Можно ли извлечь пользу из ИИ? 

Последнее время искусственный интеллект (ИИ) больше других технологий обсуждается СМИ. При этом технологии, лежащие в его основе и польза, которую он может приносить бизнесу, мало кому понятны. И это не только российский, а общемировой тренд. В 2019 году аналитики MIT Sloan Management Review и BCG провели исследование, в котором опросили более 2,5 тыс. руководителей компаний в 27 отраслях по всему миру. Выяснилось, что зарабатывать на ИИ бизнесу пока получается плохо: 70% бизнесменов заявили, что внедрение ИИ никак не повлияло на их бизнес, а получить хоть какую-то прибыль получилось только у 40% опрошенных.  

По данным последнего исследования ВЦИОМ 69% российских компаний отмечают нехватку квалифицированных кадров в сфере ИИ. При этом крупные и высокотехнологичные корпорации осознают выгоды, которые можно получать уже сейчас, внедрив в свои процессы решения на основе ИИ. Но даже большим игрокам не хватает собственной экспертизы для работы с этими технологиями. 

Важность вопроса понимается и на государственном уровне.  В октябре 2019 года вышел указ Президента о развитии искусственного интеллекта в РФ, в котором предлагается утвердить национальную стратегию развития ИИ до 2030 года. 

Пока чиновники размышляют над глобальными стратегиями, бизнес (даже средний и малый) научился использовать цифровые инструменты для автоматизации своих процессов. Одним из таких инструментов стали RPA-решения, которые получили широкое распространение — они избавляют людей от регулярных рутинных процессов. Например, RPA умеют заполнять формы отчетов или переносить данные из одной базы в другую. К сожалению, пока компании применяют эти инструменты несистемно: в длинном сквозном бизнес-процессе сегодня в среднем автоматизируется лишь одна треть. Роботы не такие умные, как нам хотелось бы, потому что бизнес не использует все возможности ИИ.  

Для большинства компаний ИИ на самом деле — очень сложные и малопонятные технологии. IBM в своем исследовании указывает: большинство руководителей считают, что их компании не обладают необходимыми компетенциями в data science, machine learning и других смежных с ИИ технологиях  для автоматизации процессов. 

Бизнес готов платить деньги за конкретную выгоду, которую можно получить от автоматизации и цифровизации, но не понимает как это можно реализовать собственными силами. 

На рынке стали появляться решения, которые помогают легко интегрировать в свои бизнес-процессы внешние наработки. Стали возникать и цифровые сервисы, которые помогают объединить ИИ с автоматизированными RPA-решениями.  

Как ИИ помогает роботам 

Сегодня с помощью синергии ИИ и RPA можно делать то, что ранее было невозможно в рамках обычной автоматизации рутинных бизнес-процессов. RPA занимается применением передовых технологий, включая искусственный интеллект (ИИ) и машинное обучение для все большей автоматизации процессов и расширения возможностей человека. Мы нашли несколько интересных свежих кейсов, которые иллюстрируют возможности использования этого подхода в различных сферах бизнеса. 

В целом, около 90% нынешних кейсов использования ИИ — это работа с документами в различных видах: распознавание паспортов, ПТС, дипломов, чеков и платежек. Особенно актуальным являются кейсы по распознавания полезного контента в письмах. Когда получив со стороны RPA письмо, ИИ помогает выбрать из текста главное, классифицировать письмо соответствующим образом и отправить нужному адресату. Сегодня роботы, с помощью ИИ, помогают бухгалтерии, отделу кадров, продаж, закупок, логистики и другим подразделениям, которые имеют дело со сбором и обработкой информации. 

Мерчендайзинг по-новому 

Среди трендсеттеров и инноваторов мерчандайзинга можно выделить, к примеру, Walmart, который в конце 2019 года запустил систему на основе искусственного интеллекта, дающую возможность в режиме реального времени делать мониторинг товара на полках. Система была установлена в одном из магазинов будущего, работающем в концепции Intelligent Retail Lab — или сокращенно IRL. Камеры с искусственным интеллектом мониторят в реальном времени наличие товаров на полках. Гаджеты будут отслеживать уровень запасов, чтобы определить, например, нужно ли персоналу принести больше мяса из складских холодильников и пополнить запасы на полках, или давать сигнал, если некоторые свежие продукты слишком долго простояли на полке и их нужно оттуда вытащить. 



Автоматический скоринг резюме

Предиктивная поведенческая аналитика — новое слово в HR: крупнейшие компании мира стараются удержать с ее помощью ценные кадры, вовремя замечая опасные перемены в ощущениях людей от работы. Некоторые, например Сбербанк, идут дальше и уже на старте используют скоринг кандидатов по предварительным параметрам, чтобы предсказать вероятность их увольнения. Предполагается, что так банк сможет бороться с высокой текучкой кадров на массовых позициях. 

Одно из самых продуктивных направлений применения ИИ в управлении кадрами связано с поиском выгоревших работников. Так, американская компания Ultimate Software Group, занимающаяся разработкой программного обеспечения для управления персоналом, создала индекс сохранности сотрудников. Это показатель, по которому на основе 50 индикаторов можно предсказать, собирается ли специалист в ближайшее время уволиться.  

IBM для создания похожего решения использовала свой суперкомпьютер с системой AI Watson. Чтобы оценить настроение человека, суперкомпьютер анализирует историю его карьерного роста, продолжительность работы в компании, зарплату, служебные обязанности, расстояние от работы до дома и другие показатели. Теперь HR-служба компании может с 95% вероятностью предсказать, кто собирается уволиться, за шесть-девять месяцев до того, как это произойдет, и принять меры, которые позволят предотвратить увольнение. 

Сентимент-анализ в блогах

Сентимент-анализ или анализ настроений информационных потоков имеет большой потенциал применения для мониторинговых, аналитических и сигнальных систем, для систем документооборота и рекламных платформ, таргетированных по тематике веб-страниц. Направление считается одним из самых привлекательных, которые побуждают изучать и применять ИИ в различных отраслях.

Авторы уже классического исследования применили сентимент-анализ для изучения мнений и отзывов людей о трех автомобильных компаниях: Mercedes, Audi и BMW. Робот извлекал все твиты с упоминаниями брендов, после чего они обрабатывались с помощью методов интеллектуального анализа текста. Все твиты делились на три категории: позитивные, негативные и нейтральные. Результаты этого исследования дали представление о важности анализа отзывов и мнений потребителей в этой отрасли. Авторам удалось получить очень ценную для маркетинга этих брендов информацию. 

Результаты анализа твитов ИИ показали, что больше всех положительных отзывов досталось Audi (83%). При этом, и негатива Audi получили меньше (16%), чем другие исследуемые конкуренты. Очевидно, что рекламные предложения на сайте Audi достигнут большего количества лояльных пользователей, чем аналогичные на интернет-ресурсах BMW и Mercedes. Есть над чем задуматься и производителям и маркетологам этих авто. 

Как реализовать синергию RPA и ИИ

 
На рынке есть несколько решений, которые с различным успехом помогают использовать возможности ИИ для роботизированных процессов. Если верить специализированным рейтингам, то лидер в создании сервисов для роботизации — это компания UiPath. По статистике в среднем в сквозном бизнес-процессе сегодня автоматизируется около 30-40%. С помощью платформы UiPath, которая включает в себя решения для Process Mining, AI Fabric и другие продукты, можно повысить процент автоматизации таких процессов до 70. 

Недавно вендор выпустил платформу AI Fabric, которая помогает получить синергию от работы RPA и ИИ. AI Fabric — связующее звено между искусственным интеллектом и автоматизированными процессами. Платформа предназначена для того, чтобы вывести применение ML в бизнес-процессах за пределы небольших высококвалифицированных групп разработки и передать его бизнес-пользователям. Другими словами, с помощью этого решения даже джуниор-разработчик может внедрить ИИ в компании — больше не нужно вникать в технические тонкости и самостоятельно разворачивать необходимую инфраструктуру. Для бизнеса платформа полезна тем, что помогает на практике понять пользу и возможности от использования ИИ в реальных бизнес-процессах.  

Процент автоматизации различных бизнес-процессов можно еще повышать и повышать, но вот только с помощью RPA это сделать уже не получится — у задач есть естественные ограничения по их формальной алгоритмизации. А вот в связке с ИИ это сделать возможно. 

Платформа AI Fabric позволяет использовать вместе с роботами собственные модели машинного обучения или модели, приобретенные у сторонних производителей. Используя результаты их работы, можно автоматически получать данные для улучшения работы моделей. Таким образом, Вы получаете возможность бесшовно интегрировать ИИ в бизнес-процессы компании и одновременно удобные инструменты для управления своими моделями. 

Начать работать с платформой вполне просто. Сначала нужно определить категорию вашего юзер-кейса. Потом выбрать соответствующую модель, подходящую под ваш запрос, например из тех, что поставляются «в коробке», или разработанную в вашей компании. Как известно, модели машинного обучения достаточно прожорливы с точки зрения ресурсов CPU и GPU, и поэтому для работы моделей автоматически создаются AI-роботы, на самом деле являющиеся специальными контейнерами, позволяющими гибко управлять потреблением ресурсов. 

В качестве примера можно рассмотреть кейс по прогнозированию оттока клиентов.


Платформа UiPath

• Извлекает информацию о пользователях из CRM
• Получает предсказание оттока клиентов от AI Fabric
• Обновляет CRM на основе этой информации
• Рассылает информацию о таких пользователях сотрудникам

Реализация сценария позволяет проактивно предотвращать отток клиентов, исключить человеческий фактор из-за позднего реагирования и провести оптимизацию расходов по удержанию и привлечению клиентов. 

Сервисы, позволяющие использовать все возможности ИИ совместно с традиционными инструментами автоматизации, помогают бизнесу снизить порог требований к внедрению искусственного интеллекта. Они позволяют компаниям использовать коробочные решения и экономить собственные ресурсы. Сегодня это становится новым трендом по гиперавтоматизации, который в ближайшем будущем получит широкое распространение.