Обзор: Искусственный интеллект 2018

В России искусственный интеллект (ИИ, artificial intelligence, AI) уже затронул такие темы, как интеллектуальный мониторинг инфраструктуры, сбор и обработка больших объемов информации, управление знаниями, технические и медицинские системы диагностики, создание индивидуальных траекторий обучения, поведенческий анализ, умные платформы и т.д. Тем не менее самые серьёзные изменения под влиянием решений на основе ИИ произойдут в ближайшие пару-тройку лет.

Так, по результатам исследования «Актуальные тенденции рынка искусственного интеллекта и машинного обучения», проведенного аналитическим центром TAdviser и компанией «Инфосистемы Джет» в октябре 2017 года, объем рынка искусственного интеллекта и машинного обучения (Machine Learning, ML) в России оценивался примерно 700 млн руб. в 2017 году. При этом прогнозировался рост до 28 млрд руб. к 2020 году. Новые опросы экспертов подтверждают высокую динамику рынка.

Если в 2017 году количество российских проектов с применением ИИ исчислялось несколькими десятками, то в 2018 году их уже сотни. По опыту Abbyy, наиболее активны в этой сфере традиционно банки и финансовые организации, в этом году в «гонку искусственного интеллекта» включились и энергетические компании, и ритейл, и телекоммуникации. В крупных компаниях – например, Сбербанке, Газпром нефти, Северстали, МТС, появились команды специалистов, которые занимаются исключительно проектами с применением интеллектуальных технологий. Предположу, что в 2019 году ИИ станет уже неотъемлемой частью бизнеса любой крупной компании, - рассказывает Дмитрий Шушкин, генеральный директор «Abbyy Россия».

По различным прогнозам, ожидается что к 2020 году размер рынка достигнет $460 млн. Эта тенденция подтверждается инвесторами, выбравшими технологии ИИ одним из приоритетных направлений для инвестиций, - добавляет Алексей Цессарский, генеральный директор IVA Cognitive (ГК ХайТэк).

Евгений Колесников, руководитель направления «Большие данные и машинное обучение», «Инфосистемы Джет», замечает, что прогноз, озвученный в совместном с TAdviser исследовании, подтверждается целой серией экономически успешных AI/ML-проектов в 2018 году, из которых порядка 500 стали публичными.

Игорь Кириченко, исполнительный директор компании Naumen, отмечает, что его компания видит колоссальный потенциал на рынке AI и считает, что в ближайшие несколько лет российский рынок будет развиваться опережающими темпами относительно глобального рынка.

Этому, по его словам, способствуют следующие факторы:

• Относительно низкая база старта и запоздалый рост этого рынка в России
• Наличие мощных государственных программ поддержки этой сферы
• Наличие местных крупных ИТ-игроков, основной экспертизой которых является создание софтверных продуктов.

Дмитрий Чувиков, к.т.н., начальник отдела перспективных решений в области ИИ компании «Мивар», перечисляет пять основных предпосылок внедрения технологий искусственного интеллекта и машинного обучения для бизнес-направлений в России:

• Растущая потребность в онлайн-сервисах по выдаче корректной информации для сотрудников различных бизнес-подразделений (поддержка внутреннего и внешнего клиента).
• Сложность обеспечения высокого качества сервисов поддержки бизнеса на фоне требований по снижению OpEx.
• Необходимость в управлении накопленного опыта и знаний, а также сохранение компетенций при кадровой ротации любой активности.
• Растущие требования к оперативности сервисов.
• Устойчивый тренд на интеллектуализацию: диджитализацию бизнес-процессов и роботизацию труда.

В целом же компании только начинают понимать, как такие проекты делать, какие есть узкие места в реализации, ведь их порой гораздо больше, чем в классических проектах.

Заказчики видят свои возможности в сфере внедрения технологий искусственного интеллекта и машинного обучения и начинают ставить задачи ИТ-компаниям. Рост интереса заказчиков говорит о том, что рынок в ближайшем будущем будет увеличиваться, и довольно значительно. Уже сейчас мы видим расширение числа компаний-заказчиков, которые активно используют ботов или системы распознавания речи, - рассказывает Алексей Выскребенцев, руководитель центра экспертизы решений компании «Форсайт».

Что касается отечественных ИТ-компаний, которые предлагают свои услуги в области внедрения технологий искусственного интеллекта и машинного обучения, то их экспертный опыт расширяется, а возможности растут.

В то же время многие ИТ-компании определяют для себя направления AI и ML как фокусные для развития бизнеса в будущем. Открываются отдельные практики по машинному обучению и вокруг этого выстраивается позиционирование бизнеса не только на российском рынке, но и на международном.

Временная нехватка специалистов

Переход от повсеместного обсуждения технологий машинного обучения и искусственного интеллекта к стадии практического использования привел к росту количества Data Science экспертов в России. Однако пока на рынке все еще существует огромный недостаток подобных специалистов.

По словам Марины Майоровой, руководителя направления искусственного интеллекта и машинного обучения «Крок», спрос на высококвалифицированных специалистов в области Data Science продолжит расти, однако пока компании испытывают трудности в поиске, привлечении и удержании таких сотрудников.

В 2017 году SAP провела исследование научных организаций и проектов в области искусственного интеллекта. В ближайшие 5 лет будет выпущено не менее 50 тыс. специалистов, что обязательно подстегнет рынок. В нашей стране виден явный интерес к этим технологиям и в плане подготовки кадров, и в научных разработках различных организаций. На мой взгляд, с каждым годом объем рынка искусственного интеллекта и машинного обучения будет только расти, потому что эти технологии постепенно охватят все отрасли, освобождая для человека время на принятие управленческих решений и творческих процессов, - считает Юрий Бондарь, заместитель генерального директора SAP CIS.

Учитывая высокий уровень профильного образования в нашей стране, российские специалисты AI и ML очень высоко ценятся не только дома, но и за рубежом. Это даёт основания полагать, что отечественные компании могут себе позволить смотреть на международный рынок, как на потенциальный с точки зрения стратегического развития, - уверен Андрей Байбутов, директор по развитию бизнеса департамента BI ГК «Корус Консалтинг».

Данные должны приносить прибыль

Алексей Выскребенцев, руководитель центра экспертизы решений компании «Форсайт», считает, что развитие рынка искусственного интеллекта и машинного обучения стимулируется ростом производственных мощностей, увеличением объемов данных, накопленных отечественными предприятиями и организациями, а также информацией об успешных кейсах и о выгодах, полученных конкурентами благодаря использованию ИИ-технологий.

В то же время не все компании умеют обрабатывать данные, чтобы они работали на пользу бизнесу.

Следует не накапливать данные «как есть», а собирать под определенные целевые задачи бизнеса. Их объем, формат, срез определяются алгоритмом, решающим целевую задачу бизнеса. Требования к данным и связанной инфраструктуре (бизнес-приложения для сбора данных, ПО для хранения и т.п.) определяются алгоритмом. Такой подход позволяет находить баланс между бизнес-ценностью, необходимыми данными и их стоимостью, - говорит Дмитрий Карбасов, руководитель практики «Искусственный интеллект» цифровой лаборатории Softline.

В компании CleverData (группа компаний «Ланит») отмечают позитивные примеры применения нейронных сетей в работе с пользовательскими данными и решения задач предиктивной аналитики.

С помощью технологий искусственного интеллекта можно выявлять скрытые закономерности в поведении потребителей, определять вероятность отклика на то или иное рекламное предложение, понимать, кому, когда, как и что лучше предложить, чтобы выстроить максимально персонализированные коммуникации и повысить эффективность рекламных кампаний.

Тенденция доверять машине такие решения обоснована, в первую очередь тем, что большой поток генерируемых данных о пользователях крайне затруднительно обработать человеческим мозгом. Искусственный интеллект справляется с задачей извлечения новых знаний о потребителях и скрытых закономерностей быстрее и эффективнее, - отмечает Денис Афанасьев, генеральный директор CleverData.

Компетентность заказчиков растет

Многие участники отечественного рынка ИИ фиксируют рост компетентности заказчиков в вопросах, связанных с применением подобных технологий. В частности, Александр Ханин, генеральный директор VisionLabs, ссылаясь на опыт своей компании, разрабатывающей алгоритмы компьютерного зрения, замечает, что клиенты и партнеры начали понимать, как эти технологии работают, какие ограничения имеют и для чего их можно применять.

Это привело к тому, что большинство клиентов и партнеров обращаются за решением выполнимых для такого рода технологий задач. Помимо этого, выросла компетентность представителей рынка в методологии и подходу к корректной оценке работы технологий, - добавляет он.

Дмитрий Луковкин, AI Business Director компании «Цифра», говорит о росте уровня понимания технологий искусственного интеллекта и машинного обучения у производственных компаний.

В них появляются CDO и отделы цифровой трансформации, наряду с собственными отделами Data Science. Подход к технологиям становится более прагматичным, - поясняет он.

Одновременно с этим растут требования к поставщикам AI-решений и проектов. Наличие экспертизы в предметной области, как погружение в производство, так и связь с передним краем науки становятся необходимыми факторами успеха компаний, работающих в этой сфере.

С доверием к технологиям ИИ не все гладко

Говоря о доверии к технологиям искусственного интеллекта опрошенные TAdviser эксперты разделились в своих мнениях. К примеру, в компаниях Naumen и IVA Cognitive (ГК ХайТэк) замечают рост доверия к ИИ.

Количество компаний, готовых внедрить и применить у себя технологии AI, будет стремительно расти. Успешный проектный опыт, более глубокое понимание возможностей технологии, доказательная база по эффективности применения и открытые результаты повышения производительности будут этому активно способствовать, - отмечает Игорь Кириченко, исполнительный директор компании Naumen.

Алексей Цессарский, генеральный директор IVA Cognitive (ГК ХайТэк), называет фактор доверия одной из главных тенденций, и считает, что это способствует повсеместному внедрению технологий искусственного интеллекта.

Еще не так давно, применение ИИ было ограничено научно-исследовательскими лабораториями, сейчас же мы видим рост интереса к данной технологии, среди компаний из различных отраслей. В российских реалиях ИИ наиболее востребован в сфере обеспечения безопасности (системы распознавания лиц, СКУД), финансовой (скоринг), маркетинге (рекомендательные системы, чат-боты, предсказание оттока), медицине и других. Положительным моментом для развития технологий ИИ и машинного обучения служит повышение доступности вычислительных мощностей, что делает внедрение подобных решений коммерчески целесообразным, - говорит он.

Генеральный директор CleverData Денис Афанасьев, говорит о недостаточном доверии к технологиям ИИ. По его мнению, опасения и уровень доверие потребителей к применяемым технологиям, а также отдельные вопросы регулирования рынка, являются барьерами рынка.

Работа с данными интернет-пользователей и применение их на практике требует конфиденциальности и сохранности персональных данных. Этот вопрос находится в центре внимания не только законодательства, но и бизнеса, для которого важно обеспечить защиту своего цифрового актива, поясняет он.

Дмитрий Карбасов, руководитель практики «Искусственный интеллект» цифровой лаборатории Softline, замечает смену отношения к технологиям - от возведения искусственного интеллекта в культ и изрядной доле шума вокруг к определенной доле разочарования от мощных нейросетей.

Это разочарование в первую очередь связано со сложностями реального практического применения их результатов, - считает эксперт.

Алексей Лапшин, генеральный директор компании «Аплана Бизнес решения» (Группа компаний Аплана), также замечает избыток «хайпа» на российском рынке ИИ. По его мнению, идея искусственного интеллекта по-прежнему остается непрозрачной для заказчика. А для эффективного использования этой технологии требуется долгий путь, чтобы прийти к двум наиважнейшим умозаключениям – экономическому и психологическому.

Первое, экономическое. ИИ – это инструмент автоматического принятия линейных решений, таких как выдача кредита, выбор поставщика, подбор и оценка персонала и т.д. Поэтому никакого эффекта от внедрения ИИ достичь будет невозможно без замены или увольнения людей, отвечающих за принятие таких решений в настоящее время. Но эти сотрудники представляют собой своего рода «средний» класс в организации - самый обширный, важный и достаточно влиятельный. Остаться без этих людей для топ-менеджмента страшно, непривычно и в ближайшее время увольнять их никто не собирается. Второе – психологическое. В случае внедрения ИИ спросить и наказать за неправильное решение будет просто некого. С этим фактом руководителям также пока очень трудно смириться, - объясняет свою позицию Алексей Лапшин.

Илья Ашихмин, руководитель научной лаборатории Digital Design, напоминает о выводах Gartner по поводу развития разнообразных идей и технологий. Они, по мнению Gartner, проходят в своем развитии несколько схожих стадий: запуск, завышенные ожидания, разочарование, просвещение, продуктивное использование. Данное наблюдение достаточно универсально и подходит в том числе для анализа происходящих тенденций с машинным обучением в России, уверен эксперт Digital Design.

Мы можем видеть, что многие компании попробовали новые технологии анализа данных и обнаружили для себя, что их внедрение не такой простой процесс и необходимо приложить достаточно большое количество усилий по его реализации. Здесь стоит отметить, что для достижения успеха в такого рода проектах требуется достаточно высокий уровень информатизации внутренних процессов компании, хорошая аналитика в предметной области и трезвый взгляд на все многообразие алгоритмов машинного обучения, включая экспертизу их применимости. В компании Digital Design за последние три года накоплен опыт реализации нескольких проектов с использованием машинного обучения и искусственного интеллекта. И мы считаем, что для того, чтобы на рынке не возник «тренд на разочарование» в этих технологиях, необходимо в реализации подобного рода проектов трезво оценивать value и возможности, которые может дать использование новых технологий, - говорит Илья Ашихмин.

При подготовке обзора TAdviser узнал у отечественных компаний (и российских представителей зарубежных компаний) какие услуги в сфере искусственного интеллекта и машинного обучения они оказывают. Такие данные предоставили 14 участников рынка. Часть из них – это узкоспециализированные компании, бизнес которых сфокусирован на применении подобных решений. Часть – гиганты отечественного ИТ-рынка, для которых средства и технологии ИИ являются дополнением к другим решениям и услугам.

Услуги компаний в сфере искусственного интеллекта и машинного обучения

Собственные решения компаний в сфере искусственного интеллекта и машинного обучения

Решения сторонних разработчиков в сфере искусственного интеллекта и машинного обучения, с которыми работает компания

Российские проекты, в которых применяются технологии искусственного интеллекта и машинного обучения

Замена сотрудников роботами

Любой повторяемый диалог – рабочее место для робота. В результате современные российские контакт-центры активно внедряют роботизированные сервисы для обработки клиентских запросов, тем самым улучшают качество обслуживания.

Если темпы приема роботов на работу сохраняться, то через 5–10 лет операторы контакт-центров будут выполнять не более 20% поступающих задач – всё остальное будут делать роботы. Только в 2018 году роботы Naumen обслужили более 5 млн диалогов, - замечает Игорь Кириченко, исполнительный директор Naumen.

Сочетание ИИ с роботизацией бизнес-процессов

Еще один тренд – сочетание ИИ с роботизацией бизнес-процессов (RPA). В этой связке RPA выполняет простые повторяющиеся действия: переносят данные из одной системы в другую, открывают и закрывают программы, отправляют автоматические ответы.

ИИ дает роботам дополнительные навыки и помогает распознавать тексты, определять тип документа, извлекать значимые данные, чтобы затем передавать их в целевые информационные системы. Подобные комбинации технологий уже внедряют крупные банки, энергетические компании, розничные сети и другие участники российского рынка, - рассказывает Дмитрий Шушкин, генеральный директор «Abbyy Россия».

Расширение возможностей программных продуктов средствами ИИ и ML

Говоря о технологических трендах российского рынка искусственного интеллекта и машинного обучения, стоит упомянуть увеличение вычислительных возможностей, а также расширение функциональных возможностей программных продуктов в области поддержки самых разных источников данных и распознавания естественного языка.

Например, компания «Форсайт» активно развивает функциональность своих продуктов в сфере машинного обучения: мы интегрировали внутренний язык наших разработок с языком Python, который «заточен» для решения задач Deep Machine Learning. Таким образом, наши решения позволяют создавать эффективные алгоритмы машинного обучения для самых разных целей, стоящих перед предприятиями из различных отраслей (в частности, речь идет о возможностях продукта «Форсайт. Аналитическая платформа»), - рассказывает Алексей Выскребенцев, руководитель центра экспертизы решений компании «Форсайт».

Новые методы машинного обучения

Еще один из основных технологических трендов – новые методы машинного обучения, которые ускоряют разработку и реализацию проектов в области ИИ в условиях малого количества данных. Это, например, transfer learning. Метод заключается в том, что если обучить глубокую нейронную сеть выполнять одну задачу, можно использовать ту же архитектуру нейросети для обучения на другом наборе данных.

Мы используем такие разработки в решении ABBYY FlexiCapture: предварительно обучаем сеть для классификации документов на своей стороне, чтобы на стороне заказчика алгоритм мог начать работать с минимальным количеством размеченных документов, - рассказывает Дмитрий Шушкин, генеральный директор «Abbyy Россия».

Широкое использование ИИ для повышения качества обслуживания

Следующая тенденция связана с более широким использованием ИИ для повышения качества обслуживания, как онлайн, так и офлайн. В цифровых каналах это, в первую очередь, сбор и анализ информации о покупателе или пользователе через «цифровой след» - совокупность данных о поведении клиента на сайте, в мобильном приложении, в соцсетях, с целью лучше понять его и предложить ему наиболее подходящие товары и услуги.

В офлайне это могут быть технологии распознавания лиц, идентификации объектов и поведенческого анализа. В частности, уже создаются системы, превентивно угадывающие намерения людей.

Помимо этого, подобные решения помогают сделать обслуживание в точках продаж более адресным: определяют пол и возраст клиента, а в случае с частыми посетителями – подробную информацию о покупателе, что позволяет точнее понять, какие продукты будут ему интересны в данный момент.

Кроме того, такие технологии дают возможность проще и быстрее предоставлять сервисы, в том числе в режиме самообслуживания – например, оформлять SIM-карту или покупать билеты на транспорт, - поясняет Дмитрий Шушкин.

Повсеместное применение ИИ

Глобальная тенденция заключается в том, что все разработки и решения в области AI так или иначе будут применятся во всевозможных областях. Но результат от такого применения будет отличаться по масштабу эффекта.

Искусственный интеллект уже находится на уровне универсальных программных решений и механизмов, которые можно включить в свои сервисы. Определённо можно сказать, что искусственный интеллект охватит все ИТ-сервисы, - рассказывает Игорь Кириченко из Naumen.

Искусственный интеллект и машинное обучение появились еще в середине прошлого века. В последние годы, благодаря появлению новых фундаментальных методик, доступности огромных объемов накопленных данных и развитию аппаратных мощностей, интерес не просто вернулся, а забрался на самый пик технологий в цикле развития от Gartner. Это означает, что сейчас время самых больших ожиданий, когда искусственный интеллект часто считают «серебряной пулей», пытаются использовать во всех областях, даже в тех, где она или вообще не нужна, или можно обойтись традиционными алгоритмическими методами.

Еженедельно мы видим появление новых впечатляющих проектов на базе машинного обучения в различных областях: обработке речи и изображений, автопилотах и др. Велика вероятность, что через 2-3 года информационный шум вокруг Machine Learning спадет, и появится множество примеров рационального использование этих технологий, позволяющих компаниям получить сильное конкурентное преимущество, - полагает Дмитрий Тимаков, руководитель направления «Машинное обучение» компании «Норбит» (группа компаний «Ланит»).

По его мнению, Россия имеет хорошие шансы на включение в мировой рынок ИИ. На рынке труда есть отличные специалисты (в топе главной соревновательной площадки kaggle неизменно присутствуют россияне), есть примеры создания продуктов мирового уровня: например, голосовой помощник «Алиса» от компании Яндекс.

Сегодня мы видим, что крупный бизнес (ИТ, retail и т.д.) открывают свои внутренние подразделения для внедрения технологий машинного обучения. Есть несколько сфер, где искусственный интеллект может быть интегрирован в бизнес-процессы наиболее удачно, - замечает эксперт «Норбит».

К таким сферам, по его словам, относятся:

• персонализация предложений клиентам, создание релевантных рекомендательных сервисов нового поколения;
• автоматическая обработка пользовательского контента и действий: например, анализ отзывов, обращений, выявление ботов и т.д.;
• создание элементов концептов «Умный и безопасный город»: от предсказания пробок до интеллектуального управления дорожным движением;
• консультационная помощь врачам при проведении медицинских исследований;
• автоматизация производства в промышленности, системы технического зрения и т.д.

Дмитрий Чувиков из компании «Мивар» главными и первоочерёдными потребителями интеллектуальных систем называет бизнес-направления со следующими индикаторами:

• Множество различных транзакций в процессах оказания услуг.
• Структурированные и формализованные бизнес-процессы.
• Сложность и разнообразие при выборе вариантов действий.
• Высокий уровень стандартизации процессов.
• Потребность в информационно-консультационной поддержке здесь и сейчас.

Таким образом, по его мнению, наиболее актуальными для России сферами применения технологий искусственного интеллекта и машинного обучения являются: банковский сектор, ритейл, страховые компании, телеком, нефтяная промышленность, ВПК, беспилотный транспорт и «Умный город».

В финансовом секторе внедрения систем класса ИИ перестает быть прерогативой исключительно финтеха. Все больше классических банков и страховых компаний понимают экономическое обоснование эффективности использования ИИ в их процессах и создают финансовые продукты с использованием машинного обучения и компьютерного зрения.

По словам Владимира Арлазарова, к.т.н., генерального директора Smart Engines, в финансовом секторе технологии ИИ применяются для создания нового пользовательского опыта и анализа больших данных. Это объясняется тем, что у банков и страховых компаний накоплено много данных и их бизнес напрямую связан с выявлением зависимостей между ними. Уже сейчас нейронные сети принимают участие в принятии решений об одобрении кредитов и расчете стоимости страховки.

Что касается компьютерного зрения, то от рынка уже есть запрос на решения, обеспечивающие промышленное качество распознавания этикеток, маркировки на деталях, выкладки товара и др., - отмечает Арлазаров.

Он добавляет, что когда очередь дойдет до промышленных предприятий произойдет очередной серьезный прорыв.

Они могут экономить огромные средства, например, прогнозируя с помощью ИИ поломки оборудования. В России эту задачу пока решить достаточно сложно, потому что промышленности сначала необходимо собрать данные. В мире успешные проекты на базе компьютерного зрения и машинного обучения в промышленности уже есть, - отмечает эксперт Smart Engines.

Андрей Байбутов из «Корус Консалтинг», добавляет, что использование технологий машинного обучения в промышленных компаниях влечёт за собой сильное изменение внутренних бизнес-процессов, без которых невозможно достижение ощутимого результата.

Приведу простой пример. У промышленной компании есть ряд сложных технологических процессов, которые можно декомпозировать до небольших этапов/подпроцессов. На каждом таком этапе мы анализируем контролируемые параметры при «входе», проверяем на предмет качества продукт, которую передается на следующий этап. Даже если процесс изготовления довольно простой, инженеры физически не могут контролировать в каждую единицу времени то, что происходит с изменением параметров (температура, давление, % содержания и пр.). С помощью ИИ мы можем формировать модели на каждом из этапов, каждая из которых контролирует весь набор параметров на протяжении всего процесса изготовления товара и показывает узкие места. Это позволяет предвидеть вероятное возникновение брака в партии. Обладая такой информацией, компания может устранять все дефекты еще до того, как это произойдет, что конечно же, с учетом стоимости потенциальной упущенной прибыли позволяет экономить существенные деньги, - рассказывает Андрей Байбутов.

Именно поэтому рынок промышленности начинает потихоньку двигаться в сторону цифровизации процессов не только с точки зрения внедрения систем, но и использования изменения процессов и уровня компетенций внутри. В компаниях появляются аналитики данных и разработчики моделей, создаются data-офисы. Бизнес начинает понимать, что доход, который получает компания, может формироваться не только благодаря основной деятельности, но и благодаря работе с данными.

Игорь Кириченко, исполнительный директор Naumen, ссылаясь на опыт своей компании отмечает, что в России востребованы диалоговые системы и сервисы: голосовые роботы, чат-боты.

Роботизированные сервисы, способные вести диалог с клиентом, успешно внедрены и используются компаниями разных отраслей. В портфолио компании есть проекты, включающие в себя инновационные разработки на основе технологий обработки естественного языка, машинного обучения и математической лингвистики: порталы самообслуживания, решения по когнитивному поиску, которые обрабатывают тысячи документов из разных источников, и позволяют легко находить нужную информацию, также есть успешно реализованные проекты в области предиктивной аналитики - решения по интеллектуальному мониторингу ИТ-инфраструктуры, - рассказывает представитель Naumen.

Успешность применения технологий искусственного интеллекта зависит главным образом от наличия достаточного объема данных, которые требуются для эффективного обучения аналитических моделей. Особенно это отражается на результатах работы моделей глубинного обучения – нейронных сетей, считает Денис Афанасьев, генеральный директор CleverData.

Такие сферы бизнеса, как ИТ, телекоммуникации, финансы, а также онлайн-медиа могут похвастаться большим объемом пользовательских данных, глубокий анализ которых позволяет решать задачи клиентской аналитики и персонализированного маркетинга, - говорит Афанасьев.

Данные об активности каждого пользователя на сайте, в мобильном приложении, данные об онлайн и оффлайн продажах, реакции клиентской базы на коммуникации в различных каналах – из всех этих данных машина способна извлечь новые полезные знания об интересах, намерениях каждого потребителя. Она также может спрогнозировать вероятность отклика на коммуникацию и рекламное предложение, понять, кто из клиентов максимально лоялен, кого нужно немного подтолкнуть к покупке, а кто может в ближайшее время отказаться от предложений бренда и уйти в отток. В дальнейшем все эти знания позволяют оптимизировать коммуникации, онлайн-рекламу и предлагать клиентам новый уровень сервиса.

Во всем мире B2C-отрасли наиболее чувствительные для использования искусственного интеллекта и машинного обучения. И Россия тут не исключение – телеком, ритейл и финансы сегодня составляют основные индустрии, задающие темп в области применения AI и ML, отмечает Юрий Бондарь, заместитель генерального директора SAP CIS.

Кроме этого, стоит отдельно отметить металлургическую и горнодобывающую отрасли, которые также из-за высокой конкуренции на рынке вынуждены постоянно искать новые подходы к трансформации бизнес-процессов и использовать инновационные технологии.

Мы в SAP ведем свою статистику применения технологий AI и ML в различных бизнес-процессах компаний: около 25% приходится на производство, 28% - на продажи, 13% на HR, 26% на финансы, 4% - на закупки и 4% – на все остальное, - поясняет Юрий Бондарь.

Фактически любая отрасль, где исторически накоплен большой объем данных, уже использует новые технологии. Например, для поиска кандидата в компанию первичный отбор из присланных резюме может быстро сделать именно машина. В качестве входных данных ей необходимо только задать пожелания к будущему сотруднику. Она найдет и обработает профиль идеального кандидата, далее сопоставит его с данными в социальных сетях. На выходе у менеджера по подбору персонала уже будет готовый профиль кандидата, и ему останется лишь принять решение о необходимости собеседовании. Или обработка обращения в компанию: искусственному интеллекту уже давно по силам классифицировать запрос и перенаправить его в нужную службу поддержки, а также ответить на стандартные вопросы.

Еще один вариант - это распознавание образов. Компания BMW Group часто проводит рекламные кампании в разных странах и с помощью SAP Brand Impact заранее оценивает рынок на предмет появления бренда на разных площадках: на рекламных щитах, в фильмах, в видеороликах. В итоге формируется детальный отчет, сколько времени в эфире и в центре внимания человека появляется машина в профиль, анфас, сбоку, сверху. Конечно же, человеку такое сделать не под силу. А на стадионах во время футбольных матчей система видеораспознавания на основе искусственного интеллекта с точностью до миллисекунды оценит, где надо показать рекламу, на какой промежуток времени и выразит это в денежном эквиваленте, - рассказывает эксперт SAP CIS.

Хорошим примером использования искусственного интеллекта является автоматическая сверка счетов и поступивших платежных документов в финансовом блоке организаций. К примеру, в энергетической компании Alpiq таким образом сверяется более 90% поступивших платежных документов. Кроме этого, можно применять искусственный интеллект и в народном хозяйстве для визуального контроля важных узлов оборудования, которое находится в сложных и опасных зонах производства.

Александр Ханин, генеральный директор VisionLabs, отмечает, что начали появляться запросы на алгоритмы, автоматизирующие процесс контроля за соблюдением техники безопасности, упрощающие криминалистику, кадровый учет и прочие совершенно не связанные друг с другом задачи. При этом они отлично решаются с помощью искусственного интеллекта и машинного обучения. В приоритете, по его словам, находятся такие сферы применения, как распознавание образов, лиц, скелета, паттернов поведения, голоса и текста.

Высокую востребованность в системах видеоаналитики и распознавания лиц, замечают и в компании IVA Cognitive (ГК ХайТэк). По мнению гендиректора компании Алексея Цессарского, эти системы, основанные на работе с нейронными сетями, постепенно становятся неотъемлемой частью нашей жизни.

Это объясняется наличием огромного массива данных - ежедневно, минимум несколько раз в день, мы так или иначе попадаем в объективы видеокамер, ценность этих данных не вызывает сомнений как для бизнеса, так и для государства, - говорит он.

Евгений Колесников из «Инфосистем Джет» замечает, что за последний год в России ярко прослеживались такие области применения ИИ как работа с клиентами (индивидуальные предложения, сегментация, скоринг, оптимизация продуктовой матрицы, оценка чувствительности к цене и т.д.), работа с персоналом (сокращение простоев, оптимизация графика, контроль подрядчиков и т.п.), оптимизация производственных процессов (предотвращение брака и аварий, оптимизация складских запасов и цепочек поставки), обеспечение информационной и физической безопасности (выявление и предотвращение воровства клиентов, поставщиков, сотрудников, защита от проникновения на физические и информационные объекты и т.п.).

По мнению Ильи Ашихмина, руководителя научной лаборатории Digital Design, технологии искусственного интеллекта и машинного обучения находят широкое применение в автоматизации производственных процессов, анализе юридически значимого документооборота, решении задач видеоаналитики, повышении эффективности маркетинга и рекламы и в других многочисленных областях – начиная от научных исследований, заканчивая развлекательным сектором экономики.

Если говорить про специфику России, то тут стоит отметить, что в силу больших размеров нашей страны и острой необходимости в развитии инфраструктуры, наиболее перспективными, на наш взгляд, областями применения искусственного интеллекта являются задачи логистики и капитального строительства, которые позволяют значительно сократить затраты на решение этих задач. Помимо этого, существует большой запрос на повышение эффективности работы предприятий за счет цифровизации процессов принятия решений, базируясь на анализе огромного количества информации, который возможен только с применением современных методов оптимизации, - добавляет он.

• Что такое искусственный интеллект
• Исследования в сфере ИИ
• Стандартизация в области ИИ
• Влияние искусственного интеллекта
• Рынок технологий искусственного интеллекта
• Сферы применения ИИ
• Процессоры для искусственного интеллекта
• Искусственный интеллект (рынок России)
• Вредоносное машинное обучение (Adversarial Machine Learning, AML)