Мегамозг для цифровой экономики
Машинное обучение — технологии, которые исследуют большие объемы данных, выявляя закономерности. Алгоритм постоянно учится и со временем начинает сам принимать решения. Совершенствование — непрерывный процесс.
Уровень и скорость развития технологий таковы, что, как показало исследование Оксфордского университета, специалистов каждой второй профессии в будущем могут заменить роботы. Машины учатся управлять транспортными средствами или переводить с одного языка на другой. Искусственный интеллект — ядро беспилотных автомобилей, спам-фильтров в электронной почте, сервисов рекомендаций в онлайн-магазинах, голосовых помощников. Например, систему распознавания и синтеза речи уже пару лет используют в «Аэрофлоте» — за счет этой технологии удается сократить расходы на контакт-центр.
- По данным Markets and Markets, к 2020 году рынок искусственного интеллекта (ИИ) вырастет до 5,05 млрд. долл.
- Gartner: к 2020 году около 40% всех взаимодействий между виртуальными помощниками и пользователями будут опираться на данные, обработанные нейронными сетями.
- IDC: к 2018 году компоненты искусственного интеллекта появятся примерно в половине всех разработанных приложений.
Роботы в поле
Используя огромный объем накопленных данных, алгоритмы умеют распознавать текст, речь или изображения, давать ответную реакцию на вопросы, запоминать предпочтения и выстраивать на их основе рекомендации. Они все глубже проникают в бизнес-процессы компаний самых разных отраслей.
Искусственный интеллект помогает по-новому подходить к решению «старых» проблем бизнеса. «Традиционно экспертные системы, которые управляют доменным производством, строились на основе физико-химических моделей, а сейчас им на смену приходят технологии, основанные на сложной математике и искусственном интеллекте, — рассказывает Артем Натрусов, вице-президент „Евраз“. — Такие математические системы можно применить к значительно большему набору процессов без больших фундаментальных исследований».
В ритейле, электронной торговле, финансах и телекоме, где исторически накоплено больше всего данных, машинное обучение помогает лучше прогнозировать продажи, рассчитывать тарифы, снижать отток клиентов и риски мошенничеств.
Машины перетягивают на себя все больше функций. Например, в HR-сфере системы помогают с рутинными задачами первичного скрининга резюме или отбора кандидатов по заданным параметрам. В «Альфа-Банке» прогнозируют все более активный переход на безлюдные технологии — через 3 года клиенты в 50% случаев будут общаться с ботами.
Доходная аналитика
Технологии машинного обучения используют не потому, что модно, а потому, что они начинают приносить деньги. В «Сбербанке» считают, что через 5 лет 80% всех решений будут приниматься с помощью искусственного интеллекта. Только он поможет справиться с огромными объемами собираемых данных — особенно, когда в полную силу «развернется» интернет вещей.
«Для нас актуальны любые технологии, которые работают с данными, получаемыми с датчиков оборудования, — делится Юрий Шеховцов, директор по ИТ „Северстали“. — Мы чувствуем, что потенциал предиктивного анализа на основе больших данных может дать существенную экономию, а также повысить качество нашей продукции. Мы уже движемся в области предугадывания поломок, которые могут возникать при производстве того или иного ассортимента продукции».
«Если данные обогащать при помощи информации, которая есть у других игроков, могут получиться совершенно новые модели — начиная от моделей кредитования или поведения и заканчивая системами антифрода, контроля эмоционального состояния и пр. Все это является акселератором к ускорению продаж, к увеличению проникновения банковских продуктов», — считает Сергей Меднов, старший вице-президент банка «Открытие».
Машинное обучение и искусственный интеллект — практический ответ на накопившиеся в прежние годы вопросы о реализации Big data. Рынку давно был нужен инструментарий, который помогает получать бизнес-ценность от растущих массивов разнородных данных, анализируя их «в связке». Именно они позволят адресовать правильному клиенту правильную мысль, отмечает Сергей Меднов. Как раз правильно выстроив коммуникацию после правильной сегментации, и удастся существенно повысить продажи.
Знакомство с новыми аналитическими инструментами занимает некоторое время. Чтобы не тратить еще и деньги, компании могут проводить эксперименты в облаке, экономя на развертывании решений в собственной ИТ-инфраструктуре. «В аналитике сложно обойтись без облаков, — подтверждает Егор Ланько, директор по omnichannel «Азбуки вкуса». — Огромное количество важных инструментов и технологий, которые сейчас появились, живут именно там»
