Вложиться в интеллект

Технологии AI/ML становятся мейнстримом в России. Теперь это тема №1 на всех профильных конференциях, к ней присматриваются инвесторы, а решения на базе искусственного интеллекта уже активно внедряет бизнес.

Искусственный интеллект (AI) и машинное обучение (ML) перестали быть сугубо технологическими экспериментами и из ИТ-лабораторий выходят в бизнес-среду. Массовое проникновение таких технологий, по прогнозам экспертов, случится лет через пять, но уже сейчас ориентация компаний на их применение может дать им стратегические преимущества в самом ближайшем будущем. Так, по мнению аналитиков Gartner, к 2020 году подобные решения будут применяться «почти в каждом новом программном продукте». А сам глобальный рынок AI/ML уже по итогам 2018 года достигнет объема в $1,2 трлн, что будет на 70% больше прошлогоднего показателя. Не менее существенный прирост ожидается и в среднесрочной перспективе — к 2022 году вложения в AI/ML могут составить почти $4 трлн.

По нарастающей

Так же, как и во всем мире, в России рынок AI/ML переживает сейчас бурный рост. Всерьез о технологии заговорили в прошлом году. Главные задачи, которые решает AI/ML: увеличение прибыли, снижение издержек, повышение эффективности бизнес-процессов и т. д., стали предметом активного обсуждения еще в 2017 году на первом в России форуме по системам искусственного интеллекта — RAIF (The Russian Artificial Intelligence Forum).

На технологию обратили внимание и российские инвесторы, признавшие AI/ML одним из самых предпочитаемых для инвестиций сегментов (данные «Венчурного барометра» фонда Prostor Capital). При этом если годовой объем отечественного AI/ML-рынка в 2017 году оценивался отраслевыми экспертами на уровне 700 млн рублей, то уже к 2020 году он может вырасти до 28 млрд рублей минимум. Говоря о прогнозах, признанный эксперт по машинному обучению, соавтор курса Data Mining in Action и ex. консультант «Яндекс.Такси» Виктор Кантор «даже готов спорить на деньги, что в ближайшие несколько лет объем рынка в России перевалит за 50 млрд рублей». Что косвенно подтверждает и исследование PwC Digital IQ, согласно которому, если год назад только 35% российских компаний инвестировали в развитие AI/ML, тогда как в мире — 54%, то уже к 2020 году эти показатели будут находиться на уровне 74% для отечественного сегмента и 63% — для зарубежного. Иными словами, уже сейчас ясно, что очень скоро «искусственный разум» действительно проникнет во все сферы деятельности любого крупного предприятия.

В поисках закономерностей

Пока в России одни компании еще определяются со стратегией в отношении новой технологии, другие уже на деле успели изучить реальные возможности систем AI и ML. Например, в сфере финансов эти технологии помогают выявлять случаи мошенничества среди сотрудников, в автоматическом режиме анализируя движение транзакций и счетов, или предсказывают вероятность оттока вкладчиков из паевых фондов. В промышленности такие решения экономят потребление ресурсов, оптимизируют режимы работы оборудования, предсказывают появление производственного брака и выявляют факторы, на него влияющие. В автоиндустрии и страховании AI/ML могут «вычислить» недисциплинированных водителей (на основе истории поездок и состояния датчиков машины). А в ритейле «умные» системы способны предсказывать потребление различных продуктов и понимать, какой товар в тот или иной момент будет пользоваться повышенным спросом.

Так, недавно розничная сеть «РИВ ГОШ» внедрила у себя обучаемую систему предсказания поведения покупателей, с помощью которой ритейлер получил возможность повышать лояльность клиентов, увеличивать продажи и снижать затраты на маркетинговые акции за счет адресной работы с потенциальными покупателями. Разработанное решение выполняет два ключевых сценария. Первый — выявление из всех держателей карт лояльности (2,6 млн человек) тех, кто потенциально может совершить покупку в ближайшие две недели. В рамках второго сценария система делает прогноз вероятных покупок по каждому из этих клиентов, определяя из десятков тысяч товарных наименований конкретные позиции до уровня артикула. Искусственный интеллект с точностью до 47% оценивает шансы прихода в магазин того или иного держателя карты лояльности и в 33% случаев угадывает, какие два товара (вплоть до артикула) он точно приобретет.

«В ближайшем будущем технологии искусственного интеллекта будут применяться во многих сферах операционной деятельности ритейла,— отмечает Пиотр Подсядло, генеральный директор компании Nextail в Центральной и Восточной Европе, работающей с крупными fashion- и beauty-брендами. — Уже сейчас мы видим, что ритейлеры переходят к внедрению технологий машинного обучения для оптимизации закупки и распределения товаров. Это позволяет размещать их в нужном месте в нужное время, чтобы увеличить вероятность продажи и продавать больше товара по полной цене до сезона распродаж. Обычно ритейлеры видят первые результаты через 30 дней после начала пользования решением. В среднем прирост продаж составляет 3–7%, сокращение товарных излишков в магазинах достигает 30%, а снижение дефицита по размерным рядам — 60%».

Применение AI/ML для задач маркетинга — одно из наиболее перспективных направлений для многих отраслей. «Автоматизированная аналитика помогает находить скрытые связи между явлениями, — отмечает генеральный директор GfK Russia Марина Безуглова. — Человек может создать ряд гипотез относительно взаимозависимости тех или иных факторов и проверить их. А машина может проверить тысячи сценариев и найти не лишенную смысла закономерность, которая окажется интересным инсайтом».

Под силу алгоритмам AI/ML спрогнозировать и спрос на топливо со стороны корпоративных клиентов. Такую задачу перед участниками весеннего хакатона AI.HACK поставила компания «Газпромнефть». Победившее в конкурсе решение анализирует исходные данные (регион приобретения топлива, номер заправки, вид топлива, цену, идентификационный номер клиента) и дает прогноз о том, сколько топлива приобретет тот или иной корпоративный клиент в будущем с точностью 63%.

Первые решения на основе AI/ML появились и в сфере образования. К примеру, рекомендательная система по подбору программ дополнительного образования для талантливых школьников, разработанная в рамках Национальной технологической инициативы. Система анализирует социальные и демографические данные пользователя (с учетом имеющихся у него знаний, навыков и интересов), после чего предоставляет список рекомендуемых образовательных программ и обучающих курсов. В перспективе доступ к такой цифровой платформе смогут получить и работодатели, заинтересованные в привлечении перспективных кадров в сфере высоких технологий.

От единичных пилотов к ML-конвейеру

Несмотря на то что сегодня все больше компаний понимают потенциал искусственного интеллекта, есть определенное отличие между теми, кто только делает в этом направлении свои первые шаги, и теми, кто уже предпринял кардинальные действия по «интеллектуальному переустройству» своего бизнеса. И дело не столько в технологии, сколько в людях, принимающих решения: нельзя просто внедрить систему, не поменяв ничего в бизнес-процессе, и при этом ожидать значительных результатов. Смена «курса компании» — задача весьма трудоемкая, требующая не только времени и средств, но и решительности, видения целей и правильной постановки задач. К этому стоит прибавить технические и организационные задачи, без решения которых компания рискует застрять на этапе пилотных проектов, так и не начав получать реальные бизнес-результаты.

«Взять исторические данные, провести с ними хакатон и красиво рассказать об этом рынку научились все,— говорит директор по разработке и внедрению ПО «Инфосистемы Джет» Владимир Молодых. — Довести проект до промышленной эксплуатации — уже не все. Провести комплексное изменение компании и выстроить конвейер перестройки бизнес-процессов с учетом открывшихся возможностей — единицы. А ведь конвейер — самое главное. Если менять по одному процессу в год, изменяться можно вечно. За годы экспериментов на себе и сотрудничества с нашими партнерами мы выработали базовую стратегию трансформации бизнеса при внедрении ML, которая учитывает не только технические, но и проектные и организационные аспекты».

Практические выгоды комплексного подхода при внедрении машинного обучения подтверждаются и примером банка «АК БАРС» (ПАО «АК БАРС» банк). «У нас AI/ML-проекты довольно быстро переходят из сферы R&D в область run business, — рассказывает руководитель направления развития перспективных продуктов “АК БАРС Цифровые Технологии” Ярослав Шуваев. — Если еще год назад мы заявляли чат-платформу на базе AI как некую инновацию и планировали с ее помощью на 35% автоматизировать работу контакт-центра, то уже в первые два месяца уровень автоматизации достиг 20%, а сегодня составляет 40%. При этом мы видим закономерность: клиенты, которые пользуются нашими чатами, в среднем дольше задерживаются в банке. Им удобен формат conversational interface, поэтому большую часть функциональности мы переносим туда. Эта же платформа используется сегодня не только банком, но и другими компаниями группы — “АК БАРС Финанс” (ИК “АК БАРС Финанс”) и “АК БАРС Страхование” (ООО “АК БАРС Страхование”)».

Сейчас в банке работают над созданием чат-платформы, которая будет совершать платежи и переводы сначала для VIP-клиентов, далее услуга станет доступной для всех. «По сути, у каждого из наших клиентов будет персональный менеджер — так посредством AI происходит демократизация роскоши,— говорит Ярослав Шуваев. — Следующий шаг — голосовые интерфейсы. Сейчас мы делаем соответствующую надстройку над чат-платформой. И прорабатываем такую возможность, чтобы клиент, обращаясь в наш контакт-центр, не чувствовал разницу между общением с ботом и с реальным оператором». Еще одно значимое для «АК БАРС» направление развития AI — компьютерное зрение. Созданная в банке система позволяет совершать платежи при помощи идентификации по лицу с уровнем точности 99% (что превосходит точность идентификации по паспорту).

В том, что особенно серьезные подвижки в AI/ML-сегменте будут именно в сфере компьютерного зрения и обработки текстовой информации, уверен и Виктор Кантор: «Здесь сейчас сосредоточено все внимание научного сообщества в связи с бумом интереса к хорошо работающему в этих областях глубокому обучению — части машинного обучения, использующей для получения прогнозов нейросети с большим количеством слоев. Такие нейросети при достаточных объемах данных могут восстанавливать очень сложные зависимости и сами понимать, на что нужно смотреть в данных. Если раньше специалистам по анализу данных нужно было самим придумывать факторы, которые проанализируют алгоритмы, то современные нейросети неплохо справляются с достаточно "сырыми" данными».

Банковская отрасль одной из первых начала применять AI/ML и продолжает активно развивать это направление. Наибольший эффект от внедрения технологии, по мнению СЕО TalkBank (ООО "Толкфинанс") Михаила Попова, достигается в управлении наличностью в кассах и банкоматах и области работы с клиентами: в сегментации клиентской базы, кредитном скоринге, предсказании оттока вкладчиков, выявлениии мошенничества и др. «Наш банк изначально создан как полностью цифровой: у нас нет не только отделений, но и даже банковских приложений — работа с клиентом реализуется на базе мессенджеров с применением AI/ML. Общение там идет на естественном языке. Уже порядка 90% поступающих запросов обрабатывается чат-ботами, и мы продолжаем минимизировать человеческое участие. Например, автоматизируем процессы обслуживания, а также работу с клиентской аналитикой. По нашему опыту AI работает с клиентской базой примерно в 10 раз эффективнее человека, выявляя скрытые закономерности, о которых мы даже не догадывались».

Поднять планку

Все эти и многие другие примеры практического внедрения систем искусственного интеллекта и машинного обучения можно будет обсудить с новаторами на бизнес-форуме RAIF 2018, который пройдет 23 октября в Москве. Мероприятие, организовано разработчиком многих реализованных в стране AI/ML-проектов — системным интегратором «Инфосистемы Джет» в партнерстве с известными ИТ-гигантами и успешными стартапами в области AI/ML. На реальных кейсах спикеры RAIF продемонстрируют для более чем 500 высокопоставленных гостей возможности извлечения конкурентного преимущества из накопленных у компаний данных, поделятся своим опытом окупаемости AI/ML-проектов и извлечения прибыли из ML-инструментов, расскажут, как технология может помочь защитить бизнес и клиентов, и «обрисуют» перспективы промышленного интернета вещей в связке с искусственным интеллектом.

«RAIF продолжает повышать планку и создает площадку для обмена опытом между представителями бизнеса разных отраслей, объединенных похожими задачами и целями, — отмечает директор по разработке и внедрению компании “Инфосистемы Джет“ Владимир Молодых. — За прошедший год мы продвинулись далеко вперед в практической реализации технологий AI/ML: выполнили десятки пилотных проектов и комплексных внедрений. И теперь в дополнение к практическим кейсам мы готовы поделиться обобщенным опытом по тому, как правильно выстраивать “интеллектуальные проекты”, какие подводные камни есть на этом пути и как их обойти».