Технологии Искусственного Интеллекта

Технологиями Искусственного Интеллекта в широком плане называют программное обеспечение, способное выполнять задачи, для выполнения которых традиционно требуется использование когнитивных способностей человека — распознавание речи и визуальных образов, принятие аналитических решений, сложные логические операции, предсказание будущего на основе накопленных данных и т.п.

Основной технологий ИИ является способность компьютерных систем к «самообучению» («Машинное Обучение», Machine Learning), использованию накопленных данных или специально созданной среды для программирования определенных правил принятия решений или поведения, применимых в будущем. Главным идеологическим «отличием» технологий ИИ от «традиционных» цифровых решений является тот факт, что при выполнении задач они не опираются на логические схемы, заданные программистами, а сами выстраивают комплексные механизмы принятия решений («нейронные сети») на основе тех данных и задач, что были поставлены программистами.

Получить кейсы внедрения

Технологии ИИ в российских и зарубежных компаниях: предсказание покупок, увеличение конверсии продаж, идентификация мошеничества,  предупреждение кибер-атак, оптимизация документооборота и пр.

          Кейсы         

Политика конфиденциальности

из 100 крупнейших международных компаний используют технологиии ИИ для оптимизации документооборота

 

Процентов всех компаний в мире в 2020 году будут использовать технологии ИИ хотя бы на одном этапе продаж

 

 

процентов всех текущих кибер-атак на бизнес может быть обнаружено и отражено с помощью технологий ИИ

Простой пример сравнения «традиционного» RPA и Machine Learning на процессе

Перед компанией стоит задача автоматизации работы с входящими документами, извлечению ключевой информации контрагентов (название компании, юр. адрес, номера счетов, и т.д.), Компания работает с малым торговым бизнесом и получает тысячи входящих документов каждый день, затрачивая на работу по внесению и обработке данных в системы компании значительные человеко-ресурсы.

В первом сценарии входящие документы основаны на двух-трех шаблонах. В таком случае компания может внедрить решение RPA, которое разработчик настроит таким образом, что оно будет проверять каждый документ на принадлежность к тому или иному шаблону, а затем по созданным правилам извлекать из заданного поля нужную информацию. Разработчик «вручную» прописывает логику, указывая, в каком поле какого шаблона находится, например, «юридический адрес». Чем больше вариантов шаблонов, тем больше времени и ресурсов уйдет на разработку цифрового робота. 

Во втором сценарии входящие документы выполнены в стандартах контрагентов, компания получает более 50 различных вариантов схожих по формату документов каждый день. Применение RPAна этом звене процесса становится в таком случае бессмысленно в плане экономической целесообразности программировать решение под каждый шаблон, а также стабильности работы (появляются новые шаблоны). В таком случае инженер-ИИ развертывает нейронную сеть и тренирует ее находить в любом входящем документе данной категории (например, договора) такие данные, как юридический адрес. Если система столкнется с проблемой, она покажет документ «живому» сотруднику, которые найдет в нем юр. Адрес, укажет на него системе ИИ, и она учтет этот опыт в дальнейшей работе («самообучение» нейронной сети).

Стоимость реализации такого ИИ решения достаточно незначительна, а выгода от автоматизации процесса – существенны. Создание подобного решения возможно в течение одной-двух недель, как правило, оно встраивается в роботизируемый процесс в связке с алгоритмами RPA.

Одним из первых проектов ЦРИИ в области ИИ являлся создание архитектуры нейросети и ее обучение для крупной строительной компании – решение проверяло наличие подписи контрагента в входящих сканированных документах, высвобождая большое количество времени сотрудников и ускоряя процесс работы с клиентами.

Основные области применения ИИ в российском бизнесе

★  Автоматизация процессов

★  Выполнение сложных аналитических задач и работа с «большими данными»

★  Виртуальные помощники для клиентов и сотрудников

★  Оптимизация продаж

★  Предсказания потребностей и поведения клиентов

★  Оптимизация производственного цикла

★  Предотвращение аварийных ситуаций и оптимизация ремонта

Внедрение Искусственного Интеллекта  к 2030 году увеличит мировой ВВП на 14% — PWC

Возможности Технологий ИИ


 

Пример высокорентабельного применения ИИ в деятельности финансовых организаций

Применительно к бизнесу и деятельности компаний, возможности технологий ИИ на данный момент достигли такого уровня, что внедрения технологий позволяет бизнесу достигать результатов, принципиально невозможных для человека и даже большой команды сотрудников без использования подобных технологий.

На сегодняшний день множество кредитных организаций, как на корпоративном, так и розничном рынках, используют ИИ для оценки рисков заемщиков. Десятилетиями на этом рынке аналитики создавали модели, алгоритмы и системы оценки рисков, увеличивая количество данных, принимавшихся к рассмотрению. Но за каждой оценкой стояло мнение разработчиков систем о том, насколько тот или иной входящий параметр (возраст, доход, место жительства) влияют на риск невозврата кредита. Эти оценки строились на статистических исследованиях кредитного портфеля, но, с ростом количества входящих данных в модели, решение задача становилось непосильна для человеческого мышления. С недавнего времени на рынке появились «коробочные» решения, которые, «тренируясь» на исторических данных компании, значительно понижающих процент плохих заемщиков, увеличивая на 20-30% рентабельность бизнеса.

В каких процессах и задачах внедрение технологий ИИ приносит значительный результат:

 

1

Большое количество входящих данных (пример — оценка кредитного риска с использованием данных в социальных сетях или работа с сейсмическими данными для определения местонахождения залежей нефти).

 

2

Большая вариативность входящих данных, работа с неструктурированными данными (пример — обработка договоров, выполненных по произвольным шаблонам договоров с контрагентами)

 

3

Большая «скорость» входящих данных (пример — распознавание в режиме реального времени лиц в видеопотоке с камер видеонаблюдения)

 

4

Аналитичекая работа (пример — практически в каждой профессии, где для достижения результата ранее использовались расчеты по формулам (финансы, инженерное дело, оценка рисков) появляются успешные решения, основанные на возможности использования данных с помощью технологий ИИ для  улучшения результата.