwC, благодаря искусственному интеллекту валовый внутренний продукт (ВВП) в отдельных странах увеличится на 26%, а прирост глобальной экономики составит почти 16 трлн долларов. В этой статье мы рассмотрим, как современные цифровые технологии применяют на российском рынке, что может «умный» алгоритм, какой он дает результат, какая ему требуется информация и почему использование ИИ дает компаниям преимущества перед конкурентами.


Применение

Искусственный интеллект способен быстро вывести бизнес на принципиально новый уровень, это одна из его ключевых функций и задач. Вот несколько проблем, которые можно решить с помощью алгоритмов машинного обучения:

  1. Оперативное реагирование. В некоторых сферах бизнеса принципиальное условие успеха – быстро анализировать поступающие данные и моментально на них реагировать – например, в биржевых операциях. В отличие от обычных алгоритмов, которые не способны без предварительного обучения самостоятельно адаптироваться к новым условиям и данным, искусственный интеллект обеспечивает такую возможность.
  2. Разработка маркетинговой стратегии на основе предоставленных данных и заложенных целей. Искусственный интеллект помогает в работе маркетолога: не только анализирует опыт предыдущих продаж, но и использует прогнозирование для «предсказания» будущих, а также учитывает поведение конкурентов и общую ситуацию на рынке.

     

  3. Человеческий фактор. Даже у самого профессионального и опытного сотрудника бывают неудачный день и неверные решения. У искусственного интеллекта – нет, вместо эмоций у него функции, а технология и информация заменяют переменчивое настроение.

  4. Борьба с мошенничеством. Самообучающиеся нейронные сети помогают анализировать поведение пользователей и выявлять подозрительные операции, а также создавать алгоритмы для предотвращения финансовых потерь. Результат: система становится менее уязвимой, а это ключевое условие доверия клиентов.

  5. Увеличение прибыли. Использование машинного обучения в одной только системе ценообразования способно обеспечить прирост выручки на 5%, а при условии комплексного подхода доходы компании могут вырасти в несколько раз.


Искусственный интеллект в бизнесе: примеры

Пекарни

Предприятия, которые работают с продуктами питания, должны следить за их сроком годности и своевременно проводить списание. Например, в булочных и пекарнях срок реализации – всего один день, до 30% хлебобулочной продукции ежедневно списывают. 

Задача предприятия:  сократить убытки, но не ассортимент, так как покупатели хотят иметь широкий выбор.

Решение: использование искусственного интеллекта позволило спрогнозировать спрос на ближайшие 3-4 дня, причем точность предсказания составила 90%. Все, что потребовалось –  проанализировать данные из 1С за последние два года и обучить алгоритм. Благодаря прогнозу, сети удалось оптимизировать работу цеха, снизив объем списываемой выпечки до 15% и не потеряв при этом в ассортименте. Задача была решена, а положительным «побочным эффектом» стало сокращение расхода сырья и увеличение маржи.

Супермаркеты

Задача: в магазинах сети была введена система лояльности (карты постоянного клиента) и действовали специальные скидки в «счастливые часы», но эффективность этих акций никак не измерялась, а прибыль увеличилась незначительно.

Решение: самообучающаяся программа проанализировала историю покупок клиентов с картой лояльности и, использовав данные за несколько лет, подобрала для каждого из них оптимальную систему поощрений. Если покупатель не интересовался акциями и скидками, искусственный интеллект высылал ему другие оповещения, например, описание ассортимента или даты поступления в продажу любимых товаров. Покупателей, которые интересовались акцией «счастливые часы», компьютер информировал о выгодных предложениях и о том, когда начнется следующая акция. Также в магазине использовали такую функцию программы, как отправка персонализированных смс. Результат: своевременная информация повысила лояльность покупателей, повторное обращение клиентов увеличилось на 80%, выросла и прибыль, и маржа. Задача была полностью решена.

Области применения искусственного интеллекта

  1. Банковское дело (управление рисками, прогнозирование, чат-боты в мобильных банковских приложениях).

  2. Информационная безопасность (технологии борьбы с мошенничеством, анализ старых угроз и предупреждение новых, сведения для создания общей базы данных).

  3. Промышленность (контроль производственных процессов, их оптимизация, диагностика оборудования, информация о поломках, профилактические мероприятия, автоматизация).

  4. Торговля (анализ покупательской активности и эффективности маркетинговых стратегий, управление закупками, разработка персонализированных программ лояльности, глубокая аналитика).

  5. Медицина (ведение документации, диагностика).

Это только малая часть возможностей ИИ. Безусловно, решение всех вышеперечисленных задач доступно и человеку – но потребует гораздо больше времени и ресурсов. Для разработки самообучающейся  системы на первом этапе тоже нужны вложения, но в перспективе ее помощь в обработке больших массивов данных неоценима.

Отдельные сегменты бизнеса преобразились с появлением искусственного интеллекта, например:

Чат-боты. Алгоритмы машинного обучения заменяют собой кол-центры и помогают выполнить такую задачу, как предоставление клиенту помощи и информации круглосуточно, в праздничные и выходные дни. «Умная» программа учится на собственных ошибках и со временем превосходит живого оператора по компетентности. Результат: значительное увеличение лояльности клиентов, создание положительного имиджа компании.

Управление данными. ИИ собирает, систематизирует, анализирует и хранит информацию компании, составляет на ее основе прогнозы и/или отслеживает состояние оборудования. 

Автоматизация. Самообучающийся алгоритм берет на себя выполнение регулярных рутинных задач и освобождает человеческие ресурсы для решения более творческих задач. Например, программа может полностью автоматизировать бронирование гостиниц и помещений для конференций, рассылку приглашений на встречи, покупку авиабилетов, составление маршрутов.

Таким образом вся административная сфера может быть передана искусственному интеллекту. Автоматизация существовала и раньше, но сфера ее применения была ограничена.

Прогнозирование. В отличие от искусственного интеллекта, человек не может быть полностью беспристрастным и объективным. Кроме того, для достоверного прогноза нужно обработать значительное количество данных, и компьютер отлично справляется с этим.

Искусственный интеллект и бизнес-процессы

С помощью ИИ бизнес получает практически безграничный доступ к новым возможностям расширения деятельности и увеличения прибыли. Даже один алгоритм способен значительно улучшить показатели, а комплексный подход тем более дает хорошие результаты.

Что берет на себя ИИ:

  • Рутинные административные задачи, о которых мы уже говорили выше.

  • Повышение продуктивности специалистов за счет оптимизации рабочих процессов.

  • Техническую и информационную поддержку клиентов.

  • Снижение роли человеческого фактора в принятии решений.

  • Улучшение коммуникаций внутри компаний, включая преодоление языкового барьера.

  • Контроль финансовых операций, обнаружение подозрительной пользовательской активности.

  • Контроль за информационной безопасностью, соблюдение конфиденциальности данных.

  • Разработку маркетинговых стратегий.

  • Прогнозирование как в ближайшей перспективе, так и на более отдаленное будущее.

Внедрение искусственного интеллекта

Работа с ИИ проходит в несколько этапов. Первый и основной шаг – предпринимателю необходимо собрать максимум информации о продажах за последние годы – такой массив данных называется DataSet. К счастью, с введением онлайн-касс эти сведения сохраняются автоматически, а система синхронизируется с ними буквально в несколько кликов, без ручного ввода. Иногда можно обойтись простой систематизацией уже имеющихся сведений, хотя, конечно, в некоторых случаях придется потратить больше времени и сил.

Разработка самообучающегося алгоритма потребует финансов и времени, однако на степень расходов будет влиять сфера бизнеса. Например, торговые сети могут воспользоваться уже готовыми решениями, а не создавать рекомендательный алгоритм с нуля. Одна из функций таких систем – увеличение выручки. В среднем ИИ окупается уже через три месяца использования, а затем начинает приносить чистую прибыль за счет значительной оптимизации расходов и увеличения продаж.

Основные шаги по внедрению ИИ: 

1.  Сбор и цифровизация информации для анализа, ее ввод в программу обработки данных.

2.  Создание алгоритма с нуля или доработка на основе фреймворка.  

3.  Обучение и самообучение алгоритма. 

4. Создание новой комплексной маркетинговой стратегии предприятия и всех бизнес-процессов с учетом возможностей ИИ.

Заключение


Использование искусственного интеллекта постепенно становится необходимостью во всех отраслях бизнеса. Вопрос только в том, кто внедрит современные технологии среди первых и получит быстрый результат, а кто подтянется в самом конце, чтобы хотя бы просто остаться на рынке. Согласно исследованиям McKinsey, Data Science имеет значительное влияние на маркетинг и продажи, а рыночные аналитики настоятельно рекомендуют внедрять искусственный интеллект уже сегодня.

Познакомьтесь с нашими решениями Data Science и другими кейсами в портфолио.

Половина российского бизнеса не желает внедрять искусственный интеллект

, Текст: Валерия Шмырова

Примерно 43% российских компаний не планируют использовать искусственный интеллект. Эксперты называют три причины: отсутствие наглядных кейсов удачного использования, отсутствие доступных решений на рынке и дефицит подготовленных кадров. Сами компании

Исследование ВЦИОМ

Около 43% российского бизнеса не использует искусственный интеллект в работе и не планирует этого делать. При этом 91% представителей бизнеса осведомлены о существовании таких технологий, 31% уже применяют их в работе, а еще 23% собираются внедрить искусственный интеллект в будущем.

К таким выводам пришли Проектный офис по реализации национальной программы «Цифровая экономика» Аналитического центра при Правительстве России и Всероссийский центр изучения общественного мнения (ВЦИОМ), обнародовавшие результаты исследования отношения российского бизнеса к искусственному интеллекту. Опрос был проведен методом телефонного интервью среди 800 представителей малого, среднего и крупного бизнеса в октябре 2019 г.

Причины отказа

Бизнес отказывается от использования искусственного интеллекта по различным причинам. Примерно 37% респондентов сообщили, что в подобных технологиях нет потребности в их компаниях, еще 28% сказали, что они не нужны в их сфере деятельности. Около 11% признались, что у них нет знаний о соответствующих технологиях, а 8% отметили, что не хотят их внедрять по причине высокой стоимости. Еще 6% отказываются от внедрения потому, что у них маленькая компания, а 4% потому, что в России слабо развиты подобные технологии. Около 4% просто не доверяют современным технологиям и предпочитают человеческий труд.

Руководитель Проектного офиса по реализации нацпрограммы «Цифровая экономика» Аналитического центра при Правительстве России Владимир Месропян называет три причины отказа бизнеса от технологий искусственного интеллекта. Первая — это отсутствие наглядных кейсов, которые доказывают эффективность этих технологий. Вторая — отсутствие массовых продуктов и доступных решений в данной сфере. Сейчас на рынке представлены в основном элитарные решения, и позволить их себе могут только крупные компании. Третья причина — нехватка компетенций на рынке.

Около 69% респондентов сообщили о нехватке квалифицированных специалистов в сфере искусственного интеллекта. Среди компаний, которые еще не внедрили подобные технологии, но уже планируют это сделать, такие заявления звучат от 83% респондентов. Но потратить средства на обучение своих сотрудников по этому профилю в ближайшие 2-3 года намерены только 28% компаний.

Названы причины, по которым российский бизнес не торопится внедрять искусственный интеллект

Директор по работе с органами государственной власти ВЦИОМ Кирилл Родин отмечает, что бизнес декларирует высокий уровень информированности об искусственном интеллекте, но исследование показало, что глубокое понимание данных технологий отсутствует. Поэтому грамотность бизнеса в этих вопросах следует повышать, в первую очередь за счет наглядных кейсов.

Результаты внедрения

Из тех компаний, которые уже успели внедрить искусственный интеллект, примерно 82% сообщают о его эффективности. Около 20% отмечают, что он положительно повлиял на скорость работы, а 14% — что с ним работать стало проще и удобнее. Еще 12% отметили эффективность искусственного интеллекта в решении определенных задач, а 10% — его позитивную роль в автоматизации процессов и минимизации ошибок.

Как освободить 2,5 часа в день для каждого сотрудника

Бизнес

Примерно 8% респондентов данной группы отметили, что внедрение искусственного интеллекта положительно сказалось на прибыли компании. Около 6% сообщили, что эффективность от внедрения была достигнута не максимальная, и что в работе данных технологий возможны сбои и ошибки.

Примерно 42% компаний, которые уже используют или планируют внедрить в будущем искусственный интеллект, полагают, что риск того, что данные технологии не окупят себя в ближайшие 5-10 лет, достаточно невелик.

Роль государства

Около 91% респондентов полагают, что государство должно стимулировать развитие искусственного интеллекта, причем 54% уверены, что это должно выражаться в первую очередь в выделении средств на программы профессионального образования. Еще 41% ожидает со стороны государства поддержки программ переподготовки кадров.

Также 44% опрошенных полагают, что государство должно внедрять искусственный интеллект в здравоохранении и образовании, а 43% считают, что это должно делаться в системе получения госуслуг. Примерно 42% ждут от государства финансовой поддержки для компаний, которые занимаются разработкой технологий искусственного интеллекта. Около 35% и 34% соответственно считают, что государство должно совершенствовать законы в этой сфере и стимулировать организации внедрять искусственный интеллект. Всего 9% полагают, что государство никак не должно способствовать развитию данных технологий.

Напомним, в октябре президентом России Владимиром Путиным была утверждена национальная стратегия развития искусственного интеллекта. Авторы стратегии отмечают, что в связи с ускорением внедрения решений на базе искусственного интеллекта рост мировой экономики в 2024 г. составит не менее $1 трлн. Стратегия направлена на то, чтобы Россия не упустила на этом рынке свою долю. В настоящий момент Россия занимает 1-2% мирового рынка искусственного интеллекта, но реализация стратегии может довести этот показатель до 10-15%.



Человек + Машина: как AI трансформирует бизнес

Пол Доэрти — директор по технологиям и инновациям компании Accenture. В ходе своей профессиональной деятельности он работал с тысячами бизнес-лидеров по всему миру, помогая им использовать современные технологии для трансформации бизнеса. Кроме того, Пол сыграл важную роль в том, чтобы бизнес Accenture отвечал стремительным изменениям в области технологий.

В зоне ответственности Доэрти реализация технологической стратегии и инновационной архитектуры Accenture; он также руководит исследовательской деятельностью Accenture, курирует венчурные проекты, область передовых технологий и экосистем. Многие годы он отвечал за исследования в области искусственного интеллекта, а не так давно создал новое направление бизнеса Accenture, занимающееся решениями на базе ИИ.

Изучая компьютерную инженерию в Мичиганском университете в начале 1980-х годов, Доэрти прослушал также курс Дугласа Хофштадтера (Douglas Hofstadter) по когнитивистике и психологии. Именно этот курс зародил в нем интерес к вопросам ИИ, сохранившийся на протяжении всей его профессиональной деятельности.

Доэрти часто выступает с лекциями и публикует статьи о промышленности и технологиях в Financial Times, MIT Sloan Management Review, Forbes, Fast Company, USA Today, Fortune, Harvard Business Review, кабельной сети финансовых новостей Cheddar, Bloomberg Television и CNBC. Не так давно журнал Computerworld назвал Пола Доэрти одним из 100 лидеров в области технологий 2017 года за его исключительные лидерские качества.

Доэрти — горячий сторонник обеспечения равных возможностей и доступа к технологиям и компьютерным наукам. Он входит в наблюдательный совет организации Girls Who Code, активно поддерживает и помогает проекту Code.org. Получил награду Института женского лидерства, которую присуждают бизнес-лидерам, выступающим в поддержку культурного многообразия и улучшения положения женщин в корпоративной среде.

Кроме того, Доэрти занимает пост председателя совета директоров компании Avanade, входит в состав попечительского совета Музея компьютерной истории (Computer History Museum) и консультативного совета по информатике и инженерии Мичиганского университета.

Живет в Мейплвуде, штат Нью-Джерси, со своей женой Бет. У него четверо детей: Эмма, Джесси, Джонни и Люси, и все они прокладывают собственный курс к будущему взаимодействию человека и машины.

Искусственный интеллект как залог лидерства в бизнес-среде

В течение последних нескольких лет технологии искусственного интеллекта плотно укоренились во всех видах бизнеса и стали фактически ключевой тенденцией текущего времени. Сегодня, обращаясь к инновациям, мы уже говорим не просто об экспериментальных методиках и попытках пробовать новые подходы к решению бизнес-задач, а о реальных возможностях, которые продемонстрировали высокую эффективность на практике.

Еще недавно инвестировать в AI могли себе позволить только крупные корпорации, но ситуация меняется на глазах. Быстрый рост популярности высоко технологических решений все активнее приобщает к процессу их внедрения стартапы, небольшие и молодые компании во всем мире.

Согласно исследованию PricewaterhouseCoopers (PwC), к 2030 году потенциальный вклад в мировую экономику от применения технологий AI может составлять почти 16 трлн.дол. И, с учетом прослеживаемых сегодня тенденций, лидировать в гонке инновационных внедрений будут Китай и Северная Америка, претендуя почти на 70% общей прибыли в ближайшие 10-12 лет.

В то же время, согласно опросу CTR Gartner в 2018 году, только 4% опрошенных компаний в США, Азии и ряде стран Западной Европы имеют глобальную стратегию и конкретную концепцию инвестирования, развертывания и внедрения технологий искусственного интеллекта в свою деятельность. Остальные компании – как крупные, так и малоприметные игроки рынка – либо пребывают на разных стадиях планирования, не имея четкого видения применения инноваций, либо находятся в поиске подходящих «инструментов», либо пока не готовы к инновациям в принципе по разным причинам.

Тем не менее, подчеркивая актуальность и важность использования технологий искусственного интеллекта с целью эффективного решения ряда целевых бизнес-задач, эксперты акцентируют внимание на самых эффективных AI-инструментах, уже испробованных многими компаниями.

Применение AI в управлении бизнесом:

  • Интеллектуальные спам-фильтры;
  • Интеллектуальная классификация по электронной почте;
  • Голосовой текст и технологии распознавания речи;
  • Умные персональные помощники — Siri, Cortana и Google Now;
  • Автоматизированные респонденты и онлайн-поддержка клиентов;
  • Автоматизация процессов фильтрации аудитории онлайн, выборка потенциальных клиентов и интеллектуальный чат;
  • Автоматизация процессов оформления заявок, заказов и продаж;
  • Интеллектуальное прогнозирование бизнеса;
  • Контроль безопасности и смарт-системы аутентификации;
  • Смарт-устройства и приложения, которые адаптируются под запросы и интересы клиента;
  • Автоматизированные аналитические и прогностические системы, обеспечивающие эффективность оказания различных финансовых услуг.

Применение AI в электронной коммерции:

  • Интеллектуальные поисковые запросы и функции релевантности;
  • Услуги персонализация клиентов в целях эффективной работы с целевой аудиторией;
  • Смарт-рекомендации по продуктам и аналитическое прогнозирование покупок;
  • Своевременное обнаружение и предотвращение мошенничества при осуществлении онлайн-транзакций всех уровней;
  • Динамическая оптимизация цен на основе машинного обучения.

Применение AI в маркетинге и рекламе:

  • Формирование рекомендаций и содержания услуг на основе активности и запросов клиентов при помощи интеллектуальных аналитических программ;
  • Персонализация новостных лент, нацеленных на конкретный контент и аудиторию;
  • Распознавание образов и изображений как инструмент работы с аудиторией;
  • Распознавание языка как инструмент для работы с большим количеством часто встречающихся в работе неструктурированных данных;
  • Таргетинг целевых объявлений и рекламы;
  • Анализ входящих данных клиентов и их сегментация в режиме реального времени;
  • Социальная семантика и анализ настроений аудитории;
  • Автоматизированный веб-дизайн;
  • Интеллектуальное обслуживание клиентов, в частности, в виде применения чат-ботов.

Ключевые стратегии применения AI для вашего бизнеса

  • Систематизация деловых потребностей
    Самым важным аспектом на этапе принятия и внедрения технологий AI в бизнесе является определение базовых стратегических точек соприкосновения потребностей и тех инновационных решений, которые смогут помочь устранить проблемы, а не создать дополнительные. AI, в первую очередь, может обеспечить полноформатную интеллектуальную аналитику всей работы предприятия, автоматизировав необходимые рабочие процессы. Главное — поставить правильные цели и выбрать нужную технологию для старта.
  • Понимание рисков
    Любая новая технология сопряжена с рисками, но единственный способ овладеть этой технологией, изучив и плюсы, и минусы, — использовать ее и учиться на своих ошибках. Можно совершать многочисленные попытки, опираясь на чужой опыт, но куда эффективнее предпринимать собственные инициативы — с меньшими масштабами, критически оценивая каждый провал и формируя необходимый опыт. Это поможет понять те факторы риска, которые относятся к конкретному бизнесу, и овладеть теми данными, которые нужны конкретно вам — чтобы принимать более эффективные решения в будущем.
  • Анализ и тщательный поиск лучших решений на базе AI
    Для успешной реализации решений искусственного интеллекта придется сотрудничать с лучшими разработчиками. Из-за быстрорастущего рынка инновационных технологий многие из них не будут соответствовать необходимым для успеха требованиям, и это нужно будет учитывать каждый раз, вступая в эту связку. Кроме того, для обучения и развертывания приложений AI разработчикам необходим доступ к масштабируемой и доступной вычислительной инфраструктуре, которая сможет поддерживать необходимую обработку данных AI, и это станет задачей бизнеса. Построение этой инфраструктуры потребует много времени и затрат. И, как показывает международная практика, большинство некрупных компаний просто не могут себе это позволить. Тут стоит помнить, что сегодня существует масса более простых, доступных интеллектуальных сервисов, которые делают разработку приложений AI приемлемой для многих предприятий. Ведь не нужно будет выстраивать специальную инфраструктуру и человеческий капитал с нуля.
  • Формирования информационного поля и культуры применения AI
    Чтобы победить в любой технологической войне, нужны «правильные» люди и «правильная» культура. Наем квалифицированных и ответственных сотрудников требует времени и больших усилий. Построение качественной культуры их взаимодействия с инновационными технологиями – также. Необходимо инвестировать средства не только в сами технологические разработки, но и в процесс подготовки к этому решению.

Все права защищены. Ни одна часть статьи не может быть использована в интернете для частного или публичного использования без обязательного активной гиперссылки на сайт everest.ua.

Разработка и применение технологий искусственного интеллекта в бизнесе

Содержание

Применение технологий искусственного интеллекта всё чаще распространяется в сфере бизнеса специально для повышения качества процессов. Наличие виртуальных помощников давно перестало быть новшеством. Их разработали специально для того, чтобы помочь клиентам выполнять стандартные операции.

Создание системы искусственного интеллекта: преимущества

Теперь, когда создание системы искусственного интеллекта становится возможной, управление данными становится доступным, а предприятия экономят большие деньги. ИИ также отслеживает работу оборудования и держит в курсе поломок и повреждений. Искусственный интеллект позволил перейти на новый этап развития и автоматизировать все процессы производства. Выполнение сложных задач стало подвластно обычному оборудованию.

Разработка систем искусственного интеллекта для автоматизации процессов

Технологии ИИ давно стали внедряться и модернизироваться, привлекая цифровую информацию и автоматизацию бизнес-процессов разных отраслей. Разработка систем искусственного интеллекта способствует ускорению работы, тем самым выдавая идеальную модель для функционирования.

ИИ для бизнеса

Существует полная автоматизация с четким регламентированием. Чем мощнее база знаний, тем выше вычислительная мощность. Уже существует идеальное внедрение AI+BPM+RPA:

  • помощь клиентам при обращении в сервисный центр с дополнительным анализом проблем и поиска оптимального решения, при появлении аналогичной задачи система автоматически применяет выбранную ранее структуру;
  • поиск данных из доступных источников с автоматическим импортом нужной информации;
  • синхронизирование между платформами с внедрением новых технологий и заметной экономией затрат.

Автоматизация бизнес-процессов с помощью ИИ

Эти примеры только показывают, что ИИ использует разные комбинации с BPM-системами. Популярность цифровой трансформации растет, поэтому применение ИИ позволяет автоматизировать любой бизнес-процесс. Это приводит к сокращению сотрудников и повышению эффективности деятельности в целом.

Чем искусственный интеллект помогает в промышленности?

ИИ – это будущее любой промышленности. Когда производственный цикл под контролем, то все технологические процессы отслеживаются. Это позволяет изменять тип выпускаемого товара. Алгоритмы искусственного интеллекта и попытки их внедрения дают возможность получать результаты с новыми возможностями и уровнями. Вся система базируется на логике и точных расчетах. Благодаря выбранной модели, ИИ проводит анализ обстановки и остается работоспособной при смене целей управления или параметров. Система самостоятельно изменяет алгоритм и выбирает наиболее оптимальное решение. Другими словами – это область знания, автоматизирующая разумное поведение технических систем.

Интеллектуальные производственные системы имеют определенные черты:

  1. отсутствие определенного известного заданного порядка действий для разрешения задачи управления;
  2. скрытые связи в системах и параметрах;
  3. выбор пути сбора данных;
  4. анализирование разнородных данных.

ИИ используется во многих бизнес сферах:

  1. проектирование с повышенной эффективностью и автоматизацией;
  2. уровень производства с помощью интеллектуальных помощников для снижения количества неправильных действий персонала и упрощения взаимодействия компании с целью перестройки технологических процессов;
  3. улучшение планирования на уровне логистики с сжатием срока доставки, отслеживая и выстраивая выгодные связи с клиентами;
  4. управление ценообразованием с анализом на удовлетворенность клиентов от продукции.

Искусственный интеллект увеличивает безопасность и решает все поставленные задачи.

Внедрение систем искусственного интеллекта в бизнес: как минимизировать рутину

Любая система с ИИ представляется как определенная последовательность элементов, предназначенных для решения определенной задачи. Комбинация и агенты могут быть изменены. Внедрение систем искусственного интеллекта рассматривают определенные типы:

  • механизмы для сбора информации и отслеживания работы;
  • местоположения, обеспечивающие взаимодействие агентов;
  • поисковики для аккумуляции любой информации с выявлением связей внутри всех процессов;
  • обучающие для внедрения опыта экспертов и накапливания знаний в определенном направлении;
  • решающие, которые получают итоги в ограниченных условиях и разрабатывают инструкции, внедряемые в системы и работу персонала.

После появления ИИ

После появления ИИ работа стала занимать значительно меньше времени и становится максимально эффективной. Все стало возможным благодаря нововведениям. Когда хотят автоматизировать процесс, то говорят о потребностях бизнеса с отдельными решениями. Наличие форм и алгоритмов дает огромное преимущество перед использованием обычных систем. 

Внедрение ИИ в бизнес

Внедрение ИИ в бизнес включает в себя одно важное преимущество: он интегрируется в любую корпоративную или информационную систему. ИИ подойдет для проведения анализов и прогнозов проблем и санкций. Современный мир уже невозможен без автоматизации, появление ИИ позволило сэкономить и получить децентрализованный бизнес.

Разработка искусственного интеллекта в компании Entornet 

Важно правильно выбрать направление при разработке и двигать в этом направлении. Компания Entornet готова помочь вам. Многолетний опыт позволяет справляться с задачами любой сложности. 

Современный мир требует от производства увеличения производительности. Применение технологий искусственного интеллекта позволяет достичь этого при быстрой окупаемости. Искусственный интеллект стал встречаться намного чаще. В конечном итоге получается качественная продукция, изготовленная по оптимизированной стратегии.

SKEMA представила свои первые достижения в области применения искусственного интеллекта — Пресс-релизы

ПАРИЖ, 2 февраля. /PRNewswire/. Спустя год после начала реализации своего стратегического плана на 2020-2025 годы компания SKEMA с радостью объявляет о некоторых достижениях, особенно в области искусственного интеллекта:

Благодаря инициативе института SKEMA AI Institute искусственный интеллект (ИИ) станет частью всех образовательных программ и будет применяться во всех кампусах.  

SKEMA остается на передовой развития отрасли с 2019 года, когда был открыт научно-исследовательский центр искусственного интеллекта в Монреале, а сейчас продолжает набирать силу благодаря созданию института искусственного интеллекта SKEMA AI Institute — глобальной системы, объединяющей около 20 профессоров и экспертов по искусственному интеллекту и реализующей стратегию школы в области применения искусственного интеллекта, — от научных исследований до конкретных применений во всех образовательных программах — с опорой на территории и экосистемы ее различных кампусов во Франции и за рубежом.

В связи с этим следует отметить историческое сотрудничество школы с UCA (Университетом Лазурного Берега [University Côte d’Azur]) и, в частности, с Междисциплинарным институтом искусственного интеллекта Лазурного Берега (3IA Côte d’Azur).

Элис Гийон (Alice Guilhon), декан бизнес-школы SKEMA, сообщает: «Было крайне важно внедрить ИИ во все учебные программы SKEMA. Внедрение ИИ представляет собой один из столпов нашей стратегии SKY25: это то, что мы называем гибридизацией. Эта гибридизация считается одним из рычагов нашего стремления стать «авангардной» школой, предлагающей гибридизацию 100% своих программ: искусственный интеллект на службе делового мира».

В числе достижений в области искусственного интеллекта можно отметить следующие:

  • Создание «факультета искусственного интеллекта» SKEMA, в состав которого входят более 20 профессоров и исследователей, разделенных на 4 междисциплинарные области: основы искусственного интеллекта; ИИ, экономика и финансы; ИИ, маркетинг и управление; ИИ, операционная деятельность, цепочка поставок и информационные технологии.
  • Интеграция специализации «ИИ» в глобальную программу «Бакалавр бизнес-администрирования» (Bachelor of Business Administration, BBA).
  • Осенью 2021 года начнется реализация новой специализированной магистерской® программы «ИИ для менеджеров проектов», в настоящее время находящейся на утверждении организации «Conférence des Grandes Ecoles».

Асма Ханафи (Asma Hanafi), студент магистерской программы по менеджменту (Grande Ecole Programme), который выбрал курс «ИИ для менеджеров», говорит: «Ценность такой программы обучения искусственному интеллекту заключается прежде всего в ее техническом характере. Когда студенты бизнес-школы обладают навыками машинного обучения и программирования, это делает их более привлекательными кандидатами в глазах работадателей, предлагающих стажировки. Я почувствовал это преимущество во время собеседований, потому что оно вызвало любопытство у нескольких специалистов по подбору персонала. В настоящее время искусственный интеллект — неотъемлемая часть всех секторов деятельности. Он способствует исследованиям, инновациям и принятию решений, будь то маркетинг, человеческие ресурсы, финансы и т. д. Управление данными и их анализ представляют собой проблемы, с которыми сталкиваются все компании. Поэтому необходимо, чтобы руководитель завтрашнего дня обладал такими умениями».

На сегодняшний день более 70% образовательных программ SKEMA включают в себя некоторые элементы познаний в отношении искусственного интеллекта. Как следствие появления SKEMA AI Institute и его новых образовательных программ, школа предсказывает, что в конечном итоге станет единой структурой под названием SKEMA AI school for Business.

Более подробная информация об этих инициативах представлена в брошюре SKEMA AI For Business.

Контакты для прессы: Christine Cassabois (Кристин Кассабуа), [email protected]

+33 (0)6 27 49 36 59

эксперимент, закон, ответственность — СКБ Контур

До этого технология искусственного интеллекта (ИИ) практически не регулировалась, и сейчас возникает много вопросов:

  • кто может обладать правами на объекты, созданные ИИ?
  • как надежно обезличить и защитить персональные данные, особенно связанные с распознаванием лиц?
  • как получить доступ к big data и общедоступным данным, чтобы позволить ИИ полноценно развиваться?
  • кто несет ответственность за действия ИИ и как доказать эту ответственность?

В этой статье мы рассмотрим следующие аспекты:

Искусственный интеллект и законодательная база

Эксперимент регулируется Федеральным законом от 24. 04.2020 № 123-ФЗ и Федеральным законом от 27.07.2006 № 152-ФЗ. Он призван создать регуляторную песочницу для компаний в Москве. Цель — за пять лет создать условия для разработки и внедрения ИИ в Москве и разработать нормативные акты на основе этого регулирования.

Участвовать в эксперименте могут юрлица или ИП, зарегистрированные в Москве и разрабатывающие искусственный интеллект или отдельные услуги на его основе. У предпринимателей или ответственных лиц не должно быть непогашенной или неснятой судимости. При соответствии требованиям они могут подать заявку на регистрацию в соцреестре.

Пока закон не содержит подробного описания целей, задач и бонусов для участников эксперимента и владельцев данных, он будет дополняться и корректироваться правительством Москвы. Поэтому эксперты советуют следить за обновлениями закона и подзаконных актов.

Эксперимент сможет установить правовые основы применения ИИ в госуправлении, — считает Андрей Шевченко, партнер юридической компании «Можно». – Пока непонятно, как поведет себя компьютерная программа, которой нужно решить много переменных задач, какими правами её нужно наделить и какое правовое регулирование для этого потребуется. Определить это можно только экспериментальным путем.

ИИ — это технология, которая потенциально может заменить человека благодаря самообучению, приобретенному опыту и знаниям. ИИ позволяет оптимизировать многие процессы в промышленности, медицине, автомобильной отрасли, ритейле, платформах с развлекательным контентом, логистике и других отраслях. Например, ИИ может выявлять заболевания на ранних стадиях, анализируя МРТ и рентгеновские снимки, и отслеживать привычки покупателей, предсказывая их выбор.

Игорь Иофчу, руководитель юридического департамента Gaskar Group, считает важным урегулировать технологии ИИ, которые позволят высвободить ресурсы и оптимизировать расходы, например, сервисы распознавания речи для чат-ботов и распознавание лиц для поиска пропавших, технологии машинного обучения и бизнес-приложения со встроенными механизмами ИИ.

Искусственный интеллект может быть адаптирован под любую индустрию. Huawei и Ростелеком используют ИИ для игровых роутеров, которые выбирают оптимальный режим скорости в зависимости от трафика онлайн-игр, а Deep Mind создали технологию, которая обыгрывает лучших киберспортсменов.

Михаил Зуб, владелец ИТ-компании «Зионек», считает, что эксперимент позволит быстрее развивать технологии, излишне зарегулированные законодательством, связанные с персональными данными и медицинской информацией, но в этом случае нужно будет тщательнее продумывать защиту данных.

Сергей Свиридов, директор по исследования и разработкам «Цифра» видит пользу эксперимента для беспилотного транспорта, видеоаналитики (например, распознавание ношения масок в общественных местах и больницах) и медицины (например, анализ компьютерной томографии легких).

В «Цифре» обдумывают участие в эксперименте с технологией прогнозирования вредных выбросов в Москве и видеоаналитикой соблюдения требований Роспотребнадзора на промышленных предприятиях в Москве.

Эксперимент предоставит компаниям площадку для обсуждения и шанс повлиять на разработку нормативно-правовой базы, а также позволит экспериментировать с технологиями, с которыми они раньше опасались экспериментировать из-за отсутствия регулирования и диалога со стороны государства, — говорит Свиридов.

Искусственный интеллект и ответственность

Сейчас закон не отвечает на вопрос, может ли ИИ быть субъектом права и нести ответственность за происшествия или получать прибыль за свои произведения. Есть версия, что в студии Артемия Лебедева ИИ под именем Николая Иронова создает логотипы для компаний. В этом случае прибыль от логотипов получает юридическое лицо. 

Алгоритм ИИ принадлежит создателю, результат его использования — необязательно. Результат алгоритма сильно зависит от исходных данных, и разработчик не всегда может его предсказать. В этом случае авторскому праву нужна правосудебность юрлица, потому что ИИ может настраивать целая команда сотрудников.

Всё движется к тому, что работы, созданные ИИ, будут охраняться на основании творческого результата, а не на основании творческого процесса, — размышляет Ирина Шурмина, старший юрист IP/Digital CMS Russia.

В Гражданском кодексе указано, что только гражданин может обладать авторским правом (ст. 1257 ГК РФ).

Зарубежная практика

Прецеденты в США и Австралии показывают, что авторское право не охраняет произведения, не созданные человеком, будь то селфи, которое сделала обезьяна камерой фотографа, или HTML-код, написанный ИИ.

Патентное бюро ЕС со ссылкой на Патентную конвенцию отказало технологии Dabus в выдаче патента на изобретения, так как в запросе на выдачу патента должно содержаться имя изобретателя — это один из гарантов использования прав. Отчет Европарламента указывает, что ИИ не может быть правообладателем и правом будет обладать тот, кто подготовил объект.

Тем не менее в Китае в 2020 году финансовый отчет робота Dreamwriter компании Tencent был признан объектом авторского права, когда этот отчет скопировали.

В США беспилотный автомобиль Uber сбил велосипедистку, в 2019 году прокуратура сняла обвинения с компании и начала дополнительное испытание в отношении водителя, который не смотрел на дорогу во время испытания и не смог предотвратить аварию.

В результате власти запретили испытания беспилотных автомобилей в этом округе, и они были восстановлены только в некоторых штатах в хорошую погоду и по утвержденному маршруту, — рассказывает Ксения Даньшина, юрист CMS Russia. – Компания понесла ущерб даже без юридической ответственности.

В одном из докладов ЕС указано, что в законодательстве достаточно положений для регулирования ИИ, кроме случаев, когда невозможно установить виновного в причинении вреда.

Юрист Ирина Шурмина напоминает, что в европейской практике ответственность может нести либо разработчик (backend operator), либо администратор/настройщик (deployer), либо конечный пользователь (end user). Как правило, когда речь идет о рисковых системах, например, медицинских технологиях или беспилотных автомобилях, ответственность несет настройщик. В этом смысле он приравнивается к владельцу автомобиля или домашнего животного. За причинение ущерба и вреда здоровью устанавливаются штрафы от 2 до 10 млн евро.

В CMS Russia предлагают посмотреть на ответственность ИИ с точки зрения смежного права, которое необязательно связано с творческим трудом и может возникать при работе с объектами, которые не являются объектами авторского права. Так работают фонограммы, базы данных и телетрансляции.

Сложности и спорные вопросы

Предприниматель Михаил Зуб считает, что у эксперимента есть потенциальные плюсы для ИТ-компаний: новые рынки, клиенты и источники данных. Но компаниям важно уметь защищать корпоративные данные. Если нужно их раскрывать другим участникам рынка, они могут в итоге оказаться на площадках, торгующих данными.

Чтобы защитить себя, предприниматель советует бизнесу внимательно следить за законодательством и менять юрисдикцию на Московскую область или другие регионы при угрозе потери информации.

Илья Дурницын, юрист компании «Проспектаси», считает, что само определение ИИ в Федеральном законе от 24. 04.2020 № 123-ФЗ спорно, и допускает несколько интерпретаций. Раньше можно было считать, что калькулятор имитирует когнитивные способности человека, в законе не указано, контролируется ли самообучение машинами. 

Эксперт ставит вопрос, можно ли считать ИИ нейронную сеть, которая может точно прогнозировать котировки рынка, но не способна воспринимать свои действия, и напоминает о непринятом «законе Гришина», который в 2017 году предложил трактовку ИИ через «умного робота», который самостоятельно действует и оценивает свои действия.

Определение в Федеральном законе от 24.04.2020 № 123-ФЗ охватывает большой круг деятельности для будущего развития ИИ, но не объясняет понятие четко и лаконично, — отмечает Илья Дурницын. – Тем не менее важно вообще закрепить определение ИИ в праве.

Андрей Шевченко, партнер юридической компании «Можно» напоминает, что сам по себе закон не регулирует применение ИИ, передавая эти функции Москве, которая вправе определять правила в области применения ИИ на своей территории. Именно город будет определять ход эксперимента и развитие технологии ИИ в стране.

Так как эксперимент предполагает обработку данных обычных москвичей, Александр Барышников, директор департамента консалтинга и аудита в НИП «Информзащита», предлагает выбрать уполномоченное лицо, создать общедоступный реестр участников экспериментального правового режима, перечень обрабатываемых персональных данных граждан, субъектов и категорий субъектов данных.  

Эксперт советует работать над безопасностью данных и ввести соглашения между участниками эксперимента с обязательным рассмотрением ответственности за нарушения обязательств.

Правовое регулирование технологий ИИ: вопросы и перспективы

В июне 2020 года 20 стран запустили партнерство Gee-Pay, которое поможет правильно выстроить ограничения и развивать ИИ совместными силами компаний и юристов. В Евросоюзе принято несколько документов, регулирующих вопросы ответственности, интеллектуальной собственности и работы с данными.

В Канаде этот вопрос регулирует Директива и пилотный проект о внедрении ИИ в госсекторе, в США – AI Initiative, нацеленная на совместное сотрудничество разных стран. Китай намерен к 2025 году принять первоначальные версии законов, регулирующих ИИ.

В московском эксперименте примут участие ИТ-компании, которые используют ИИ в сфере медицины, для распознавания лиц и городской инфраструктуры. В идеале регуляторная песочница поможет адаптировать способы безопасного развития ИИ и позволит ему развиваться быстрее.

Илья Дурницын предлагает проводить похожие правовые эксперименты в других субъектах РФ по аналогии с исследовательскими и научными центрами в Переславле-Залесском, Краснодаре и Санкт-Петербурге.

Павел Катков, владелец компании «Катков и партнеры», считает, что эксперимент с искусственным интеллектом изменит правовое регулирование технологий, например, защиту персональных данных, тайны переписки и частной жизни.

Чтобы узаконить некоторые действия ИИ, законодателю нужно исключить нормы, защищающие соответствующие гражданские права, — говорит Катков. – Обезличивание персональных данных сейчас упоминается в федеральных законах, но нельзя исключать, что нужно будет внести корректировки и в Конституцию. Например, ст. 23 защищает неприкосновенность частной жизни, личную и семейную тайну. Возможно, в этой норме придется пробивать брешь.

Персональные данные: вопрос обезличенности, ответственность за утечку

В эксперименте предполагается использовать предварительно обезличенные персональные данные, их можно будет передавать только участникам эксперимента, они будут храниться только на территории Москвы. Регулированием условий обработки данных займутся мэрия Москвы и Минкомсвязи. Эксперимент призван дать больше информации о персональных данных.

Михаил Зуб считает, что еще до начала любого проекта целесообразно законодательно обязать указывать людей и компании, ответственные за несанкционированную утечку данных, а также установить административную и уголовную ответственность за нарушения.

По мнению Игоря Иофчу, защита персональных данных — ключевой момент эксперимента. Он требует тщательной проработки, так как фактически использоваться могут данные всех жителей Москвы.

Закон предусматривает, что обезличенные персональные данные могут передаваться только участникам правового эксперимента, ограничивает круг тех, кто может обрабатывать данные, но не защищает от противоправных действий, например, взлома баз данных.

Важный вопрос — разграничение деанонимизации и псевдодеанонимизации данных. В одном случае данные невозможно деобезличить и они действительно конфиденциальны, во втором случае личность человека можно определить с помощью дополнительной информации, которая должна быть хорошо защищена.

Многие компании уже активно используют персональные данные для работы с клиентами. Альфа-Банк открыл офис с распознаванием лиц с точностью на 98 %. Клиенту достаточно просто зайти в офис, и система автоматически узнает его и поймет, какими сервисами он пользуется.

В одном из кафе KFC система распознавания лиц будет фотографировать пользователя и позже предлагать ему любимые блюда на основе истории его заказов. Фото преобразуется в уникальный цифровой код, поэтому в компании считают, что они не хранят персональные данные.

Здесь важно обращать внимание, как получается согласие на обработку персональных данных, можно ли отказаться от него и всё равно получить услугу, обезличены ли они безвозвратно и как они защищены, — обращает внимание Ирина Шурмина. – Возможно, в случае с KFC речь идет о псевдонимизации, раз повторное использование и идентификация лица возможны, но так как в российском законодательстве нет такой концепции, это вызывает вопросы.

Технология распознавания лиц в режиме реального времени Clearview.ai получила коллективный иск после продажи данных частным компаниям, таким как Walmart и Bank of America, так как в штате Иллинойс запрещено использовать биометрическую информацию в коммерческих целях. Теперь компания работает только с государством и использует публично доступную информацию для поиска жертв и правонарушителей.

Препятствовать в получении данных ИИ нецелесообразно, данные должны быть полными и корректными, иначе ИИ может совершать нелепые ошибки. Например, ИИ визуально сложно распознавать похожие фотографии — отличать маффины и чихуахуа, круассаны и шарпеев.

Сергей Свиридов уверен, что участники эксперимента отдают себе отчет о возможных рисках и постараются их минимизировать, в том числе с помощью ИИ-инструментов: данные можно обезличить, никуда не передавая, или использовать без обезличивания, например, с помощью федеративного машинного обучения или дифференцированной приватности.

Как искусственный интеллект трансформирует бизнес

Многие люди до сих пор связывают искусственный интеллект с фантастическими антиутопиями, но эта характеристика ослабевает по мере развития искусственного интеллекта и становится все более обычным явлением в нашей повседневной жизни. Сегодня искусственный интеллект — это имя нарицательное (а иногда даже домашнее — привет, Алекса!).

Хотя признание искусственного интеллекта в обществе является новым явлением, это не новая концепция.Современная область искусственного интеллекта возникла в 1956 году, но потребовались десятилетия работы, чтобы добиться значительного прогресса в разработке системы искусственного интеллекта и сделать ее технологической реальностью.

В бизнесе искусственный интеллект имеет широкий спектр применения. Фактически, большинство из нас в той или иной форме взаимодействует с искусственным интеллектом ежедневно. Искусственный интеллект, от обыденного до захватывающего, уже нарушает практически все бизнес-процессы в каждой отрасли.По мере распространения технологий искусственного интеллекта они становятся императивом для предприятий, которые хотят сохранить конкурентное преимущество.

Что такое искусственный интеллект?

Прежде чем исследовать, как технологии искусственного интеллекта влияют на деловой мир, важно дать определение этому термину. «Искусственный интеллект» — это широкий и общий термин, который относится к любому типу компьютерного программного обеспечения, которое задействовано в человеческой деятельности, включая обучение, планирование и решение проблем.Называть определенные приложения «искусственным интеллектом» все равно, что называть Honda Accord 2013 года «транспортным средством» — это технически правильно, но не покрывает никаких деталей. Чтобы понять, какой тип искусственного интеллекта преобладает в бизнесе, нужно копнуть глубже.

Машинное обучение

Машинное обучение — один из наиболее распространенных типов искусственного интеллекта в разработке для бизнес-целей сегодня. Машинное обучение в основном используется для быстрой обработки больших объемов данных.Эти типы искусственного интеллекта представляют собой алгоритмы, которые со временем «учатся», тем лучше, чем чаще они это делают. Загрузите в алгоритм машинного обучения больше данных, и его моделирование улучшится. Машинное обучение полезно для помещения огромных массивов данных, которые все чаще собираются подключенными устройствами и Интернетом вещей, в понятный для человека контекст.

Например, если вы управляете производственным предприятием, ваше оборудование, скорее всего, подключено к сети.Подключенные устройства передают постоянный поток данных о функциональности, производстве и многом другом в центральное место. К сожалению, это слишком много данных, чтобы человек мог их проанализировать, и даже если бы они могли это сделать, они, вероятно, пропустили бы большинство закономерностей. Машинное обучение может быстро анализировать данные по мере их поступления, выявляя закономерности и аномалии. Если машина на заводе-изготовителе работает с пониженной производительностью, алгоритм машинного обучения может ее отловить и уведомить лиц, принимающих решения, о том, что пришло время отправить группу профилактического обслуживания.

Но машинное обучение — тоже относительно широкая категория. Развитие искусственных нейронных сетей, взаимосвязанной сети «узлов» искусственного интеллекта, привело к так называемому «глубокому обучению».

Глубокое обучение

Глубокое обучение — это еще более конкретная версия машинного обучения, в которой нейронные сети используются для нелинейных рассуждений. Глубокое обучение имеет решающее значение для выполнения более сложных функций, таких как обнаружение мошенничества. Это можно сделать, проанализировав сразу широкий спектр факторов.Например, для того, чтобы беспилотные автомобили работали, необходимо определить, проанализировать и отреагировать сразу на несколько факторов. Алгоритмы глубокого обучения используются, чтобы помочь беспилотным автомобилям контекстуализировать информацию, полученную их датчиками, такую ​​как расстояние до других объектов, скорость, с которой они движутся, и прогнозирование того, где они будут через 5-10 секунд. Вся эта информация вычисляется бок о бок, чтобы помочь беспилотному автомобилю принимать решения, например, когда менять полосу движения.

Глубокое обучение имеет многообещающие перспективы в бизнесе и, скорее всего, вскоре получит более широкое распространение.Старые алгоритмы машинного обучения имеют тенденцию к снижению своих возможностей после сбора определенного объема данных, но модели глубокого обучения продолжают улучшать свою производительность по мере получения большего количества данных. Это делает модели глубокого обучения более масштабируемыми и детализированными; можно даже сказать, что модели глубокого обучения гораздо более независимы.

Искусственный интеллект и бизнес сегодня

Вместо того, чтобы служить заменой человеческому интеллекту и изобретательности, искусственный интеллект обычно рассматривается как вспомогательный инструмент. Хотя искусственный интеллект в настоящее время испытывает трудности с выполнением здравых задач в реальном мире, он умеет обрабатывать и анализировать массивы данных гораздо быстрее, чем человеческий мозг. Затем программное обеспечение искусственного интеллекта может вернуться с синтезированным планом действий и представить его пользователю-человеку. Таким образом, люди могут использовать искусственный интеллект, чтобы помочь выявить возможные последствия каждого действия и упростить процесс принятия решений.

«Искусственный интеллект — это своего рода второе пришествие программного обеспечения», — сказал Амир Хусейн, основатель и генеральный директор компании SparkCognition, занимающейся машинным обучением.«Это форма программного обеспечения, которое принимает решения самостоятельно, способное действовать даже в ситуациях, не предусмотренных программистами. Искусственный интеллект имеет более широкие возможности принятия решений, чем традиционное программное обеспечение».

Эти черты делают искусственный интеллект очень ценным во многих отраслях, будь то простая помощь посетителям и сотрудникам в эффективном перемещении по корпоративному кампусу или выполнение такой сложной задачи, как мониторинг ветряной турбины, чтобы предсказать, когда ей потребуется ремонт.

Машинное обучение часто используется в системах, которые собирают большие объемы данных. Например, интеллектуальные системы управления энергопотреблением собирают данные с датчиков, прикрепленных к различным объектам. Затем массив данных контекстуализируется алгоритмами машинного обучения и доставляется лицам, принимающим решения, для лучшего понимания потребностей в энергии и обслуживании.

Искусственный интеллект — даже незаменимый союзник, когда дело доходит до поиска дыр в защите компьютерных сетей, сказал Хусейн.

«Вы действительно не можете иметь достаточно экспертов по кибербезопасности, чтобы рассмотреть эти проблемы из-за масштабов и возрастающей сложности», — сказал он. «Искусственный интеллект играет здесь все большую роль».

Искусственный интеллект также меняет системы управления взаимоотношениями с клиентами (CRM). Программное обеспечение, такое как Salesforce или Zoho, требует серьезного вмешательства человека, чтобы поддерживать актуальность и точность. Но когда вы применяете искусственный интеллект к этим платформам, обычная CRM-система превращается в самообновляющуюся, автокорректирующуюся систему, которая остается на вершине управления вашими отношениями. [Для тех, кто работает в новых компаниях, прочтите наш отчет об инструментах CRM для стартапов . ]

Другой пример универсальности искусственного интеллекта — финансовый сектор. Доктор Хоссейн Рахнама, основатель и генеральный директор компании Flybits, занимающейся консьержем искусственного интеллекта, и приглашенный профессор Массачусетского технологического института, работал с TD Bank над интеграцией искусственного интеллекта в обычные банковские операции, такие как ипотечные кредиты.

«Используя эту технологию, если у вас есть ипотечный кредит в банке, который подлежит продлению в течение 90 дней или меньше… если вы проходите мимо отделения, вы получите персонализированное сообщение с приглашением пойти в отделение и продлить покупку. , — сказал Рахнама.«Если вы ищете недвижимость на продажу и проводите там более 10 минут, вам будет выслано возможное предложение по ипотеке.

» Мы больше не ожидаем, что пользователь будет постоянно находиться в окне поиска и искать в Google то, что они — добавил он. — Парадигма меняется в отношении того, как нужная информация находит нужного пользователя в нужное время ».

Будущее искусственного интеллекта

Итак, как можно использовать искусственный интеллект в будущем? Это сложно сказать, как будет развиваться технология, но большинство экспертов считают, что эти «здравые» задачи становятся еще проще для компьютеров.Это означает, что роботы станут чрезвычайно полезными в повседневной жизни.

«Искусственный интеллект начинает делать то, что когда-то считалось невозможным, например, автомобили без водителя», — сказал Рассел Гленистер, генеральный директор и основатель Curation Zone. «Беспилотные автомобили стали реальностью только благодаря доступу к обучающим данным и быстрым графическим процессорам, которые являются ключевыми инструментами. Для обучения беспилотных автомобилей требуется огромное количество точных данных, а скорость является ключом к обучению. Пять лет назад процессоры были слишком медленными, но появление графических процессоров сделало все это возможным.«

Гленистер сказал, что графические процессоры будут только становиться быстрее, улучшая приложения программного обеспечения искусственного интеллекта по всем направлениям.

« Быстрые процессы и большое количество чистых данных являются ключом к успеху ИИ », — сказал он.

Другие аналитики , как и соучредитель и технический директор Nara Logics доктор Натан Уилсон, заявили, что видят, что искусственный интеллект находится на пороге революционных изменений в привычных занятиях, таких как обеды. Уилсон предсказал, что искусственный интеллект может быть использован в ресторане, например, чтобы решить, какой музыка, которую нужно играть, исходя из интересов присутствующих гостей.Искусственный интеллект может даже изменить внешний вид обоев в зависимости от того, какие технологии предполагают эстетические предпочтения толпы.

Если этого недостаточно, Рахнама предсказал, что искусственный интеллект выведет цифровые технологии из двухмерной заточенной на экран формы, к которой люди привыкли. Вместо этого основным пользовательским интерфейсом станет физическая среда, окружающая человека.

«Мы всегда полагались на двухмерный дисплей, чтобы играть в игру, взаимодействовать с веб-страницей или читать электронную книгу», — сказал Рахнама.«Что произойдет сейчас с искусственным интеллектом и комбинацией [Интернета вещей], так это то, что дисплей не будет основным интерфейсом — будет среда. Вы увидите, как люди создают опыт вокруг себя, независимо от того, связаны ли они здания или смежные залы заседаний. Это будет трехмерный опыт, который вы действительно сможете почувствовать ». [Взаимодействие с цифровыми наложениями в вашем непосредственном окружении? Звучит как работа для дополненной реальности.]

Что означает искусственный интеллект для рабочего?

Со всеми этими новыми сценариями использования искусственного интеллекта встает непростой вопрос: заставят ли машины устареть?Жюри все еще отсутствует: некоторые эксперты категорически отрицают, что искусственный интеллект автоматизирует так много рабочих мест, что миллионы людей окажутся безработными, в то время как другие эксперты считают это насущной проблемой.

«Структура рабочей силы меняется, но я не думаю, что искусственный интеллект по существу заменяет рабочие места», — сказал Рахнама. «Это позволяет нам действительно создать экономику, основанную на знаниях, и использовать ее для улучшения автоматизации и улучшения формы жизни. Это может быть немного теоретическим, но я думаю, если вам придется беспокоиться об искусственном интеллекте и роботах, которые заменят наши рабочие места , вероятно, это алгоритмы, заменяющие рабочие места белых воротничков, таких как бизнес-аналитики, менеджеры хедж-фондов и юристы.«

Уилсон сказал, что переход к системам, основанным на искусственном интеллекте, вероятно, приведет к тому, что в экономике появятся новые рабочие места, которые будут способствовать переходу.

« Искусственный интеллект создаст больше богатства, чем уничтожит », — сказал Уилсон,« но это не будет справедливо. раздали, особенно на первых порах. Изменения будут ощущаться на подсознательном уровне, а не явными. [Например,] налоговый бухгалтер однажды не получит бланк и не встретит робота, который теперь будет сидеть за ее столом. Скорее всего, в следующий раз, когда налоговый бухгалтер подаст заявление о приеме на работу, его будет труднее найти.«

Уилсон сказал, что он ожидает, что искусственный интеллект на рабочем месте будет фрагментировать давние рабочие процессы, создавая множество рабочих мест для людей для интеграции этих рабочих процессов. Другие эксперты, такие как Хусейн, не так уверены в том, откуда появятся новые рабочие места, когда искусственный интеллект становится повсеместным.

«[В прошлом] были возможности перейти от сельского хозяйства к производству и услугам, — сказал Хусейн. — Сейчас это не так. Почему? Промышленность полностью роботизирована, и мы видим, что автоматизация имеет больше смысла с экономической точки зрения.«

Хусейн указал на беспилотные грузовики и консьержей с искусственным интеллектом, таких как Siri и Cortana, в качестве примеров, заявив, что по мере совершенствования этих технологий их широкое использование может привести к сокращению до 8 миллионов рабочих мест только в США.

« Когда все эти рабочие места Чтобы начать уходить, нам нужно спросить: «Что делает нас продуктивными? Что означает производительность? »- сказал Хусейн.« Теперь мы сталкиваемся с изменяющейся реальностью и ставим под сомнение основные предположения общества. Мы должны действительно подумать об этом и решить, что делает нас продуктивными и какова ценность людей в обществе.Нам нужно провести эту дискуссию и провести ее быстро, потому что технология не будет ждать нас ».

Будущее наступает быстро или безоблачно, и искусственный интеллект, безусловно, станет его частью. По мере развития этой технологии , мир увидит новые стартапы, многочисленные бизнес-приложения и потребительские применения, а также вытеснение определенных рабочих мест и создание совершенно новых. Наряду с Интернетом вещей, искусственный интеллект может радикально изменить экономику, но его точное влияние еще предстоит увидеть.

Некоторые интервью с источниками были проведены для предыдущей версии этой статьи.

3 вещи, которые AI уже может сделать для вашей компании

Коротко
Проблема

Когнитивные технологии все чаще используются для решения бизнес-задач, но многие из самых амбициозных проектов ИИ терпят неудачи или терпят неудачу.

Подход

Компаниям следует использовать постепенный, а не трансформирующий подход и сосредоточиться на расширении, а не замене человеческих возможностей.

Процесс

Чтобы получить максимальную отдачу от ИИ, компании должны понимать, какие технологии выполняют какие типы задач, создавать портфель проектов с приоритетами, основанный на потребностях бизнеса, и разрабатывать планы масштабирования в масштабах всей компании.

В 2013 году онкологический центр доктора медицины Андерсона запустил проект «лунный выстрел»: диагностировать и рекомендовать планы лечения определенных форм рака с использованием когнитивной системы IBM Watson. Но в 2017 году проект был приостановлен после того, как расходы превысили 62 миллиона долларов, а систему еще не использовали для лечения пациентов. В то же время ИТ-группа онкологического центра экспериментировала с использованием когнитивных технологий для выполнения гораздо менее амбициозных задач, таких как предоставление рекомендаций по отелям и ресторанам для семей пациентов, определение того, каким пациентам нужна помощь в оплате счетов, и решение ИТ-проблем персонала. Результаты этих проектов были намного более обнадеживающими: новые системы способствовали повышению удовлетворенности пациентов, улучшению финансовых показателей и сокращению времени, затрачиваемого на утомительный ввод данных руководителями больницы.Несмотря на неудачу на лунном шаре, доктор медицины Андерсон по-прежнему привержен использованию когнитивных технологий, то есть искусственного интеллекта следующего поколения, для улучшения лечения рака, и в настоящее время разрабатывает множество новых проектов в области когнитивных вычислений.

Контраст между двумя подходами важен для любого, кто планирует инициативы в области ИИ. Наш опрос 250 руководителей, знакомых с использованием когнитивных технологий в их компаниях, показывает, что три четверти из них считают, что ИИ существенно преобразит их компании в течение трех лет. Однако наше исследование 152 проектов почти в таком же количестве компаний также показывает, что амбициозные лунные снимки с меньшей вероятностью будут успешными, чем проекты «низко висящие фрукты», улучшающие бизнес-процессы. Это не должно вызывать удивления — так было с подавляющим большинством новых технологий, которые компании внедряли в прошлом. Но шумиха вокруг искусственного интеллекта была особенно сильной, и некоторые организации ей понравились.

В этой статье мы рассмотрим различные категории используемых ИИ и дадим основу для того, как компании должны начать наращивать свои когнитивные способности в следующие несколько лет для достижения своих бизнес-целей.

Три типа AI

Компаниям полезно смотреть на ИИ через призму бизнес-возможностей, а не технологий. В общих чертах, ИИ может поддерживать три важных бизнес-потребности: автоматизировать бизнес-процессы, получать информацию с помощью анализа данных и взаимодействовать с клиентами и сотрудниками.

Автоматизация технологических процессов.

Из 152 изученных нами проектов наиболее распространенным типом была автоматизация цифровых и физических задач — обычно административных и финансовых операций бэк-офиса — с использованием роботизированных технологий автоматизации процессов.RPA более продвинутый, чем предыдущие инструменты автоматизации бизнес-процессов, потому что «роботы» (то есть код на сервере) действуют как человек, вводящий и потребляющий информацию из нескольких ИТ-систем. Задачи включают:

  • перенос данных из систем электронной почты и центра обработки вызовов в системы записи — например, обновление файлов клиентов с изменением адресов или добавлением услуг;
  • замена утерянных кредитных или банкоматных карт, подключение к нескольким системам для обновления записей и обработки сообщений с клиентами;
  • согласование сбоев в оплате услуг в биллинговых системах путем извлечения информации из нескольких типов документов; и
  • «чтение» юридических и договорных документов для извлечения положений с использованием обработки естественного языка.

RPA — наименее дорогостоящая и простая в реализации когнитивная технология, которую мы здесь обсудим, и обычно обеспечивает быструю и высокую окупаемость инвестиций. (Кроме того, он наименее «умный» в том смысле, что эти приложения не запрограммированы на обучение и совершенствование, хотя разработчики постепенно добавляют больше интеллекта и возможностей обучения.) Он особенно хорошо подходит для работы с несколькими серверными системами.

В НАСА из-за ценового давления агентство запустило четыре пилотных проекта RPA по кредиторской и дебиторской задолженности, расходам на ИТ и человеческим ресурсам — все они управляются общим центром обслуживания.Четыре проекта сработали хорошо — например, в приложении для управления персоналом 86% транзакций были выполнены без вмешательства человека — и в настоящее время развертываются по всей организации. НАСА сейчас внедряет больше роботов RPA, некоторые с более высоким уровнем интеллекта. Как отмечает Джим Уокер, руководитель проекта организации общих служб, «пока это не ракетостроение».

Можно представить, что роботизированная автоматизация процессов быстро оставит людей без работы. Но из 71 проекта RPA, который мы рассмотрели (47% от общего числа), замена административных сотрудников не была ни основной целью, ни общим результатом.Лишь несколько проектов привели к сокращению численности персонала, и в большинстве случаев рассматриваемые задачи уже были переданы внешним подрядчикам. По мере совершенствования технологий проекты роботизированной автоматизации, вероятно, приведут к некоторой потере рабочих мест в будущем, особенно в индустрии аутсорсинга бизнес-процессов. Если вы можете передать задачу на аутсорсинг, вы, вероятно, сможете ее автоматизировать.

Познавательная проницательность.

Второй по распространенности тип проекта в нашем исследовании (38% от общего числа) использовал алгоритмы для обнаружения закономерностей в огромных объемах данных и интерпретации их значения.Думайте об этом как о «стероидной аналитике». Эти приложения для машинного обучения используются для:

  • предсказать, что скорее всего купит конкретный покупатель;
  • выявляет кредитное мошенничество в режиме реального времени и обнаруживает мошенничество со страховыми выплатами;
  • анализирует данные о гарантии для выявления проблем с безопасностью или качеством в автомобилях и другой производимой продукции;
  • автоматизировать персонализированный таргетинг цифровой рекламы; и
  • предоставляет страховщикам более точное и подробное актуарное моделирование.

Когнитивные идеи, предоставляемые машинным обучением, отличаются от тех, которые доступны в традиционной аналитике по трем причинам: они обычно намного более подробны и требуют большого объема данных, модели обычно обучаются на некоторой части набора данных, и модели становятся лучше, то есть их способность использовать новые данные для прогнозирования или распределения вещей по категориям со временем улучшается.

Сопутствующие инструменты

Версии машинного обучения (в частности, глубокое обучение, которое пытается имитировать деятельность человеческого мозга для распознавания закономерностей) могут выполнять такие функции, как распознавание изображений и речи.Машинное обучение также может предоставить новые данные для более качественной аналитики. Хотя деятельность по курированию данных исторически была довольно трудоемкой, теперь машинное обучение может определять вероятностные совпадения — данные, которые могут быть связаны с одним и тем же человеком или компанией, но представлены в немного разных форматах — в разных базах данных. GE использовала эту технологию для интеграции данных о поставщиках и сэкономила 80 миллионов долларов за первый год за счет устранения дублирования и заключения договоров, которые ранее выполнялись на уровне бизнес-подразделения.Точно так же крупный банк использовал эту технологию для извлечения данных об условиях из контрактов с поставщиками и сопоставления их с номерами счетов-фактур, выявляя десятки миллионов долларов в продуктах и ​​услугах, которые не были предоставлены. Аудиторская практика «Делойта» использует когнитивную проницательность для извлечения условий из контрактов, что позволяет при аудите проверять гораздо большую часть документов, часто 100%, без того, чтобы аудиторам-людям приходилось кропотливо их читать.

Приложения

Cognitive Insight обычно используются для повышения производительности в задачах, которые могут выполнять только машины — таких задачах, как закупка программной рекламы, которые включают в себя такую ​​высокоскоростную обработку данных и автоматизацию, что они уже давно выходят за рамки человеческих возможностей, поэтому они обычно угроза человеческим рабочим местам.

Когнитивное взаимодействие.

Проекты, которые привлекают сотрудников и клиентов с помощью чат-ботов с обработкой естественного языка, интеллектуальных агентов и машинного обучения, были наименее распространенным типом в нашем исследовании (на их долю приходилось 16% от общего числа). В данную категорию входят:

  • интеллектуальных агентов, которые предлагают круглосуточное обслуживание клиентов, решая широкий и постоянно растущий круг вопросов, от запросов паролей до вопросов технической поддержки — все на естественном языке клиента;
  • внутренних сайтов для ответов на вопросы сотрудников по таким темам, как ИТ, льготы для сотрудников и кадровая политика;
  • системы рекомендаций по продуктам и услугам для розничных продавцов, которые увеличивают персонализацию, вовлеченность и продажи — обычно с использованием богатого языка или изображений; и
  • систем рекомендаций по лечению, которые помогают поставщикам услуг создавать индивидуальные планы лечения, учитывающие состояние здоровья отдельных пациентов и предыдущее лечение.

Компании, участвовавшие в нашем исследовании, как правило, использовали технологии когнитивного взаимодействия больше для взаимодействия с сотрудниками, чем с клиентами. Это может измениться, поскольку фирмы станут более комфортно переключать взаимодействие с клиентами на машины. Vanguard, например, тестирует интеллектуального агента, который помогает персоналу службы поддержки отвечать на часто задаваемые вопросы. План состоит в том, чтобы в конечном итоге позволить клиентам взаимодействовать с когнитивным агентом напрямую, а не с человеческими агентами по обслуживанию клиентов.SEBank в Швеции и гигант медицинских технологий Becton Dickinson в США используют реалистичного аватара интеллектуального агента Амелию в качестве внутренней службы поддержки сотрудников ИТ-службы. SEBank недавно сделал Амелию доступной для клиентов на ограниченной основе, чтобы проверить ее эффективность и реакцию клиентов.

Компании склонны придерживаться консервативного подхода к технологиям когнитивного взаимодействия с клиентами, в основном из-за их незрелости. Facebook, например, обнаружил, что его чат-боты Messenger не могут отвечать на 70% запросов клиентов без вмешательства человека.В результате Facebook и несколько других компаний ограничивают интерфейсы на основе ботов определенными тематическими доменами или типами разговоров.

Наше исследование показывает, что приложения для когнитивного взаимодействия в настоящее время не угрожают службе поддержки клиентов или работе торговых представителей. В большинстве изучаемых нами проектов цель заключалась не в сокращении численности персонала, а в том, чтобы справиться с растущим числом взаимодействий сотрудников и клиентов без увеличения штата. Некоторые организации планировали передать рутинную связь машинам, одновременно переводя персонал службы поддержки клиентов на более сложные действия, такие как решение проблем клиентов, которые нарастают, ведение расширенных неструктурированных диалогов или обращение к клиентам до того, как они позвонят с проблемами.

По мере того, как компании все больше знакомятся с когнитивными инструментами, они экспериментируют с проектами, в которых сочетаются элементы из всех трех категорий, чтобы воспользоваться преимуществами ИИ. Например, итальянская страховая компания создала «службу когнитивной помощи» в своей ИТ-организации. Система взаимодействует с сотрудниками с помощью технологии глубокого обучения (часть категории когнитивных анализов) для поиска часто задаваемых вопросов и ответов, ранее решенных случаев и документации для поиска решений проблем сотрудников.Он использует возможность интеллектуальной маршрутизации (автоматизация бизнес-процессов) для пересылки наиболее сложных проблем представителям людей и использует обработку естественного языка для поддержки запросов пользователей на итальянском языке.

Однако, несмотря на стремительно расширяющийся опыт использования когнитивных инструментов, компании сталкиваются со значительными препятствиями при разработке и внедрении. На основе нашего исследования мы разработали четырехэтапную структуру для интеграции технологий искусственного интеллекта, которые могут помочь компаниям в достижении их целей, будь то проекты лунных снимков или улучшения бизнес-процессов.

1. Понимание технологий

Прежде чем приступить к инициативе AI, компании должны понять, какие технологии выполняют какие типы задач, а также сильные и слабые стороны каждой из них. Например, экспертные системы на основе правил и роботизированная автоматизация процессов прозрачны в том, как они выполняют свою работу, но ни одна из них не способна к обучению и совершенствованию. С другой стороны, глубокое обучение отлично подходит для обучения на больших объемах помеченных данных, но практически невозможно понять, как оно создает модели.Эта проблема «черного ящика» может быть проблематичной в строго регулируемых отраслях, таких как финансовые услуги, в которых регулирующие органы настаивают на том, чтобы знать, почему решения принимаются определенным образом.

Мы столкнулись с несколькими организациями, которые зря тратили время и деньги на использование неподходящих технологий для работы. Но если они вооружены хорошим пониманием различных технологий, компании смогут лучше определить, какие из них могут наилучшим образом удовлетворить конкретные потребности, с какими поставщиками работать и как быстро можно внедрить систему. Для достижения этого понимания требуются постоянные исследования и обучение, обычно в рамках ИТ или инновационной группы.

В частности, компаниям необходимо будет использовать возможности ключевых сотрудников, таких как специалисты по обработке данных, которые обладают статистическими навыками и навыками работы с большими данными, необходимыми для изучения основ этих технологий. Главный фактор успеха — это желание ваших сотрудников учиться. Некоторые ухватятся за возможность, в то время как другие захотят использовать уже знакомые им инструменты.Стремитесь иметь высокий процент первых.

Если у вас нет собственных возможностей для анализа данных или аналитики, вам, вероятно, придется в ближайшем будущем создать экосистему внешних поставщиков услуг. Если вы планируете реализовать долгосрочные проекты в области ИИ, вам нужно нанять штатных экспертов. В любом случае для прогресса необходимо обладать правильными способностями.

Учитывая нехватку талантов в области когнитивных технологий, большинству организаций следует создать пул ресурсов — возможно, в централизованной функции, такой как ИТ или стратегия, — и предоставить экспертов для высокоприоритетных проектов в масштабах всей организации. По мере роста потребностей и талантов может иметь смысл выделять группы для выполнения определенных бизнес-функций или подразделений, но даже в этом случае центральная координирующая функция может быть полезна при управлении проектами и карьерой.

2. Создание портфеля проектов

Следующим шагом в запуске программы ИИ является систематическая оценка потребностей и возможностей, а затем разработка приоритетного портфеля проектов. В компаниях, которые мы изучали, это обычно делалось на семинарах или небольших консультациях.Мы рекомендуем компаниям проводить оценки по трем основным направлениям.

Определение возможностей.

Первая оценка определяет, в каких областях бизнеса когнитивные приложения могут принести наибольшую пользу. Как правило, они являются частями компании, где «знания» — понимание, полученное на основе анализа данных или набора текстов, — в цене, но по какой-то причине недоступны.

  • Узкие места. В некоторых случаях отсутствие когнитивных способностей вызвано узким местом в потоке информации; знания существуют в организации, но не оптимально распределены. Это часто имеет место, например, в здравоохранении, где знания, как правило, распределяются внутри практик, отделов или академических медицинских центров.
  • Проблемы масштабирования. В других случаях знания существуют, но процесс их использования занимает слишком много времени или требует больших затрат для масштабирования. Так часто бывает со знаниями, полученными финансовыми консультантами. Вот почему многие фирмы, занимающиеся инвестициями и управлением капиталом, теперь предлагают возможности «робо-консультирования» на базе искусственного интеллекта, которые предоставляют клиентам экономичные рекомендации по повседневным финансовым вопросам.
  • В фармацевтической промышленности Pfizer решает проблему масштабирования, используя IBM Watson для ускорения трудоемкого процесса исследования открытия лекарств в иммуноонкологии, нового подхода к лечению рака, который использует иммунную систему организма для борьбы с раком. Для вывода на рынок иммуноонкологических препаратов может потребоваться до 12 лет. Объединив обширный обзор литературы с собственными данными Pfizer, такими как лабораторные отчеты, Watson помогает исследователям выявить взаимосвязи и найти скрытые закономерности, которые должны ускорить идентификацию новых лекарственных препаратов, комбинированные методы лечения для исследования и стратегии отбора пациентов для этого нового класса. наркотиков.
  • Недостаточная огневая мощь. Наконец, компания может собрать больше данных, чем ее существующая человеческая или компьютерная мощь может адекватно проанализировать и применить. Например, компания может располагать огромными объемами данных о цифровом поведении потребителей, но не иметь представления о том, что это означает или как их можно применять в стратегических целях. Чтобы решить эту проблему, компании используют машинное обучение для поддержки таких задач, как программная покупка персонализированной цифровой рекламы или, в случае Cisco Systems и IBM, для создания десятков тысяч «моделей предрасположенности» для определения того, какие клиенты вероятнее всего купят. товары.

Определение вариантов использования.

Вторая область оценки оценивает варианты использования, в которых когнитивные приложения будут приносить существенную пользу и способствовать успеху бизнеса. Начните с ключевых вопросов, таких как: Насколько важно для вашей общей стратегии решение целевой проблемы? Насколько сложно будет реализовать предложенное решение AI — как технически, так и организационно? Стоят ли усилия от запуска приложения? Затем определите приоритетность вариантов использования, которые предлагают наиболее краткосрочную и долгосрочную ценность и которые в конечном итоге могут быть интегрированы в более широкую платформу или набор когнитивных возможностей для создания конкурентного преимущества.

Выбор технологии.

Третья область для оценки исследует, действительно ли инструменты ИИ, рассматриваемые для каждого варианта использования, соответствуют задаче. Чат-боты и интеллектуальные агенты, например, могут расстроить некоторые компании, потому что большинство из них пока не могут справиться с решением человеческих проблем, кроме простых сценариев (хотя они быстро улучшаются). Другие технологии, такие как автоматизация процессов с помощью роботов, которые могут упростить простые процессы, такие как выставление счетов, на самом деле могут замедлить работу более сложных производственных систем.И хотя системы визуального распознавания с глубоким обучением могут распознавать изображения на фотографиях и видео, им требуется много помеченных данных, и они могут быть не в состоянии понять сложное поле зрения.

Эта статья также встречается в:

Со временем когнитивные технологии изменят способ ведения бизнеса компаниями. Однако сегодня разумнее предпринять постепенные шаги с использованием имеющихся в настоящее время технологий при планировании трансформационных изменений в недалеком будущем. Возможно, вы в конечном итоге захотите передать взаимодействие с клиентами, например, ботам, но на данный момент, вероятно, более целесообразно — и разумно — автоматизировать вашу внутреннюю службу ИТ-поддержки в качестве шага к конечной цели.

3.

Стартовые пилоты

Поскольку разрыв между текущими и желаемыми возможностями ИИ не всегда очевиден, компаниям следует создавать пилотные проекты когнитивных приложений, прежде чем развертывать их на всем предприятии.

Пилотные пилотные проекты особенно подходят для инициатив, которые имеют высокую потенциальную ценность для бизнеса или позволяют организации тестировать разные технологии одновременно. Будьте особенно осторожны, чтобы избежать «инъекции» проектов руководителями высшего звена, на которые оказали влияние поставщики технологий.Тот факт, что руководители и совет директоров могут почувствовать давление с целью «сделать что-то познавательное», не означает, что вы должны обходить строгий процесс пилотирования. Внедренные проекты часто терпят неудачу, что может существенно подорвать программу ИИ в организации.

Если ваша компания планирует запустить несколько пилотных проектов, подумайте о создании когнитивного центра передового опыта или аналогичной структуры для управления ими. Такой подход помогает развить необходимые технологические навыки и возможности внутри организации, а также помогает переместить небольшие пилотные проекты в более широкие приложения, которые окажут большее влияние.В компании Pfizer реализовано более 60 проектов, в которых используются когнитивные технологии; многие из них являются пилотами, а некоторые сейчас находятся в производстве.

В Becton, Дикинсон, подразделение «глобальной автоматизации» в ИТ-организации наблюдает за рядом пилотных проектов когнитивных технологий с использованием интеллектуальных цифровых агентов и RPA (некоторая работа выполняется в партнерстве с организацией Global Shared Services компании). Глобальная группа автоматизации использует сквозные карты процессов для руководства внедрением и определения возможностей автоматизации.Группа также использует графические «тепловые карты», которые указывают на организационную деятельность, наиболее подверженную вмешательству ИИ. Компания успешно внедрила интеллектуальных агентов в процессы ИТ-поддержки, но пока не готова поддерживать крупномасштабные корпоративные процессы, такие как от заказа до оплаты. Страховая компания Anthem разработала аналогичную централизованную функцию искусственного интеллекта, которую она называет Cognitive Capability Office.

Редизайн бизнес-процессов.

По мере разработки проектов когнитивных технологий подумайте о том, как можно изменить рабочие процессы, уделяя особое внимание разделению труда между людьми и ИИ.В некоторых когнитивных проектах 80% решений будут приниматься машинами, а 20% — людьми; у других будет противоположное соотношение. Систематическая перестройка рабочих процессов необходима для того, чтобы люди и машины дополняли друг друга и компенсировали слабые стороны.

Инвестиционная компания Vanguard, например, предлагает новое предложение «Услуги личного советника» (PAS), которое сочетает в себе автоматизированные консультации по инвестициям с советами консультантов-людей. В новой системе когнитивные технологии используются для выполнения многих традиционных задач инвестиционного консультирования, включая создание индивидуального портфеля, изменение баланса портфелей с течением времени, сбор налоговых убытков и выбор эффективных с точки зрения налогообложения инвестиций. Человеческие консультанты Vanguard служат «инструкторами по инвестированию», которым поручено отвечать на вопросы инвесторов, поощрять здоровое финансовое поведение и быть, говоря словами Vanguard, «эмоциональными выключателями», чтобы держать инвесторов в курсе. Советникам рекомендуется узнать о поведенческих финансах для эффективного выполнения этих ролей. Подход PAS быстро собрал более 80 миллиардов долларов в активах под управлением, затраты ниже, чем затраты на чисто человеческое консультирование, а удовлетворенность клиентов высока.

Компания

Vanguard осознала важность изменения рабочего процесса при внедрении PAS, но многие компании просто «прокладывают путь коровам», автоматизируя существующие рабочие процессы, особенно при использовании технологии RPA. Автоматизируя установленные рабочие процессы, компании могут быстро реализовывать проекты и достигать рентабельности инвестиций, но они упускают возможность в полной мере использовать возможности искусственного интеллекта и существенно улучшить процесс.

Когнитивная работа по редизайну часто выигрывает от применения принципов дизайн-мышления: понимание потребностей клиентов или конечных пользователей, вовлечение сотрудников, работа которых будет реструктурирована, рассмотрение дизайна как экспериментальных «первых черновиков», рассмотрение множества альтернатив и явный учет возможностей когнитивных технологий в процесс проектирования.Большинство когнитивных проектов также подходят для итеративного гибкого подхода к разработке.

4. Увеличение масштаба

Многие организации успешно запустили когнитивные пилотные проекты, но не достигли такого успеха в их развертывании в масштабах всей организации. Для достижения своих целей компаниям необходимы подробные планы масштабирования, что требует сотрудничества между экспертами по технологиям и владельцами автоматизируемых бизнес-процессов. Поскольку когнитивные технологии обычно поддерживают отдельные задачи, а не целые процессы, масштабирование почти всегда требует интеграции с существующими системами и процессами. Действительно, в нашем опросе руководители сообщили, что такая интеграция была самой большой проблемой, с которой они столкнулись в инициативах по ИИ.

Компании должны начать процесс масштабирования с рассмотрения того, возможна ли вообще необходимая интеграция. Если приложение зависит от специальной технологии, которую трудно получить, например, это ограничит масштабирование. Убедитесь, что владельцы ваших бизнес-процессов обсуждают вопросы масштабирования с ИТ-организацией до или во время пилотного этапа: конечный запуск ИТ вряд ли будет успешным даже для относительно простых технологий, таких как RPA.

Страховая компания Anthem, например, берет на себя разработку когнитивных технологий в рамках крупной модернизации существующих систем. Вместо того, чтобы привязывать новые когнитивные приложения к устаревшим технологиям, Anthem использует целостный подход, который максимизирует ценность, создаваемую когнитивными приложениями, снижает общую стоимость разработки и интеграции и создает эффект ореола в устаревших системах. В то же время компания модернизирует процессы, чтобы, как выразился ИТ-директор Том Миллер, «использовать когнитивные функции, чтобы вывести нас на новый уровень.”

При увеличении масштаба компании могут столкнуться с серьезными проблемами управления изменениями. В одной из сетей розничной торговли одеждой в США, например, пилотный проект в небольшом подмножестве магазинов использовал машинное обучение для онлайн-рекомендаций по продуктам, прогнозов для оптимальных запасов и моделей быстрого пополнения, а также, что наиболее сложно, мерчендайзинга. Покупатели, привыкшие заказывать товар на основе своей интуиции, чувствовали угрозу и комментировали: «Если вы собираетесь верить этому, зачем я вам нужен?» После пилотного проекта покупатели всей группой пошли к начальнику отдела мерчандайзинга и потребовали прекратить программу.Исполнительный директор указал, что результаты были положительными и оправдывают расширение проекта. Он заверил покупателей, что, освободившись от определенных задач по сбыту товаров, они могут взять на себя более значительную работу, которую люди могут выполнять лучше, чем машины, например, понимание желаний молодых клиентов и определение будущих планов производителей одежды. В то же время он признал, что мерчандайзеров необходимо обучать новому способу работы.

Для достижения желаемых результатов за счет увеличения масштабов фирмы также должны сосредоточиться на повышении производительности.Многие, например, планируют повысить свою продуктивность, добавляя клиентов и транзакции без увеличения штата. Компаниям, которые ссылаются на сокращение численности персонала в качестве основного оправдания инвестиций в ИИ, в идеале следует планировать достижение этой цели с течением времени за счет выбытия сотрудников или отказа от аутсорсинга.

Познавательная компания будущего

Наш опрос и интервью показывают, что менеджеры, имеющие опыт работы с когнитивными технологиями, оптимистично оценивают их перспективы. Хотя первые успехи относительно скромны, мы ожидаем, что эти технологии в конечном итоге изменят работу.Мы считаем, что компании, которые постепенно внедряют ИИ сейчас и имеют агрессивные планы внедрения в будущем, окажутся в таком же удобном положении, чтобы получить выгоду, как и компании, которые на раннем этапе использовали аналитику.

Благодаря применению ИИ информационные области, такие как маркетинг, здравоохранение, финансовые услуги, образование и профессиональные услуги, могут стать одновременно более ценными и менее дорогостоящими для общества. Кропотливая рутинная работа в каждой отрасли и сфере деятельности — наблюдение за рутинными операциями, многократные ответы на одни и те же вопросы и извлечение данных из бесконечных документов — может стать уделом машин, что позволит людям работать более продуктивно и творчески.Когнитивные технологии также являются катализатором успеха других технологий с интенсивным использованием данных, включая автономные транспортные средства, Интернет вещей, а также мобильные и многоканальные потребительские технологии.

Когнитивные технологии опасаются того, что они лишат работы массу людей. Конечно, возможна потеря работы, поскольку умные машины берут на себя определенные задачи, традиционно выполняемые людьми. Однако мы считаем, что на данный момент большинству рабочих нечего опасаться. Когнитивные системы выполняют задачи, а не всю работу.Убытки рабочих мест, которые мы наблюдали, были вызваны главным образом убытком работников, которые не были заменены, или автоматизацией работы по найму. Большинство когнитивных задач, выполняемых в настоящее время, дополняют человеческую деятельность, выполняют узкую задачу в рамках гораздо более широкой работы или выполняют работу, которая изначально не выполнялась людьми, например, анализ больших данных.

Большинство менеджеров, с которыми мы обсуждаем проблему потери работы, привержены стратегии увеличения, то есть интеграции человеческого и машинного труда, а не полной замены людей.В нашем опросе только 22% руководителей указали, что считают сокращение штата главным преимуществом ИИ.

Мы считаем, что каждая крупная компания должна изучать когнитивные технологии. На дороге появятся неровности, и нет места для самоуспокоения по вопросам перемещения рабочей силы и этики интеллектуальных машин. Но при правильном планировании и развитии когнитивные технологии могут открыть золотой век производительности, удовлетворения от работы и процветания.

Версия этой статьи появилась в выпуске журнала Harvard Business Review за январь – февраль 2018 г. (стр. 108–116).

Искусственный интеллект (AI) в бизнесе

Что такое искусственный интеллект (ИИ) в бизнесе?

Влияние искусственного интеллекта на бизнес, согласно Accenture, может повысить производительность на 40 процентов и более.Согласно статистике Всемирного экономического форума о влиянии ИИ к 2022 году более 75 миллионов рабочих мест будут заменены ИИ, что в то же время создаст 133 миллиона рабочих мест, опровергая ошибочное представление о том, что внедрение ИИ оставит без работы больше людей.

Что такое искусственный интеллект (ИИ) в бизнесе?

В связи с растущим объемом данных, доступных сегодня, и постоянно меняющимися предпочтениями и сложностью клиентов, компании больше не могут полагаться на традиционные методы ведения бизнеса для стимулирования роста.Эти радикальные изменения открыли новые возможности с помощью ИИ для стимулирования роста бизнеса за счет практических идей, полученных на основе данных о клиентах.

Искусственный интеллект в бизнесе просто предполагает использование интеллектуального компьютерного программного обеспечения с человеческими возможностями для увеличения доходов, улучшения качества обслуживания клиентов, повышения производительности и эффективности, а также для стимулирования роста и трансформации бизнеса.

Почему компаниям следует использовать ИИ?

Бизнес-процессы в 21 -м веке характеризуются высоким уровнем сложности, включая задачи, которые вызывают стресс и неэффективны для выполнения людьми.В современном мире в бизнесе доминирует эпоха данных. Компании могут получить ценную информацию о стратегиях, которые могут радикально стимулировать рост на основе данных.

Следовательно, потребность компаний в уникальном понимании потребностей и предпочтений клиентов неоценима в современном деловом мире; для процветания и поддержания актуальности в условиях жесткой конкуренции. Используя искусственный интеллект в бизнесе, компании теперь могут уникальным образом понимать и привлекать клиентов, автоматизировать бизнес-процессы и повышать производительность и доход при одновременном сокращении операционных расходов.

Примеры искусственного интеллекта в бизнесе

Нынешняя эра данных стимулировала рост многих приложений искусственного интеллекта в бизнесе , включая аналитику данных, персонализированные бизнес-предложения и автоматизацию.

Вот несколько примеров искусственного интеллекта в бизнесе :

  1. AI в обслуживании клиентов

    Замена людей искусственным интеллектом в обслуживании клиентов — еще один спорный пример искусственного интеллекта в бизнесе. С появлением чат-ботов клиенты теперь могут взаимодействовать с компаниями в режиме реального времени, чтобы решать жалобы, размещать заказы, получать информацию и делать почти все, что им потребуется, от разговора с представителем службы поддержки клиентов.

    По данным Gartner, к 2020 году 85% взаимодействий с клиентами будут управляться без участия человека. Это революционное нововведение искусственного интеллекта в бизнесе снизит потребность в людях во взаимодействии с клиентами, сокращая бизнес-расходы и значительно улучшая доступность обслуживания клиентов и общение опыт.

  1. Бизнес-аналитика

    В связи с увеличением объема доступных бизнес-данных поиск понимания на основе данных может быть довольно сложной задачей. Это привело к регулярному внедрению искусственного интеллекта в бизнес-аналитику для получения ценной информации из данных.

    Эти идеи помогают компаниям повысить эффективность маркетинга, лучше понять клиентов, выполнить сегментацию для создания персонализированного опыта и разработать бизнес-стратегии, помогающие принимать корпоративные решения, и использовать искусственный интеллект в управлении бизнесом.

    Сегодня существует целый ряд инструментов, предполагающих использование искусственного интеллекта в бизнес-аналитике . Популярные инструменты включают Microsoft Power BI, который помогает компаниям получать ключевую аналитику, чтобы узнать, какие стратегии и решения имеют большое влияние на бизнес-показатели. Кроме того, интеграция возможностей машинного обучения в Power BI может помочь предприятиям создавать модели машинного обучения, чтобы делать ценные прогнозы и предсказания на основе данных и автоматизировать бизнес-процессы.

  1. Персонализированный и целевой маркетинг

    Ключ к росту доходов компании требует знания потребностей потребителя и знания того, что продавать каждому потребителю. В нашем мире растущего цифрового взаимодействия клиенты имеют крайне ограниченное время, так как слишком много компаний пытаются продать им свои продукты. Это объясняет растущую потребность продавать только то, что привлекает каждого покупателя, а также знание того, кто будет продавать каждый продукт компании.

    Благодаря данным, полученным в результате онлайн-активности клиентов, компании теперь могут использовать ИИ для прогнозирования и определения целевой аудитории, кому продавать конкретный продукт, чтобы одновременно увеличить шансы продаж и эффективность маркетинговой деятельности, снижая общие затраты на маркетинг .

  1. Рекомендации по продукту и прогнозная аналитика

    Чтобы повысить эффективность маркетинговых усилий и привлечь клиентов к продукту компании, компании должны иметь возможность рекомендовать продукты, которые сохранят интерес их клиентов и удовлетворят их желания. Такие компании, как Netflix, Spotify, Amazon и т. Д., Теперь используют ИИ, чтобы понять привычки / поведение клиентов, чтобы предсказать, какой продукт порекомендовать.

    Spotify, например, отслеживает и понимает поведение пользователей при прослушивании и песенные предпочтения, а также использует искусственный интеллект для предоставления рекомендаций по песням, которые могут понравиться каждому пользователю.Другие компании, такие как Netflix, используют системы рекомендаций искусственного интеллекта, чтобы развлекать пользователей и увлекать их своим продуктом, предоставляя рекомендации по фильмам, которые уникальны для каждого пользователя, исходя из их опыта.

    Примерно 75 процентов того, что пользователи смотрят на Netflix, приходится на эти рекомендации, а рекомендация компании по искусственному интеллекту сокращает расходы примерно на 1 миллиард долларов в год. Банки и финтех-компании также используют ИИ для прогнозной аналитики, обнаружения мошенничества и определения клиентов, которые могут погасить кредиты, до утверждения запросов на кредит.

  1. Обработка естественного языка

    Если вы один из тех, кто спрашивает, «когда машины смогут читать, писать и понимать языки, как люди?» Что ж, ответ — СЕЙЧАС! Благодаря достижениям в области обработки естественного языка компании теперь предлагают интеллектуальные цифровые помощники, помогающие пользователям выполнять рутинные задачи.

    Компании теперь используют ИИ для создания автоматизированных бизнес-отчетов без участия человека, а также проводят анализ настроений, чтобы понять, как люди воспринимают их бренд по различным онлайн-комментариям, твитам и т. Д., о компании.

    Благодаря анализу настроений компании могут постоянно понимать, как люди воспринимают свои продукты и услуги. Это помогает улучшить качество услуг и персонализированные предложения продуктов.

Преимущества искусственного интеллекта в бизнесе

Преимущества, которые компании могут получить от использования ИИ, безграничны и включают:

  • Автоматизация процессов
  • Более положительные результаты от маркетинговой деятельности и увеличение доходов
  • Лучшее понимание клиентов и улучшение качества предлагаемых услуг
  • Обнаружение мошенничества
  • Улучшенное и более надежное обслуживание клиентов

Вызовы

Применение искусственного интеллекта в бизнесе постоянно расширяется. Однако этому росту угрожают некоторые критические факторы, ограничивающие использование технологий ИИ в бизнесе.

  1. Недостаток данных

    Даже с учетом обилия данных, доступных сегодня компаниям, внедрение искусственного интеллекта в некоторых отношениях остается сложной задачей. Для работы машинного обучения, на котором основано большинство приложений искусственного интеллекта в бизнесе , для обучения модели требуются большие объемы данных.

    Это ограничивает использование ИИ в новых сферах бизнеса, где нет данных.Огромный объем данных, которые у нас есть, в большинстве случаев в значительной степени неструктурирован и немаркирован, и с большинством приложений ИИ, включая контролируемое обучение на основе помеченных данных, это создает определенные проблемы для использования искусственного интеллекта в бизнесе.

  1. Смещение алгоритма

    Недавно Microsoft и Amazon приостановили продажу своего программного обеспечения для распознавания лиц ИИ правоохранительным органам из-за этнических, расовых и гендерных предубеждений в этом программном обеспечении. Это иллюстрирует главную проблему ИИ, показывая, насколько плохо алгоритм может работать при обучении на предвзятых данных. В будущем такие предубеждения будут должным образом устранены системами ИИ, но на данный момент они представляют собой серьезную угрозу для внедрения ИИ в некоторых областях применения.

    Другие проблемы включают:

    • Ограничения текущих вычислительных возможностей
    • Проблемы угроз безопасности и конфиденциальности данных (поскольку использование ИИ предполагает сбор конфиденциальной информации людей).

(Читайте также: Последние разработки в области искусственного интеллекта)

Компании, трансформировавшие свою деятельность с помощью ИИ

Большинство ведущих мировых компаний радикально взяли на вооружение ИИ. Вот некоторые из ведущих компаний, использующих возможности ИИ.

  • Alibaba: Благодаря интеграции ИИ в свои бизнес-операции, Alibaba использует ИИ для прогнозирования продуктов, которые клиенты могут захотеть приобрести, а также для автоматического создания описаний продуктов
  • Uber: Еще одна крупная компания, трансформирующая мир бизнеса с помощью ИИ, — это гигант такси Uber. Uber использует искусственный интеллект для прогнозирования спроса, тем самым сокращая расчетное время прибытия и эффективно подбирая пассажиров и водителей, снижая посещаемость церкви. Благодаря функции чата в один клик с искусственным интеллектом Uber водители могут общаться с водителями одним щелчком мыши с помощью рекомендаций автоматического ответа на сообщения водителя.

Другие крупные компании, которые преобразовали бизнес-операции с помощью ИИ, включают:

  • Amazon с их рекомендациями по искусственному интеллекту, автоматизированными заводами и цифровым помощником Amazon Alexa
  • Tesla со своими автономными автомобилями
  • Microsoft с Power BI и платформой машинного обучения Azure

Будущие тенденции в области ИИ

Если посмотреть на захватывающие будущие тенденции ИИ, в ближайшем будущем мы должны ожидать:

  • Созданные с помощью ИИ песни и фильмы развлекательными компаниями
  • Полностью автоматизированные заводы, не требующие контроля человека
  • Использование ИИ для генерации качественных обучающих данных для себя, для решения проблемы предвзятости и нехватки данных и многого другого.

Будущие возможности искусственного интеллекта впервые предоставят людям реальную возможность спроектировать будущее именно так, как мы хотим.

Последние мысли

«Искусственный интеллект станет последней версией Google. Лучшая поисковая машина, которая поймет все, что есть в сети », — утверждает Ларри Пейдж. «Он точно поймет, чего вы хотите, и даст вам то, что нужно. Сейчас мы и близко не подошли к этому. Однако мы можем постепенно приближаться к этому, и в основном это то, над чем мы работаем.”

Мы только касаемся ИИ, и его возможности могут только экспоненциально увеличиваться. Компании, которые не хотят упускать революционное будущее бизнеса, неизбежно должны использовать ИИ в качестве ориентира.

бизнес-приложений для искусственного интеллекта: обновление на 2020 год

Обсуждение искусственного интеллекта (ИИ) вызывает широкий спектр чувств. На одном конце спектра — страх потери работы, спровоцированный революцией ботов. Напротив, это восхищение чрезмерными перспективами того, чего люди могут достичь с помощью машинного увеличения.

Но доктор Марк Эспозито хочет подкрепить разговор реальностью. Эспозито является соучредителем Nexus Frontier Tech и преподавателем двухдневной интенсивной программы Гарвардского университета «Искусственный интеллект в бизнесе: создание ценности с помощью машинного обучения».

Вместо того, чтобы думать о том, что могло бы быть, он говорит, что компании, желающие внедрить ИИ, должны посмотреть на то, что уже существует.

AI стал последним модным словом в сфере технологий во всем, от Кремниевой долины до Китая. Но первая часть ИИ, искусственный нейрон, была разработана в 1943 году ученым Уильямом Маккалоком и логиком Уолтером Питтсом. С тех пор мы прошли долгий путь в понимании и разработке моделей, способных к пониманию, прогнозированию и анализу.

Как предприятия используют ИИ сегодня

Искусственный интеллект уже широко используется в бизнес-приложениях, включая автоматизацию, анализ данных и обработку естественного языка. Во всех отраслях эти три области ИИ оптимизируют операции и повышают эффективность.

Автоматизация устраняет повторяющиеся или даже опасные задачи. Аналитика данных дает предприятиям невиданные ранее возможности. Обработка естественного языка обеспечивает интеллектуальные поисковые системы, полезные чат-боты и лучшую доступность для людей с ослабленным зрением.

Другие распространенные применения ИИ в бизнесе:

  • Передача и перекрестные ссылки данных; обновление файлов
  • Прогнозирование поведения потребителей и рекомендации по продуктам
  • Обнаружение мошенничества
  • Персонализированные рекламные и маркетинговые сообщения
  • Обслуживание клиентов по телефону или через чат-ботов

Действительно, многие эксперты отмечают, что бизнес-приложения ИИ достигли такого уровня развития, что мы живем и работаем вместе с ним каждый день, даже не осознавая этого.

В 2018 году журнал Harvard Business Review предсказал, что ИИ окажет наибольшее влияние на маркетинговые услуги, управление цепочками поставок и производство.

Спустя два года мы наблюдаем, как эти прогнозы исполняются в реальном времени. Например, быстрый рост маркетинга в социальных сетях на основе ИИ позволяет брендам легко, чем когда-либо, персонализировать взаимодействие с клиентами, поддерживать связь с ними и отслеживать успех своих маркетинговых усилий.

Управление цепочками поставок также готово значительно продвинуться вперед на основе ИИ в ближайшие несколько лет.Технологии интеллектуального анализа процессов все чаще будут предоставлять компаниям точные и всесторонние сведения для мониторинга и улучшения операций в режиме реального времени.

Другие области, в которых мы можем ожидать значительных достижений на основе искусственного интеллекта, включают отрасль здравоохранения, прозрачность и безопасность данных.

Что касается пациентов в сфере здравоохранения, мы, вероятно, увидим помощь ИИ во всем, от раннего обнаружения до немедленной диагностики. Со стороны врачей искусственный интеллект, вероятно, будет играть более важную роль в оптимизации процессов планирования и помощи в сохранении данных о пациентах.

Прозрачность и безопасность данных — еще одна область, в которой ИИ, как ожидается, существенно изменит ситуацию в ближайшие годы. Поскольку клиенты узнают, сколько данных собирают компании, потребность в большей прозрачности того, какие данные собираются, как они используются и как они защищены, будет только расти.

Кроме того, как отмечает Эспозито, по-прежнему существуют значительные возможности для расширения использования ИИ в финансах и банковском деле — двух секторах с огромным объемом данных и огромным потенциалом для модернизации на основе ИИ, но которые все еще сильно зависят от устаревших процессов.

Для некоторых отраслей повсеместное внедрение ИИ зависит от этических соображений по обеспечению общественной безопасности.

Этика в AI

В то время как кибербезопасность долгое время была проблемой в мире технологий, некоторые компании теперь должны также учитывать физические угрозы для населения. В сфере транспорта это особенно актуально.

Например, как автономные транспортные средства должны реагировать в случае неизбежной аварии, является большой темой для обсуждения. Такие инструменты, как Moral Machine Массачусетского технологического института, были разработаны для оценки общественного мнения о том, как должны работать беспилотные автомобили, когда невозможно избежать человеческого вреда.

Но этический вопрос выходит далеко за рамки того, как уменьшить ущерб. Это заставляет разработчиков задаться вопросом, является ли мораль ставить жизнь одного человека выше другой, задать вопрос, должны ли такие факторы, как возраст, род занятий и криминальное прошлое, определять, когда человек будет спасен в результате несчастного случая.

Подобные проблемы являются причиной того, что Эспозито призывает к глобальному ответу на этические нормы в области ИИ.

«Учитывая потребность в специфичности при разработке алгоритмов принятия решений, вполне естественно, что потребуется международный орган для установления стандартов, в соответствии с которыми разрешаются моральные и этические дилеммы», — говорит Эспозито в своем сообщении на Всемирном экономическом форуме.

Важно подчеркнуть глобальный аспект этих стандартов. Страны по всему миру участвуют в гонке вооружений ИИ, быстро разрабатывая мощные системы. Возможно, слишком быстро.

Если гонка за разработкой искусственного интеллекта приведет к небрежности в создании «этических» алгоритмов, ущерб может быть огромным. Международные стандарты могут дать разработчикам руководящие принципы и параметры, которые гарантируют, что машинные системы уменьшают риск и ущерб так же, как и человека, если не лучше.

Демистификация искусственного интеллекта для владельцев бизнеса

По словам Эспозито, в деловом мире существует множество недоразумений относительно текущих возможностей и будущего потенциала ИИ.В Nexus он и его партнеры работают со стартапами и малыми предприятиями, чтобы внедрить решения на основе искусственного интеллекта, которые могут упростить операции или решить проблемы.

Эспозито рано обнаружил, что многие владельцы бизнеса считают, что ИИ может делать все, что может сделать человек, и даже больше. Лучший подход включает определение конкретных вариантов использования.

«Чем больше вы узнаете об этой технологии, тем больше понимаете, что ИИ — это очень мощный инструмент», — говорит Эспозито. «Но это должно быть определено очень узко. Если у вас нет узких рамок, это не сработает.”

Для компаний, желающих использовать ИИ, Эспозито говорит, что первым делом нужно посмотреть, какие части ваших текущих операций можно оцифровать. Вместо того, чтобы придумывать волшебное решение, предприятиям следует рассмотреть существующие технологии, которые могут высвободить ресурсы или предоставить новые идеи.

«Низкий плод — это признание того, где в цепочке создания стоимости они могут улучшить операции», — говорит Эспозито. «ИИ не начинается с ИИ. Все начинается на уровне компании ».

Например, компании, которые уже оцифровали платежные ведомости, обнаружат, что они собирают много данных, которые могут помочь спрогнозировать будущие расходы.Это позволяет предприятиям нанимать и работать с большей предсказуемостью, а также упростить задачи по бухгалтерскому учету.

Компании, трансформировавшие свою деятельность с помощью ИИ

Одна компания, которая успешно интегрировала технологии искусственного интеллекта во многие аспекты своего бизнеса, — это Unilever, корпорация по производству потребительских товаров. Помимо оптимизации приема на работу и адаптации, ИИ помогает Unilever максимально эффективно использовать огромные объемы данных.

Data информирует многое о том, что делает Unilever, от прогнозов спроса до маркетинговой аналитики.Согласно Diginomica , компания заметила, что их источники данных поступают из различных интерфейсов и API. Это затрудняло доступ и делало данные ненадежными.

В ответ Unilever разработала собственные платформы для хранения данных и обеспечения легкого доступа к ним для своих сотрудников. Платформа Unilever, дополненная инструментом Microsoft Power BI, собирает данные как из внутренних, так и из внешних источников. Он хранит данные в универсальном озере данных, где они хранятся, чтобы их можно было использовать на неопределенный срок для чего угодно, от бизнес-логистики до разработки продуктов.

Amazon — еще один первопроходец. Еще до того, как виртуальный помощник Алекса появился в каждом доме в Америке, Amazon была новатором в использовании машинного обучения для оптимизации управления запасами и доставки.

Благодаря полностью надежной системе с поддержкой искусственного интеллекта Amazon смогла совершить успешный набег на пищевую промышленность благодаря приобретению Whole Foods, которая теперь пользуется услугами доставки Amazon.

Эспозито говорит, что такая масштабируемость является ключевой для компаний, стремящихся разрабатывать новые продукты ИИ.Затем они могут применить эту технологию на новых рынках или в приобретенном бизнесе, что необходимо для того, чтобы технология набрала обороты.

И Unilever, и Amazon являются образцовыми, потому что они решают текущие проблемы с помощью уже доступных технологий. И они прогнозируют сбой в отрасли, чтобы оставаться впереди всех.

Конечно, эти два примера — крупные корпорации с глубокими карманами. Но Эспозито считает, что большинство компаний, думающих об ИИ реалистично и стратегически, могут достичь своих целей.

Взгляд в недалекое будущее

Заглядывая в будущее, начиная с 2020 года, становится все более очевидным, что ИИ будет работать только вместе с людьми, а не вместо людей.

«Каждое крупное место, где происходит множественная динамика, действительно может быть улучшено с помощью этих технологий», — говорит Эспозито. «И я хочу подчеркнуть тот факт, что мы хотим, чтобы эти технологии улучшали общество, а не вытесняли рабочих».

Чтобы развеять опасения по поводу потери работы, Эспозито говорит, что владельцы бизнеса могут вести разговор о создании новых, более функциональных рабочих мест.По мере того как технологии повышают эффективность и создают новые идеи, обязательно возникнут новые рабочие места, основанные на этих улучшениях.

«Рабочие места создаются благодаря пониманию того, что мы делаем и что мы можем делать лучше», — говорит Эспозито.

Кроме того, разработчики должны сосредоточиться на создании технологий, которые являются вероятностными, а не детерминированными. В вероятностном сценарии ИИ может предсказать, насколько вероятно, что человек вернет ссуду, на основе своей истории, а затем дать рекомендации кредитору. Детерминированный ИИ просто примет это решение, игнорируя любую неопределенность.

«Между машинами и людьми должно быть сотрудничество», — говорит Эспозито. «Но мы никогда не будем приглашать машины принимать решения от имени людей».

AI и машинное обучение в бизнесе


Искусственный интеллект (ИИ), который когда-то ограничивался научно-фантастическими романами, фильмами и исследовательскими работами, теперь оказывает огромное влияние на общество.

Сегодня существует множество приложений искусственного интеллекта для потребителей и бизнеса, от Apple Siri до DeepMind от Google.Siri, например, использует обработку естественного языка (NLP) для интерпретации голосовых команд и соответствующего реагирования. С другой стороны, DeepMind от Google использует глубокое обучение. Он способен устанавливать связи и достигать значений, не полагаясь на предопределенные поведенческие алгоритмы, вместо этого учится на опыте и использует необработанные данные в качестве входных данных. Фактически, применив результаты DeepMind, Google смог повысить эффективность своих собственных центров питания, сократив энергию, используемую для охлаждения, на 40%.

В деловом мире искусственный интеллект позволяет предприятиям работать умнее и быстрее, делая больше с меньшими затратами. По мере того как технологии и общество продолжают развиваться, все больше организаций ищут мощные и сложные решения, которые улучшат и оптимизируют операции.

Но важно понимать, что искусственный интеллект — это «зонтик», под которым находится ряд различных технологий. Машинное обучение, глубокое обучение, робототехника, компьютерное зрение, когнитивные вычисления, общий искусственный интеллект, обработка естественного языка и рассуждение знаний — это лишь некоторые из основных ветвей искусственного интеллекта.

Современное состояние искусственного интеллекта

Однако многие из приложений искусственного интеллекта, которые мы видим сегодня, считаются «слабым ИИ», потому что мы еще не раскрыли их истинный потенциал. Слабый ИИ, также известный как «узкий ИИ», — это неразумный искусственный интеллект, который сосредоточен только на одной задаче. Приложения искусственного интеллекта
, доступные в настоящее время, необходимо обучать или направлять, чтобы обеспечить понимание, необходимое пользователю.

Strong AI, с другой стороны, относится к приложениям искусственного интеллекта, которые могут легко формулировать свои собственные решения без участия человека, применять интеллект для решения множества проблем, а также функционировать и вести себя как человек.Мы довольно далеко от сильного ИИ.

Тем не менее, несмотря на то, что нынешние решения ИИ не являются «настоящим» искусственным интеллектом, преимущества и возможности, которые они предоставляют, огромны — и многие отрасли уже внедрили некоторые формы искусственного интеллекта в свои повседневные процессы.

Современные отрасли, применяющие искусственный интеллект в повседневных операциях

В некоторых отраслях ИИ способен автоматизировать процессы бизнес-аналитики и анализа, обеспечивая целостное комплексное решение.В других странах компьютерное зрение используется для картографирования местности и навигации по ней, что способствует разработке умных самоуправляемых автомобилей, которые учатся водить машину, как люди. Ниже приведены лишь несколько примеров того, как ИИ используется для повышения эффективности:

  • Банковское дело и финансы — обнаружение мошенничества
    Многие банки используют различные приложения искусственного интеллекта для обнаружения мошеннической деятельности. Программному обеспечению AI предоставляется очень большая выборка данных, которая включает мошеннические и немошеннические покупки, и обучается определять, действительна ли транзакция на основе данных.Со временем программное обеспечение становится невероятно искусным в обнаружении мошеннических транзакций на основе того, что оно узнало ранее.
  • Розничная торговля — онлайн-поддержка клиентов
    Многие веб-сайты теперь предлагают некоторую форму функции «чата», где вы можете поговорить с представителем службы поддержки или торговым представителем. В большинстве случаев эти разговоры начинается с некоторой формы автоматизированного ИИ. Поскольку эти чат-боты AI способны понимать естественный язык, то есть человеческий разговор, они могут легко помочь клиентам узнать, что им нужно знать, извлечь информацию с веб-сайта и направить их на соответствующую веб-страницу или к человеку для получения дополнительной поддержки.
  • Безопасность
    По мере увеличения частоты кибератак и использования более сложных инструментов для взлома киберзащиты, людей-операторов уже недостаточно. Ведущие компании по всему миру вкладывают значительные средства в кибербезопасность, чтобы обеспечить защиту своих данных. Обнаружение угроз в реальном времени, смягчение и, в идеале, предотвращение — вот что необходимо для бизнеса, и ИИ может это обеспечить. Используя алгоритмы машинного обучения и передавая этим алгоритмам большие объемы данных, ИТ-специалисты и специалисты по безопасности могут научить ИИ-решение отслеживать поведение, обнаруживать аномалии, адаптироваться и реагировать на угрозы и предупреждения о проблемах.Искусственный интеллект быстро стал ключевым компонентом инфраструктуры кибербезопасности бизнеса, предоставляя многоуровневую стратегию безопасности, которая является надежной и сложной.

Подготовка к интеграции решений на основе искусственного интеллекта между отделами

Организации, которые быстро реагируют на возможности применения искусственного интеллекта, получат преимущество в будущем. Но поскольку ИИ быстро развивается, задача состоит в том, чтобы у бизнеса были необходимые стратегии и планы для поддержки возможностей ИИ по мере их появления, а также необходимая техническая инфраструктура для поддержки внедрения ИИ.Для многих компаний вопрос не в том, стоит ли применять ИИ, а в том, когда их применять. Исходя из этого, для успешного внедрения ИИ необходимы мониторинг развития технологий ИИ и заблаговременное планирование.

Оптимальная стратегия — наблюдать, изучать и экспериментировать с существующим ИИ. Слишком большие вложения в искусственный интеллект, который оказывается неэффективным, нанесет ущерб принятию и использованию бизнесом будущих решений на основе искусственного интеллекта. Вместо этого попытайтесь определить, какую пользу вашему бизнесу может принести ИИ — и как его можно встроить в основные процессы для повышения эффективности.Начните с результатов, которых вы хотите достичь при модернизации своей ИТ-среды. Помните, что ИИ не обязательно в ближайшее время заменит людей-операторов, но он даст организациям возможность делать гораздо больше.

Курс по искусственному интеллекту (ИИ) для бизнеса — Wharton Online

Искусственный интеллект для бизнеса

«Многие считают, что алгоритмы на основе искусственного интеллекта представляют собой величайшую возможность для прогресса человечества. Но их непредсказуемость также представляет собой самую большую угрозу, и не совсем ясно, какие шаги следует предпринять нам как конечным пользователям ».
— Картик Хосанагар, профессор Джона К. Хауэра; Профессор операций, информации и решений, The Wharton School

Искусственный интеллект для бизнеса — это онлайн-программа для учащихся, стремящихся к конкурентному преимуществу в новых бизнес-технологиях. Этот четырехнедельный сертификат будет полезен специалистам, ориентированным на технологии, онлайн-маркетологам, статистикам, новаторам в области автоматизации и специалистам в области данных.

Описание курса:

В курсе искусственного интеллекта вы узнаете основы больших данных, искусственного интеллекта и машинного обучения и узнаете, как использовать эти технологии для поддержки стратегии вашей организации. Профессор Картик Хосанагар из Wharton School разработал этот курс, чтобы помочь вам лучше понять ИИ и машинное обучение, используя примеры из реальной жизни. Вы узнаете о различных типах и методах машинного обучения, а также о том, как компании успешно применяют машинное обучение.Вы также узнаете об этике и рисках ИИ, а также о том, как разработать структуру управления для правильной реализации. К концу этого курса вы получите базовые знания об искусственном интеллекте в бизнесе и сможете использовать эти технологии в своей бизнес-стратегии.

Программа «Искусственный интеллект для бизнеса» предназначена для ознакомления учащихся с устоявшимися и новыми разработками в области искусственного интеллекта, больших данных, машинного обучения в финансах, а также с операционными изменениями, которые принесет ИИ.Уроки этого курса применимы к нескольким отраслям и динамичным рынкам. Этот курс ведет всемирно признанный профессор интернет-маркетинга и медиа-бизнеса Картик Хосанагар, доктор философии, и учитывает последние данные и идеи в области ИИ.

6 Примеры ИИ в приложениях бизнес-аналитики

Корпорация, похоже, вступает в новую эру, управляемую данными. То, что когда-то было областью научной фантастики, ИИ в бизнес-аналитике превращается в повседневный бизнес, каким мы его знаем.Теперь компании могут использовать машинные алгоритмы для выявления тенденций и понимания огромных массивов данных и более быстрого принятия решений, которые потенциально могут сделать их конкурентоспособными в режиме реального времени.

Для компаний это непростой процесс включения машинного обучения в существующие системы бизнес-аналитики, хотя генеральный директор Skymind и бывший гость подкаста Emerj Крис Николсон советует, что это не должно быть сложной задачей. «AI — это просто ящик», — говорит он. «Математика и код. Если это, то то. Это самый простой способ описать это.«Организация сбора данных и тестирование алгоритма с использованием этих данных на предмет точности в течение первых нескольких месяцев — вот где многие компании застревают.

Но по мере того, как ИИ набирает обороты, известные поставщики приложений вышли за рамки создания традиционного программного обеспечения и разработали более целостные платформы и решения, которые лучше автоматизируют бизнес-аналитику и аналитические процессы. Основные поставщики, включая General Electric, SAP и Siemens, предлагают такие программные пакеты и операционные системы, но на рынке также растет число новых поставщиков.В этом руководстве мы приводим шесть примеров поставщиков платформы AI. Каждый пример охватывает следующее:

  • Краткий обзор продукта или услуги
  • Успешные тематические исследования
  • Возможные варианты использования в промышленности

На основе наших прошлых интервью с руководителями и инвесторами в этой области, мы прогнозируем, что приложения бизнес-аналитики станут одной из наиболее быстрорастущих областей использования технологий искусственного интеллекта в ближайшие пять-десять лет.

Приложения для бизнес-аналитики на основе машинного обучения

SAP — AI для превращения баз данных в полезные Intel

HANA — это облачная платформа SAP, которую компании используют для управления базами данных с собранной ими информацией. Короче говоря, он реплицирует и принимает структурированные данные, такие как транзакции продаж или информация о клиентах, из реляционных баз данных, приложений и других источников.

Платформу можно установить для работы локально через серверы компании или через облако.HANA получает информацию, собранную с точек доступа по всему бизнесу, включая мобильные и настольные компьютеры, финансовые транзакции, датчики и оборудование на производственных предприятиях. Если ваш торговый персонал использует смартфоны или планшеты компании для записи заказов на покупку, данные этих транзакций могут быть проанализированы и поняты HANA для выявления тенденций и отклонений.

Walmart, например, использует HANA для обработки большого объема записей транзакций (компания управляет более чем 11 000 магазинов) в считанные секунды.На конференции, организованной SAP в 2015 году, тогдашний ИТ-директор Каренанн Террелл рассказала, почему Walmart решила использовать HANA, чтобы работать быстрее и контролировать расходы бэк-офиса за счет консолидации процессов и ресурсов, необходимых для выполнения работы.

Как Walmart использует HANA

Неожиданные различия могут возникать практически везде в процессе ведения бизнеса; это может быть избыточный заказ продукта, который кажется странным для конкретного клиента, или оборудование на заводе, которое начинает работать медленнее, чем должно.Машинное обучение можно использовать для автоматического привлечения внимания к подобным отклонениям. Например, если у директора завода установлено приложение на его компьютере для мониторинга оборудования на сборочной линии, данные о замедлении производства могут быть собраны и обработаны через HANA. Собранные результаты можно запросить, чтобы определить, нужен ли новый план действий, например, сервисный осмотр оборудования.

SAP утверждает, что HANA работает иначе, чем сопоставимые платформы, поскольку реплицируемые данные хранятся в оперативной памяти, а не на диске. Это дает возможность получать доступ к данным в режиме реального времени для использования с приложениями и аналитикой, построенными на платформе HANA, для более быстрого принятия решений.

Цель HANA и других решений машинного обучения — принимать решения на основе данных, которые потенциально лучше информированы. Малые и средние компании, а не только предприятия, могут изучить возможность использования такого рода технологий в различных сегментах своего бизнеса — если решение может уместиться в рамках их бюджета. «Это можно найти в любой организации, будь то отдел кадров, управления рисками или маркетинга, — говорит Ронен Мейри, технический директор DMWay, поставщика машинного обучения для прогнозной аналитики.

Ожидаемые преимущества использования платформ машинного обучения для бизнес-аналитики включают снижение затрат на инфраструктуру и операционную эффективность. В отчете, спонсируемом SAP, 10 организаций, использующих HANA, заявили, что ожидают получить в среднем пятилетнюю окупаемость инвестиций в 575%. Они также прогнозировали среднюю годовую прибыль в размере 19,27 миллиона долларов на организацию при использовании HANA по сравнению со средними годовыми инвестициями в 2,41 миллиона долларов за пять лет. International Data Corp., дочерняя компания IDG, провела опрос и подготовила отчет от имени SAP. Названия опрошенных организаций не разглашаются.

DOMO — AI for Business Dashboards

Платформы машинного обучения для бизнеса разрабатывают не только такие гиганты, как SAP. Domo, быстрорастущая компания-производитель программного обеспечения для управления бизнесом, привлекшая более 500 миллионов долларов финансирования, создала информационную панель, которая собирает информацию, чтобы помочь компаниям принимать решения. Облачная информационная панель может масштабироваться в зависимости от размера компании, поэтому ее могут использовать команды от 50 или гораздо более крупные предприятия.Существует более 400 встроенных программных коннекторов, которые позволяют Domo собирать данные из сторонних приложений, которые можно использовать для анализа и создания контекста для бизнес-аналитики.

Это дает компаниям, использующим Domo, возможность извлекать данные из Salesforce, Square, Facebook, Shopify и многих других приложений, которые они используют для получения информации о своих клиентах, продажах или товарном инвентаре. Например, пользователи Domo, которые являются продавцами, могут извлекать данные из своих торговых точек Shopify и программного обеспечения для электронной коммерции, которое используется для управления интернет-магазинами.Извлеченную информацию можно использовать для создания отчетов и выявления тенденций в режиме реального времени, например, о производительности продукта, которые могут быть переданы на любое устройство, используемое компанией.

В марте Domo анонсировала Mr. Roboto, набор новых функций для платформы, основанных на искусственном интеллекте, машинном обучении и прогнозной аналитике. Ожидается, что г-н Робото предложит рекомендации и идеи лицам, принимающим решения в компаниях. Как только эти функции будут развернуты, что ожидается в конце весны 2017 года, платформа должна будет выдавать новые предупреждения и уведомления о значительных изменениях, таких как обнаружение аномалий или новых шаблонов в данных (аналогично подходам, уже используемым в кибербезопасности).

Ожидается, что обнаружение этих изменений и закономерностей будет способствовать развитию прогностической аналитики г-на Робото и поможет компаниям прогнозировать окупаемость инвестиций в маркетинг в режиме реального времени, отток клиентов и прогнозы продаж.

По словам Домо, его платформу используют такие компании, как MasterCard, Univision, eBay, Honest Co. и SAB Miller. Телекомпания Univision рассказала о том, как она использует Domo для большей наглядности собственных данных, которые затем используются для объединения и фокусирования целевых кампаний.Univision заявила, что использует платформу Domo с соединителями для таких приложений, как Google Analytics, Facebook и Adobe Analytics, чтобы получить больше пользы от своей программной рекламы. «Запустив Domo, мы смогли быстро оптимизировать и добиться 80-процентного роста доходности в течение первого квартала», — сказал Дэвид Кац, вице-президент Univision по программным доходам и операциям.

Apptus — AI в обеспечении продаж

Существует множество способов машинного обучения для улучшения приложений, в том числе приложений Apptus, которые предлагают рекомендации по действиям, которые компании могут предпринять для расширения своих каналов продаж. Apptus заявляет, что специализируется на связи между намерением клиента совершить покупку и реализацией дохода компанией.

Решение Apptus eSales разработано, среди прочего, для автоматизации мерчендайзинга на основе прогнозного понимания потребителей. Программное обеспечение сочетает в себе большие данные и машинное обучение, чтобы определить, какие продукты могут понравиться потенциальному покупателю при поиске в Интернете или получении рекомендаций.

Например, когда покупатель посещает интернет-магазин, который использует Apptus eSales, и начинает вводить условия поиска для поиска продуктов, решение машинного обучения может предугадывать и автоматически отображать связанные поисковые фразы.Он также может отображать продукты, связанные с этими условиями поиска.

Компании разного размера используют Apptus, например, автоматизированный книжный магазин Bokus.com в Швеции, в котором, согласно его отзывам, работает около 30 сотрудников. Компания Bokus, которой требовалось свести накладные расходы к минимуму, сказала, что использование автоматизированных технологий для привлечения клиентов — это способ помочь в достижении этой цели. Например, компания электронной коммерции сообщила, что ее средний оборот клиентов увеличивался на 100% с каждым открытием ее цифрового информационного бюллетеня с персонализированными рекомендациями.

Платформы искусственного интеллекта и машинного обучения становятся все лучше и лучше в решении задач прогнозирования, таких как определение того, что клиенты могут захотеть, на основе информации, которую они получают. В интервью специально для этой статьи Николсон заявил, что глубокое обучение, подмножество машинного обучения, во многих случаях достигает точности 96% при интерпретации данных. «Это верхний предел того, что могут делать люди», — отмечает он.

Хотя технология еще только зарождается, Амр Авадалла, основатель и технический директор компании Cloudera, занимающейся машинным обучением и программным обеспечением, говорит, что глубокое обучение уже хорошо подходит для прогнозирования и обнаружения аномалий.Он еще не идеален, но сетям глубокого обучения становится все легче понять, какая информация актуальна. «Вам не нужно указывать алгоритму, на что смотреть, — говорит он. «Вы можете предоставить ему необработанные входные данные, и он сможет решить это сам».

Avanade — AI для Business Insights

Avanade — это совместное предприятие Microsoft и Accenture, которое использует Cortana Intelligence Suite и другие решения для прогнозной аналитики и анализа данных.

Страховая компания Pacific Specialty обратилась к Avanade с просьбой создать аналитическую платформу с целью предоставить своим сотрудникам более перспективное и глубокое понимание бизнеса. Цель заключалась в том, чтобы использовать данные о клиентах и ​​политике, чтобы помочь команде добиться большего роста. Понимая поведение и тенденции страхователей с помощью аналитики, идея заключалась в том, чтобы лучше консультировать по вопросам разработки новых продуктов.

Avanade говорит, что мир движется к будущему, населенному интеллектуальными технологиями, где машины берут на себя большую часть работы, которую традиционно выполняют люди. Согласно исследованию, проведенному по заказу Avanade, опрос 500 бизнес-лидеров и ИТ-руководителей со всего мира показал, что они ожидают увеличения доходов на 33% в результате применения интеллектуальных технологий. Они также считают, что это приведет к появлению новых и пересмотренных рабочих ролей для сотрудников, а также к большим преимуществам для клиентов. Однако в опросе не уточняется, какие конкретные рабочие места можно изменить с помощью интеллектуальных технологий.

Пока что эти варианты использования указывают на машинное обучение, широко используемое в секторах услуг, таких как страхование и розничная торговля, для решения задач, связанных с клиентами, продажами и операциями; однако ИИ также объединился с приложениями бизнес-аналитики в производственной и промышленной сферах.

BI и AI — Приложения в тяжелой промышленности
General Electric — Прогнозирование ремонта и технического обслуживания оборудования

Растущее распространение датчиков в машинах, транспортных средствах, производственных предприятиях и других помещениях с жестким оборудованием означает, что физическое оборудование может быть оцифровывать и отслеживать с помощью искусственного интеллекта — эту тему мы уже обсуждали в приложениях машинного обучения в промышленности. Интернет вещей — это не только потребительские гаджеты; коммерческие грузовики, поезда, нефтяные вышки и грузовые суда могут быть оцифрованы, контролироваться и оцениваться через сети.Например, в нефтегазовой, авиационной и других отраслях промышленности используется операционная система General Electric Predix, которая позволяет промышленным приложениям обрабатывать исторические данные о производительности оборудования. Это можно использовать для распознавания различных операционных результатов, например, когда оборудование может выйти из строя.

Predix предназначен не только для рудиментарного управления небольшой логистикой; для составления прогнозов может потребоваться огромное количество информации, записанной с течением времени. Это делается с помощью приложений, разработанных GE, а также сторонними организациями.Например, решение Accenture Intelligent Pipeline Solution используется для мониторинга миллионов миль нефтепроводов по всему миру. Это включает в себя получение данных из активов трубопровода и внешних источников для управления безопасностью и использованием ресурсов.

Операторы самолетов используют приложения, такие как Aircraft Landing Gear Prognostics от GE и Infosy, также построенные на Predix. Приложение Prognostics позволяет инженерам авиакомпаний видеть, как долго шасси может оставаться в эксплуатации, прежде чем самолет нужно будет ввести в эксплуатацию.Создание графика технического обслуживания на основе этой информации предназначено для уменьшения непредвиденных проблем с оборудованием и задержек рейсов.

Прогнозная аналитика, говорит Авадалла, предсказывает будущее как функцию прошлого. Он может рассчитать, когда необходимо техническое обслуживание устройств, автомобилей, грузовиков и буровых станков, а затем запланировать ремонт и техническое обслуживание до того, как произойдет серьезный отказ. «Navistar, производитель коммерческих грузовиков, имеет в своей продукции датчики, которые анализируют тормоза, фары и двигатели», — говорит Авадалла. Это увеличивает стоимость услуг по техническому обслуживанию, определяя, когда механикам нужно залезть под капот. Это может свести к минимуму время простоя и даже запланировать техническое обслуживание как часть регулярного маршрута грузовика и снизить эксплуатационные расходы.

Применение машинного обучения также может повысить производительность некоторого оборудования. В одном случае поставщик электронной коммерции и доставки Pitney Bowes построил программное решение на основе Predix, которое, как ожидается, увеличит выход продукции на 20%.

Машины, построенные Pitney Bowes, включают почтовые счетчики, сортировщики, принтеры и устройства вставки для производства и перемещения почты.Установив датчики в свои машины, их производительность можно будет более тщательно контролировать с помощью платформы Predix. Компания утверждает, что большая часть из 150 миллионов почтовых отправлений, ежедневно отправляемых в Соединенных Штатах, проходит через ее машины.

Siemens — AI для мониторинга парка машин и заводов

Важность мониторинга работы промышленного оборудования вынудила других поставщиков программного обеспечения, таких как Siemens, задействовать свои технологии машинного обучения в этой сфере. В марте 2016 года компания Siemens запустила бета-версию своей открытой отраслевой облачной платформы MindSphere.

MindSphere был разработан для обеспечения мониторинга парка машин для нужд обслуживания с помощью аналитики станков и аналитики трансмиссии. Приложение может использоваться промышленными компаниями для отслеживания станков на заводах по всему миру и просмотра статистики производительности их активов. Это может помочь составить график профилактического обслуживания и управлять использованием оборудования, чтобы продлить срок его эксплуатации.

По сравнению с Predix, MindSphere работает с машинами и установками независимо от производителя. Цель состоит в том, чтобы помочь операторам установок увеличить время безотказной работы своего оборудования и повысить эффективность технического обслуживания за счет оценки того, когда ожидается поломка части оборудования. Кроме того, машиностроители могут увидеть сокращение расходов, связанных с гарантийным ремонтом, благодаря более длительной бесперебойной работе машин.

Сименс говорит, что MindSphere, разработанный совместно с SAP, компании, использующие MindSphere, получают ящик, который подключается к их машинам и собирает данные, чтобы показать, как они работают.

Заключительные мысли об искусственном интеллекте в бизнес-аналитике

Это потенциальный пороговый момент для бизнеса и промышленности, когда машинное обучение может еще больше проникнуть в то, как обрабатываются операции, как принимаются решения и управляются ресурсы . Это будет зависеть от того, найдут ли коллективные предприятия реальную ценность в ИИ; инвестиции в технологию должны доказать свою ценность.

Николсон отмечает, что, хотя точность и возможности глубокого обучения возросли, технология все еще просачивается в мир среди первых пользователей.На следующем этапе, по его словам, будет решаться вопрос о том, будут ли такие ресурсы течь более свободно и поддерживаться бизнес-сообществом в целом.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *