Новые кейсы применения искусственного интеллекта в России



На этой неделе аналитический центр TAdviser провел конференцию «Искусственный интеллект 2020». Эксперт департамента аналитических решений ГК «КОРУС Консалтинг» Светлана Вронская поделилась своими впечатлениями от конференции в новом подкасте. 

Прослушав честно выступления всех докладчиков, должна сказать, что основных впечатлений у меня два: искусственный интеллект действительно используется в бизнесе и искусственный интеллект окончательно перестал был новинкой, диковинкой и просто модным словом. Но по порядку.

Надо отдать должное и выступающим, и организаторам, все презентации рассказывали о конкретных кейсах применения AI в бизнесе. Даже основной партнер мероприятия, норвежская компания Crayon, привела несколько очень интересных примеров того, как в Норвегии используется эта технология для оптимизации продаж и производства. Например, крупнейшему производителю молочной продукции этой скандинавской страны, Tine, требовалась система для прогнозирования производства молока и мяса для того, чтобы правильно запланировать транспортировку и обработку. C помощью машинного обучения получилось сделать модель, которая повысила точность прогноза на 40%, что привело к общему снижению себестоимости на 7%.

В другом кейсе для розничной сети было необходимо сделать рекомендательный сервис, который уже работал в формате rule-based, более персонализированным для работы в онлайн-кампаниях. Создав две отдельные модели с использованием ML и click-stream данных, которые используют 75 факторов пользовательского поведения, ритейлер получил рекомендательный сервис, который повысил конверсию в некоторых категориях в 7 раз.

Еще один пример с deep learning под капотом, так сказать, связан с автоматизированным поиском и оценкой повреждений и разрушений на поверхностях для проведения работ. В первую очередь, на дорогах и различных площадках. Эти повреждения должны были фиксировать дроны и для них надо было создать систему, модели которой могли бы классифицировать поверхности, понимать, что есть повреждения и оценивать масштаб бедствия. Система умудрилась так точно оценивать происходящее, что сервисная компания, заказчик, получила до 3 миллионов долларов дополнительный прибыли в первый же год ее использования.

Более близкие к нам кейсы представили крупнейшие компании российского рынка. Сергей Коняхин, директора дирекции производственного моделирования аэропорта «Шереметьево» правильно заметил, что при нынешнем уровне цифровизации у аэропорта есть возможность моделировать поведение каждого пассажира индивидуально. И это даже при такой специфики аэропорта, как неоднородность загрузки, сложность инфраструктуры, стоимость поддержки этой инфраструктуры, взаимодействие огромного количества внутренних служб, зависимости от погодных условий и сезонности и жесткого регулирования как со стороны российского законодательства, так и международных нормативов. При этом основными целями аэропорта как коммерческой организации остаются снижение рисков и увеличение прибыли.

Используя машинное обучение «Шереметьево» эффективно прогнозирует новые рейсы и прогнозирует потоки пассажиров и нагрузку на систем обработки багажа (при наличии 5 терминалов это ого-го какая задача!). Как честно признал Сергей Коняхин, с самого начала были сложности с использованием системы, так как диспетчера оказались не готовы к работе в условиях оптимальных количества ресурсов. В результате, оборудование находилось в неправильных локациях, ресурсы не перераспределялись между зонами внутри дня, и даже не планировались обеды. Однако с помощью детальной отчетности удалось быстро произвести калибровку системы и устранить слабые места. Теперь диспетчера управляют ресурсами с учетом будущих событий, и уже сейчас расходы удалось сократить на десятки миллионов долларов.

Не менее впечатляющие примеры работы технологий искусственного интеллекта привел в своем выступлении Евгений Чаркин, директор по информационным технологиям «РЖД». В большом плане цифровых инициатив РЖД искусственный интеллект занимает значимое место. Уже сейчас такие технологии как обработка естественного языка, интеллектуальная поддержка принятия решений, управления беспилотным транспортом и программные роботы вовсю в РЖД используются.  Это прием голосовых сообщений и синтез речи, роботизация обработки заявок в техническую поддержку, предиктивная диагностика, рекомендательные сервисы, управление локомотивом по безлюдным технологиям.

В качестве примеров проектов по использованию технического зрения Евгений привел видеораспознавание номеров вагонов для автоматического списывания составов, комплексные системы диагностики состояния объектов инфраструктуры (неисправностей путей, например) и оснащение техническим зрением маневровых и магистральных локомотивов для повышения пропускной способности сортировочных станций.

Кстати, к сортировочным станциям относится и еще один проект. Он красиво называется «интеллектуальный помощник маневрового диспетчера» и служит для того, чтобы составы на сортировочных станциях проводили минимальное время. Пилотный проект делали в Челябинске, и его основной целью было проработать гипотезу – может ли нейронная сеть планировать работу железнодорожных станций. И, если может, то можно ли на ее основе создать систему для поддержки принятия решения о порядке роспуска составов с сортировочной горки. И пилот показал, что нейронная сеть это всё может. Так что скоро, вероятно, жизнь диспетчера на сортировочной станет значительно легче, когда помощником станет подобная рекомендательная модель.

Немного в сторону от транспорта и ближе к телу. Выступление Бориса Зингермана, руководителя направления цифровой медицины в «Инвитро» было посвящено близкой всем теме – искусственному интеллекту в здравоохранении. Как верно привел Борис данные недавнего исследования Frost & Sullivan, AI в медицине требуется для разработки и исследования лекарств, создания медицинских изображений и диагностики, систем поддержки принятия решений врачебных решений, прогнозной аналитики и анализа рисков, управления и мониторинга образа жизни, обработки и анализа информации с носимых устройств, управления хроническими состояниями, виртуальных ассистентов, работы с психическим здоровьем и в неотложной помощи и хирургии.

Несмотря на то, что решений таких масса, они по-прежнему встречают некоторое недоверие, если не сказать, сопротивление врачей. Ведь уже лет 30 как с каждым новым кардиографом поставляются медицинским работникам системы – аналоги рекомендательного сервиса или сервиса подсказок. Но каждый врач, считающий себя экспертом, тут же этот сервис отключает.

Но по мнению Бориса правда заключается в золотой середине: искусственный интеллект не должен заменить врача, а должен служить ему помощником. В конце концов, не AI заменит врачей: врачей заменят врачи, использующие AI.

Дальше нас ждали два кейса из финансовой сферы. Один правда, от «ВТБ Капитал», представленный Владиславом Русаковым, из службы предоставления ИТ-сервисов, универсален и может быть интересен компании из любой отрасли. Внутренняя ИТ-команда «ВТБ Капитал» решила еще больше оптимизировать процесс обработки заявок в ИТ. Надо сказать, что и до проекта ServiceDesk в компании был вполне даже автоматизирован – 60% заявок регистрируются на портале самообслуживания, а вот остальные приходилось регистрировать вручную. И вот тут явно было поле для улучшения. Попросту – требовалось сделать робота для обработки массива заявок. 

Для начала проанализировали более 10 000 сообщений, из которых 2500 сообщений, разделенные на 10 категорий, попали в первоначальную обучающую выборку для модели. Причем сообщения были и на английском, и на русском – так как команда «ВТБ Капитал» международная. Далее сделали решение для автоматических ответов для обращения пользователей и создали интеллектуальный поиск на портале (все же любят сначала порешать задачу сами?). Постоянно дообучая модель, команда Владислава дошла до решения по автоматическому консультированию по простым вопросам и, в конце концов, до виртуального помощника оператора ServiceDesk. Что делает этот помощник: он предлагает варианты ответов пользователю, сразу подтаскивает оператору информацию о ресурсах пользователя (какое у него оборудование и ПО). Он же может создать заявку с предзаполненными полями и выдать полезные ссылки для решения задачи оператором.

Итого – уже сейчас 8% писем обрабатываются без участия человека, по остальным заявкам видна экономия до 50% времени на консультациях и до 30% на заявках. Хочется дорабатывать дальше, но мешает немного пресловутый человеческий фактор: люди хотят говорить с людьми.

Ровно этому же было посвящено выступление Леонида Колыбина, руководителя продукта голосовых роботов банке «Тинькофф». Не поверите, сколько у одного этого банка разговоров клиентов с роботами - 6 700 000! При этом, если раньше для создания робота одного типа требовались годы и месяцы, то теперь такого голосового собеседника «Тинькофф» запускает за 1 день. Экономия, выраженная в деньгах, очевидна – работа оператора стоит 12 рублей в минуту, робота - 4 руб/мин. Но, увы, не всё так линейно – и действительно, люди хотят говорить с людьми. Банк старается варьировать голоса, придумать разные тексты для разговоров – это очень любопытно слушать. Например, когда робот поддакивает или говорит – «угу», «ага» в ходе телефонной беседы, или когда голос робота звучит, как «томный женский голос» («томного мужского» Леонид на конференции не включил, но с томным женским особо никто говорить не желал, уж больно это напоминало некоторые службы…).

И напоследок немного теории, которой на конференции поделился ее модератор - Илья Кузьминов, директор центра стратегической аналитики и больших данных Института статистических исследований. Илья показал результаты системы анализа интеллектуальных данных из отчета Высшей Школы Экономики по тематикам, которые особенно популярны сейчас в мировой науке: от слабых сигналов до возникающих направлений, а также матрицу использования искусственного интеллекта в крупнейших предприятиях России.

Cреди общих трендов, связанных с ИИ, ВШЭ видит необходимость создания комитет по этике ИИ, надлежащее управление этими системами и вообще все вещи, связанные с ответственным интеллектом. Cледом идут демократизация ИИ, его тесная связка с Индстрией 4.0 (то есть с современной промышленностью), усиление кибербезпасности на базе ИИ. Также в список тенденций вошли такие модные понятия как Internet of Behaviour (Интернет поведения), они же системы слежения, пока за сотрудниками предприятий, Things as Customers (Интернет вещей), инжиниринг AI и цифровой двойник организаций.

О правильном восприятии аналитики говорил и Юрий Сирота, cтарший вице-президент и Сhief Analytics Officier Банка «УРАЛСИБ». Он посетовал на то, что кейсы на базе технологий аналитики, которые приводят к монетизации, редко раскрываются. А аналитический отдел в большинстве компаний – это обычно фабрика по производству отчетов. Это подход безусловно надо менять, в том числе и используя такие продвинутые вещи на стыке аналитики и автоматизации, как искусственный интеллект.

Хорошо подведет итог конференции TAdviser «Искусственный интеллект 2020» метафора Юрия: «Зеркало заднего вида в автомобиле – это отчетность, лобовое стекло – это прогноз.» Так вот прогноз мы можем сделать только с использованием AI, и тогда наш путь будет ровный и безопасный.

Источник: Tadviser