в чем причина такой популярности внедрения ai в бизнес процессы
В чем причина такой популярности внедрения ai в бизнес процессы
Обучаемая система предсказания поведения покупателей «Рив Гош» на базе ML позволила повысить точность персональных товарных рекомендаций по конкретным артикулам на 33%, тем самым повысив лояльность клиентов, увеличив объем продаж и снизив издержки на маркетинговые акции. Проект охватил более 220 торговых точек по всей России и интернет-магазин «Рив Гош». Программа позволяет выявить из всех держателей карт лояльности (2,6 млн человек) тех, кто потенциально может совершить покупку в ближайшие две недели и сделать прогноз топ-2 покупок по каждому из этих клиентов до уровня конкретного артикула. В результате компания может своевременно предложить интересующему сегменту клиентов скидку на выбранные позиции (размер скидки рассчитывается для каждого клиента индивидуально) и повысить вероятность продаж. В выявленном «золотом сегменте» держателей карт лояльности (1% от общей клиентской базы, 7% общей выручки) повторные обращения за покупками составили около 47% (против 22% в среднем), а сумма чека оказалась на 42% выше, чем у остальных покупателей.
Photo: Пресс-служба Рив гош
В 2018 году группа «М.Видео» запустила собственный data-science центр для решения задач целевого маркетинга и онлайн-торговли. По словам директора по информационным технологиям компании Сергея Сергеева, 75% клиентов начинают поиск техники в интернете, поэтому компания имеет большой объем данных о запросах и предпочтениях клиентов, истории покупок и коммуникации с ними. AI-система использует эти данные для облегчения поиска и выбора товаров, для создания персонализированных предложений, определяя склонность клиентов к различным видам промомеханик (скидки, индивидуальные промокоды, рассрочка, кэшбек). Кроме того, в процессе покупки система рекомендует подходящие аксессуары, ушедших с сайта клиентов возвращают с помощью e-mail рассылок, информируя их о возврате заинтересовавшего товара в продажу или скидках на него. Общий прогнозируемый эффект в 2018 году от реализации этих сценариев оценивается в 800 млн руб. дополнительного онлайн-оборота.
Photo: Пресс-служба М-видео
Компания «Инфосистемы Джет» в сотрудничестве с Агентством стратегических инициатив (АСИ) в рамках Национальной технологической инициативы (НТИ) разработала цифровую платформу управления талантами. Ее задача — давать рекомендации по подбору программ дополнительного образования для талантливых школьников и формировать персональные образовательные траектории с учетом имеющихся знаний, навыков и интересов. Система анализирует социальные и демографические данные пользователя и на ее основе предоставляет список рекомендуемых образовательных программ: обучающих курсов, данных Leader-ID и Университета НТИ «20.35». Решение позволит агрегировать данные об участниках дорожной карты НТИ «Кружковое движение» из множества источников, включая организации-партнеры НТИ, социальные сети, образовательные платформы, олимпиады, компьютерные игры, в будущем доступ к платформе смогут получить работодатели, заинтересованные в привлечении перспективных кадров. Запуск платформы в промышленную эксплуатацию запланирован до конца 2018 года.
Photo: Пресс-служба Bitronics
Запущенная пилотная чат-платформа на базе AI за год позволила банку «Ак Барс» автоматизировать работу контакт-центра на 40%, это же решение используется другими компаниями, входящими в группу, — «Ак Барс Финанс» и «Ак Барс Страхование». Сейчас банк разрабатывает систему виртуального персонального менеджера на основе чат-платформы, которая поможет клиентам совершать платежи и переводы. Сначала она будет доступна лишь для вип-пользователей, а потом распространится и на остальных клиентов. Системы дополненного интеллекта используются и для открытия брокерских счетов — они взяли на себя 5–10% нагрузки операторов. В будущем «Ак Барс» планирует надстроить чат-платформу системой голосового интерфейса, чтобы создать у клиента иллюзию общения с реальным человеком, и развивает технологию компьютерного зрения. Система Face2Pay способна идентифицировать пользователя по лицу с уровнем точности 99% — надежнее, чем по паспорту, и использовать эту информацию для доступа к платежам. «Это открывает широкие возможности для бизнеса в части обслуживания не только физлиц, но и предоставления услуг бизнесу — например, ретейлерам», — говорит руководитель направления развития перспективных продуктов «Ак Барс Цифровые технологии» Ярослав Шуваев.
Photo: Евгений Разумный ТАСС
Потенциал бизнес-изменений с использованием AI-технологий действительно огромен. По данным Accenture, в горизонте до 2035 года в 16 отраслях они способны нарастить темпы экономического роста в среднем на 1,7%. При этом наибольший рост добавленной стоимости продемонстрируют ИТ и телеком (4,8%), обрабатывающая промышленность (4,4%) и финансовые услуги (4,3%). В сфере строительства, образования, гостеприимства и отельного бизнеса такие решения повысит рентабельность деятельности больше всего, говорит Мария Григорьева. При этом развитие может идти по двум сценариям: полная трансформация бизнеса на основе AI или создание отдельных продуктов и сервисов. Оба сценария реализуют только 17% компаний, а занимаются хотя бы одним из направлений примерно 27%, отмечает эксперт.
По мнению эксперта по машинному обучению, соавтора курса Data Mining in Action Виктора Кантора (бывшего руководителя направления машинного обучения в «Яндекс.Такси»), машинное обучение будет активнее всего применяться в тех сферах, где есть много монотонной работы, выполняемой людьми, — например, в техподдержке. «Качество работы людей ощутимо падает от однотипных и скучных заданий, а алгоритмам все нипочем. Но нужно учитывать, что монотонная работа в целом стоит не очень дорого, поэтому даже если в человеко-часах экономия будет колоссальная, в деньгах это не так много», — отмечает он. Более перспективным может оказаться внедрение в тех компаниях, где процессы уже автоматизированы и накоплен значительный объем данных, — там возможно принимать решения вообще без участия людей. Например, речь может идти о многопользовательских интернет-сервисах (где AI активно используется уже давно) и промышленности.
Действительно, в промышленности уже тоже есть немало успешных примеров внедрения, говорит Владимир Молодых. «В одном проекте по предотвращению брака на промышленном производстве мы работали с 1200 параметрами, из них более 800 существенно влияли на то, уйдет итоговое изделие в брак или нет. Это химические и массовые характеристики, температура, скорость элементов производственного процесса, показания приборов и настройки станков. Причем не было такого, что 5–10 параметров влияли сильно, а остальные слабо. Понятно, что ни в одной человеческой голове увязать между собой сложно взаимозависящие 800 параметров в точную модель невозможно», — отмечает он.
По мнению ИТ-директора Wildberries Андрея Ревяшко, уровень внедрения искусственного интеллекта в ретейле на текущий момент незаслуженно низкий, хотя это реально работающий инструмент. «Совместно с отделом, развивающим ML/AI-технологии, в нашей информационной системе уже внедрены механизмы товарных рекомендаций, поиска товаров на сайте, распознания одежды по фотографии с целью подбора альтернативных вариантов, — рассказывает Андрей Ревяшко. — Сервис повысил конверсию более чем в два раза уже на этапе первых запусков».
AI-технологии уже кардинально трансформировали бизнес-модели банковской сферы, заинтересовавшейся этой темой одной из первых. «С помощью искусственного интеллекта можно автоматизировать большую часть core-бизнеса банка — на ключевых специалистах останется только стратегия развития, но и она будет опираться на прогнозы AI. Наибольший эффект от внедрения достигается в области работы с клиентами (сегментация клиентской базы, кредитный скоринг, предсказание оттока вкладчиков, выявление мошенничеств и др.), а также управления наличностью в кассах и банкоматах», — объясняет CEO TalkBank Михаил Попов.
Аналитика и маркетинговые исследования — еще одна перспективная «поляна» для искусственного интеллекта. На рынке растет спрос на новые типы исследований: аналитику big data, автоматизированный сбор данных, мониторинг социальных медиа, — то есть те области, где применяются машинные алгоритмы. «Сейчас уже многие компании пользуются результатами аналитики социальных медиа, где AI/ML применяется для категоризации сообщений, определения тональности упоминаний, выявления трендов. Становится хорошей практикой объединять результаты опросов с анализом социальных медиа, чтобы расширять знания о бренде, потребителе, выявлять новые тенденции на рынке», — отмечает заместитель генерального директора GfK Rus Марина Безуглова.
Чек-лист: нужен ли вашему бизнесу AI (заодно развенчиваем популярные мифы)
Искусственный интеллект — мощнейший тренд наших дней. Технология уже проникла во многие бизнес-процессы и продолжает совершать революционные изменения на рынках IT, финансов, HR, e-commerce, систем безопасности. Не обходится и без перегибов: все чаще можно услышать о применении искусственного интеллекта в качестве своего рода маркетинговой приманки — например в кофейне. Руководитель технологического консалтинга по AI-решениям Intuition Иван Ильин рассказывает, кому и в каких случаях действительно стоит задуматься о внедрении AI-технологий — и как это лучше сделать.
3 мифа про искусственный интеллект
Внедрение AI гарантирует повышение эффективности конечного продукта в разы.
Нет, это не так. Эксперты Gartner, например, отмечают, что в среднем технология позволяет сэкономить всего 3-5%. На каждую историю успеха внедрения AI и ML (machine learning) приходится множество неудач. Половина финансовых топ-менеджеров, которые планируют ввести предиктивную аналитику к 2020 году, делают это из стадного чувства (panic buying). Аналитики компании советуют тестировать технологию, но избегать крупных вложений. «Путь к AI- и ML-нирване усыпан мертвыми телами неудачных примеров внедрения», — говорит Роб ван дер Мейлен из Gartner.
Количество сфер и отраслей, где можно использовать AI, безгранично.
AI — огромная область Computer Science. Очевидно, что решения на основе алгоритмов искусственного интеллекта многократно эффективнее в работе с изображениями и текстами, чем классические алгоритмы. Они приносят практическую пользу на миллиарды долларов в различных индустриях, но совершенно бесполезны и не несут никакой ценности в слишком «человеческих» областях. IBM может позволить себе создание робота-повара Chef Watson и решить таким образом ряд задач по маркетингу. Но что такая дорогостоящая технология может действительно дать индустрии общепита и гостеприимства, кроме кратковременного эффекта от хайпа?
В Wantful с помощью алгоритмов искусственного интеллекта пытались научить пользователей выбирать удачные персонализированные подарки для конкретных людей; в Teforia — правильно заваривать чай; в Polimobile — общаться с избирателями на политические темы. Все эти стартапы за короткое время прекратили свое существование. Наивно ожидать полного исключения человека из процессов, требующих креатива.
Не обязательно писать AI-модели с нуля — можно взять готовое решение из открытых библиотек.
Да, эффективно использовать готовое решение или собрать простую модель можно и без фундаментального математического образования. Но созданием своих эффективных алгоритмов под конкретные бизнес-процессы могут заниматься только профессионалы. Учитывая задачу и имеющиеся данные, они тонко настраивают алгоритмы компьютерного зрения, понимания естественного языка и классического машинного обучения. Специалисты также умеют составить оптимальный набор из доступных инструментов и правильно строить архитектуру решения.
Рассмотрим на примере торговой сети. Алгоритм кластеризации открытой библиотеки позволяет, не прибегая к услугам квалифицированного инженера машинного обучения, обработать сырые данные и разделить их по признакам, например сгруппировать магазины по товарообороту или проходимости. Но если ретейлер хочет разобраться в полученных данных (провести факторный анализ разбивки на кластеры, оценить корреляцию различных факторов, в том числе с бизнес-показателями, и т. п.), то ему придется нанять AI-специалиста. Последний применит более глубокий подход к обработке данных и напишет соответствующий задачам алгоритм.
Как не поддаться стадному чувству
В ближайшее время технологии AI точно будут востребованы в прогнозировании процессов, связанных с логистикой, загрузкой складов, построением маршрутов. Искусственный интеллект справится с персонализацией любого контента (тексты, видео, товарные предложения) для пользователя. Ретейл заинтересован в использовании AI для тонкой аналитики, проверки корректности чеков, распознавания лиц покупателей или заполненности полок с помощью камер. Вместе с тем, хайп, связанный с AI в творческих областях, будет сходить на нет, — процесс креатива и интеграции уникальных навыков и опыта каждого человека достаточно сложно воспроизвести алгоритмически.
Чтобы не попасть в ту самую половину аудитории, которая готова потратиться на искусственный интеллект из стадного чувства, нужно учесть следующие моменты.
В то же самое время, внедрять AI в кофейне — все равно что покупать атомный микроскоп в школьный кабинет (то есть абсолютно нерентабельно). Средний бизнес в последнее время часто заявляет об использовании искусственного интеллекта в какой-то цепочке действий, где это часто не нужно и не критично. В этом случае целесообразнее говорить о недолговечном маркетинговом эффекте, нежели о полезности самой технологии.
Если компания — AI-стартап, то очевидно, что для нее это ключевая технология. Речь в таком случае идет о полной автоматизации каких-либо областей, кардинальном изменении процессов, в результате чего сокращаются целые блоки, которыми раньше занимались отдельные компании и большой штат сотрудников.
Конечно, здесь нужно учитывать, что AI — это уже мейнстрим, рынок достаточно насыщен, а в некоторых сферах даже переполнен. Начинающей компании сложно выделиться на этом фоне и найти новую, относительно свободную рыночную нишу с существенным коммерческим потенциалом. Крупный бизнес обычно предпочитает выращивать команду разработки в своих стенах, чем прибегать к сторонним сервисам. У AI-стартапов есть будущее, только если они придумают нечто революционное, подобное мультиагентной системе для «Газпрома» (предотвращает миллиардные потери на логистике). Похожую технологию применили в Coca-Cola, сэкономив на транспортных расходах до 20%.
Нужна узкая настройка AI на операции, которые он выполнит лучше человека. Например, искусственный интеллект умеет работать с терабайтами текста, тогда как любой из нас потратил бы на это месяцы. С помощью алгоритмов можно сразу ранжировать и классифицировать печатную информацию, искать ее по интересующему запросу, а также распознавать изображения и выявлять людей по фото на видео. AI успешно внедряется в различных системах безопасности, например Aruba 360 Secure Fabric. Пример среднего бизнеса, где действительно стоит использовать алгоритмы, — частные охранные предприятия. Работу множества охранников, которые ежедневно сидят и вглядываются в мониторы, вполне можно автоматизировать.
Как искусственный интеллект становится эффективным бизнес-инструментом
Лаборатории интеллекта
Летом 1956 года в американском Дартмутском колледже прошел двухмесячный научный семинар, посвященный Artificial Intelligence (искусственному интеллекту). Он собрал ведущих американских ученых в области теории игр, нейронных сетей и ИИ. Участники не ставили перед собой глобальных целей. Они просто пытались понять, можно ли обучить машину естественным языкам, натренировать ее формулировать концепции и создавать абстракции.
Именно на этом семинаре информатик и когнитивист Джон Маккарти предложил использовать термин Artificial Intelligence. Всего через год ИИ-лаборатории появились в университете Карнеги — Меллона, в Стэнфорде и MIT. Так изучение искусственного интеллекта стало официальной академической дисциплиной.
Первые проекты в области ИИ выглядели не более чем игрушками. К примеру, в 1966 году, через десять лет после Дартмутского семинара, появилась программа ELIZA, созданная американским ученым Джозефом Вейценбаумом. Она имитировала, а вернее пародировала разговор с психотерапевтом. ELIZA умела выделять в высказываниях пользователя ключевые слова и выстраивать шаблонные ответы.
До 1990-х годов заметных прорывов в сфере искусственного разума не было: казалось, технология так никогда и не обретет внятную форму и никогда не приблизится к всесильному ИИ, о котором писали фантасты. Но когда в 1997 году суперкомпьютер Deep Blue от IBM выиграл в шахматы у чемпиона мира Гарри Каспарова, об искусственном интеллекте вновь заговорили всерьез. В том же году появилась технология распознавания речи NaturallySpeaking, которая позволила машинам понимать человека «на слух». Следом возникло множество других проектов в области машинного перевода, распознавания и классификации изображений, обнаружения объектов.
В начале 2010-х годов вновь приобрела популярность такая разновидность искусственного интеллекта как нейросети, а также способы ее обучения — машинное и глубокое. Если раньше алгоритмы тренировали в основном на выполнение конкретных задач, то теперь они стали осваивать так называемые представления (features / representations) и учиться распознавать образы. Это оказалось возможным благодаря резкому росту мощности компьютеров. Вычисления начали выполнять с использованием графических процессоров, которые смогли на порядки ускорить процесс обучения моделей.
По мнению одного из крестных отцов ИИ, британского информатика Джеффри Хинтона, благодаря глубокому обучению в недалеком будущем машине удастся воспроизвести человеческий интеллект. Но пока искусственному разуму не хватает масштаба. Мозг человека имеет около 100 трлн синапсов (точек контакта двух нейронов. — РБК Тренды). Для сравнения: самая продвинутая на сегодняшний день языковая модель GPT-3 использует 175 млрд параметров.
Ближе к бизнесу
Одним из главных препятствий для широкого применения ИИ до недавнего времени было слабое распространение моделей машинного обучения (machine learning, ML). Бизнес все еще плохо понимает, как их внедрять в бизнес-процессы и продукты, или слабо осведомлен об их возможностях. Разработка и применение таких моделей кажутся предпринимателям дорогостоящим и долгим процессом. Но ситуация быстро меняется.
Всего несколько лет назад для работы с ними действительно требовалось высокопроизводительное железо. Мощных машин было мало, их аренда стоила дорого.
Ситуацию изменили облачные технологии. Они радикально демократизировали доступ к мощной вычислительной инфраструктуре и предоставили удобные и понятные инструменты для работы с ИИ.
Так, уже сейчас облачные сервисы AI Cloud от SberCloud могут обеспечить любой бизнес — от транснациональной корпорации до стартапа — инфраструктурой и инструментами для решения ИИ-задач. Причем сервисы AI Cloud работают на базе самого мощного в России и СНГ суперкомпьютера «Кристофари», специально разработанного для работы с искусственным интеллектом.
В состав AI Cloud входит облачная платформа ML Space — набор продуктов для ML-разработки полного цикла. В «Сбере» ранее отмечали, что при создании ИИ-решений специалисты тратят лишь треть своего времени на обучение моделей. Остальное уходит на подготовку и прочую рутину. Благодаря продуктам AI Cloud команды дата-сайентистов могут посвятить обучению моделей 99% времени, работая из любой точки мира через облако.
ML Space позволяет организовать распределенное обучение на более чем 1 тыс. GPU (Graphics processing units — графические процессоры для высокопроизводительных вычислений). Как уверяют ее создатели, сейчас это единственная в мире облачная ML-платформа с таким функционалом. С ее помощью ресурсоемкие модели можно обучить за несколько часов. В сервис также входит модуль AutoML, который, по сути, является фабрикой по выпуску ML-моделей для тех компаний и организаций, у которых нет собственных специалистов в области data scienсe
Создатели ML Space сравнивают сочетание облачных технологий и новых инструментов машинного обучения с переходом от ручного труда к промышленному производству. Вместе они значительно ускоряют создание и выход на рынок готовых ИИ-решений и делают искусственный интеллект максимально доступным для бизнеса.
Раскрыть потенциал
Среди основных векторов использования искусственного интеллекта компаниями — управление рисками и обеспечение кибербезопасности, автоматизация рутины, помощь в принятии оптимальных решений. Кроме того, бизнес успешно применяет ИИ, чтобы эффективнее собирать информацию для прогнозов и автоматизировать клиентские операции.
Как ИИ применяется в разных секторах экономики
Ожидается, что к 2025 году человечество будет хранить около 175 зеттабайт (175 млрд Гб) данных. Уже сегодня большую их часть генерируют не люди, а машины — различные информационные системы, датчики, интернет вещей. Очевидно, что обработать всю эту информацию и извлечь из нее пользу для бизнеса без искусственного интеллекта и машинного обучения просто невозможно. Тем более, что ее количество продолжает расти.
По подсчетам IDC, объем данных, созданных в течение следующих трех лет, превысит количество информации, которое появилось за последние три десятилетия. А за ближайшую пятилетку мир сгенерирует втрое больше данных, чем за предыдущую. И это будет подталкивать к активному использованию ИИ для сбора и обработки информации.
По мнению гендиректора SberCloud Евгения Колбина, именно «облака» станут главным драйвером развития ИИ в ближайшие годы, так как только с помощью облачных технологий можно преодолеть главные барьеры развития ИИ — недостаточную доступность высокопроизводительных вычислительных ресурсов для работы с ИИ и острую нехватку специалистов — дата-сайентистов, дата-аналитиков и дата-инженеров. Сейчас почти во всех отраслях наблюдается острая нехватка высококвалифицированных специалистов для работы с данными. Платформа QuantHub, которая специализируется на подборе специалистов в сфере Data Science, подсчитала, что на три объявления о вакансии приходится всего один потенциальный соискатель. По словам Колбина, именно развитие облачных ML-сервисов и AIaaS (Artificial Intelligence as a Service) позволит искусственному интеллекту в полной мере раскрыть свой бизнес-потенциал.
Подписывайтесь также на Telegram-канал РБК Тренды и будьте в курсе актуальных тенденций и прогнозов о будущем технологий, эко-номики, образования и инноваций.
Как внедрить AI в свой бизнес?
Технологии искусственного интеллекта (ИИ, AI) уже проникли практически во все сферы жизни человечества. Их использование становится обычным и для предпринимательской деятельности, независимо от масштаба и отраслевой специфики компаний.
По мнению специалистов, все коммерческие организации, которые не успеют внедрить в течение ближайших лет в свой бизнес AI, обречены на неконкурентоспособность – они будут вынуждены уйти с рынка.
О том, какое значение имеет использование ИИ технологий для создания экосистем, а также о специфике внедрения AI в работу предприятия и важных моментах, связанных с соответствующим решением, можно прочитать в этой статье.
Искусственный интеллект является своего рода системой, способной к имитации поведения человека в целях выполнения поставленных задач, а также к обучению на базе получаемых информационных данных.
Воплощения AI могут иметь различный вид:
· форму чат-ботов, применяющих ИИ для ускоренного анализа обращения клиентов и предоставления ответов заказчикам;
· «умных помощников», которыми пользуются эти прогрессивные технологии для извлечения и произвольной обработки больших объемов данных в целях оптимизации проектной деятельности;
· механизмов, выполняющих автоматический подбор советов при взаимодействии с пользовательской аудиторией на базе аналоговых рекомендаций, просмотренных предварительно.
Технология AI не является ни функцией, ни форматом – она выступает в роли процесса, способного к мышлению и анализу. Заменить человека полностью ИИ не может, но обеспечить расширение человеческих возможностей, в том числе касающихся развития бизнеса, он сумеет.
Сейчас термин «искусственный интеллект» применяют для обозначения программ, ранее выполняемых исключительно человеком, а также для машинного обучения, которое предполагает всесторонне углубленное изучение материала.
Для применения AI в выгодном бизнесу русле предпринимателю стоит воспользоваться помощью специалистов по информатике, занимающихся изучением статистических данных деятельности компании из разных источников, то есть выполняющих бизнес-анализ.
ИИ-технологии дают бизнесу два основных преимущества.
1. Помощь в максимальном использовании потенциала данных.
2. Надежное прогнозирование и автоматическое решение сложных задач.
Это означает, что результатом использования AI является повышение эффективности и производительности труда, обеспечиваемое автоматизацией процессов, которые ранее выполняли люди.
Сейчас изучение данных большинства коммерческих предприятий вышло на приоритетные позиции – компании данному направлению уделяют большое внимание, вкладывая в решение связанных с ним вопросов большие суммы. Результаты недавно проведенного исследования, в котором участвовали 3 тысячи руководителей компаний, показали, что аналитику данных главы предприятий считают важным условием успешности бизнеса всех видов.
AI берет на себя составление прогнозов объемов прибыли и оптимизацию ценообразования, учитывая особенности поведения и предпочтения заказчиков.
Также использование ИИ помогает выявлять и предотвращать нарушения безопасности, устранять технические проблемы, сократить объемы работ по управлению производственным предприятием и оценивать внутреннее соответствие норм, одобренных поставщиками.
Стимулируется внедрение технологий искусственного интеллекта доступностью значительных объемов данных для обучения и недорогих вычислительных ресурсов с высокой производительностью, а также конкурентными плюсами AI.
Упростить процесс внедрения компаниями ИИ можно, используя готовые решения данной отрасли. К соответствующим решениям относят специальные ПО с автономными базами данных, применяющими машинное обучение в целях самостоятельного восстановления, и уже созданные модели, которые обеспечивают анализ текстовой информации и распознают образы.
Предприниматели, внедрившие готовые решения, отмечают сокращение производственных расходов, оптимизацию коммуникаций с партнерами и повышение производительности.
Стартовый этап работы с AI предполагает выполнение трех функций.
1. Применение чат-ботов для взаимодействия с покупателями. В результате лингвистической обработки данных выполняется анализ запросов клиентов и предоставляются им ответы.
2. Мониторинговая деятельность центра обработки информации. Эту отслеживающую работу, помогающую программистам сэкономить силы и время, автоматически выполняет единая облачная платформа.
3. Бизнес-аналитика. Эксперт для соответствующего анализа, упрощенного и наглядного, не требуется – он заменяется аналитическим средствами на базе пользовательского интерфейса.
Чтобы внедрение AI дало ожидаемые результаты, необходимо следовать трем правилам:
· использовать AI в отраслях, оказывающих оперативное и существенное влияние на доходы и издержки бизнеса;
· применять прогрессивные технологии для увеличения производительности (это лучшая альтернатива расширению или сокращению штата);
· начинать новации с офисных подразделений – ИТ и бухгалтерского учета.
Большая часть компаний собственными профессионалами, специализирующимися на изучении данных, не располагает, как и ресурсами для создания экосистем и программ, направленных на расширение возможностей ИИ.
Сейчас существуют профильные службы, специалисты которых помогают предприятиям разрабатывать оптимальные стратегии и получать доступ к инструментарию для эффективного внедрения AI. Такие сервисы, предлагающие предпринимателям широкий спектр целесообразных решений, можно найти в интернете.