Как впустить искусственный интеллект в свой бизнес

Содержание
  1. Искусственный интеллект для бизнеса: ожидания и реальность
  2. Искусственный интеллект в бизнесе: кейсы
  3. Инвестиции в технологии AI
  4. Условия внедрения технологий ИИ в бизнесе
  5. Готовые AI-платформы для бизнеса
  6. 7 эффективных способов зарабатывать на искусственном интеллекте
  7. Экосистема
  8. Как заработать на искусственном интеллекте?
  9. Способ #1. Стартап
  10. Стартап с нуля
  11. Способ #2. Работа по контракту
  12. Способ #3. Работа или стажировка
  13. Способ #4. Написать книгу
  14. Способ #5. Онлайн
  15. Способ #6. Создание торгового бота
  16. Способ #7. Соревнования
  17. Интересные материалы по data science
  18. Искусственный интеллект для малого бизнеса: 5 способов применения
  19. Используйте AI для сбора и анализа данных
  20. Используйте AI для найма сотрудников
  21. Сделайте организацию бэкэнда более эффективной с AI
  22. Используйте AI для улучшения сервиса
  23. Создайте маркетинговую платформу на основе AI
  24. Как искусственный интеллект используется в бизнесе: обзор и кейсы — Маркетинг на vc.ru
  25. Google:
  26. Сбербанк:
  27. :
  28. Как было:
  29. Что сделали:
  30. С какими трудностями столкнулись:
  31. Что получили:
  32. Кейс 2: Результаты поиска трендов развития новых продуктов в металлургии с помощью автоматизированного анализа текстов. ИСИЭЗ НИУ ВШЭ и «Северсталь».
  33. Результат:
  34. Кейс 3: компания Mobifitness привлекла ИИ для анализа и сортировки отзывов клиентов фитнес-клубов и спортивных студий.
  35. Что сделано:
  36. 5 технологий искусственного интеллекта, которые изменят бизнес в ближайшем будущем
  37. «Голубые фишки» ИИ
  38. Технологии искусственного интеллекта, на которые стоит обратить особое внимание

Искусственный интеллект для бизнеса: ожидания и реальность

Как впустить искусственный интеллект в свой бизнес

Если вы решили завести чат-бот для клиентского сервиса компании, это еще не значит, что вы внедрили технологии искусственного интеллекта.

Большинство проектов AI в бизнесе пока не вышли за рамки «пилотов». Не хватает инвестиций, специалистов и качественных данных для анализа.

Искусственный интеллект перевернет традиционные бизнес-процессы, но, скорее всего, не так скоро, как обещают его проповедники.

Дня не проходит, чтобы не появились сообщения о новых достижениях технологии искусственного интеллекта. Apple Watch теперь могут распознавать неудачное падение владельца и вызывать при необходимости экстренные службы. Все знают про ых помощников в смартфонах, беспилотные автомобили, чат-боты. Правда, мало кто в точности понимает, как это работает.

Взрывной рост технологий во многих отраслях закончился несколько десятков лет назад, даже наращивание вычислительных мощностей имеет свои ограничения. Начался период масштабирования и адаптации. На этом фоне инструменты AI выглядят самым перспективным и многообещающим направлением, способным кардинально поменять экономику, общество и жизнь каждого человека в целом.

На этой волне хайпа невозможно оценить вклад технологий AI в эволюцию бизнеса, какие преимущества искусственный интеллект может привнести в рабочие процессы. Кейсов по применению данных инструментов в корпоративном секторе критически не хватает.

Проблема в том, что использование AI в бизнесе подразумевает его масштабную цифровую трансформацию, а успех здесь зависит от наличия качественных, точных и верифицированных данных.

Искусственный интеллект в бизнесе: кейсы

Есть, конечно же, пример финансового сектора, где искусственный интеллект освоен давно и основательно: высокочастотный трейдинг (HFT), машинное обучение, нейронные сети. Математические гении (кванты) и самонастраивающиеся вычислительные алгоритмы почти вытеснили старые биржевые модели на обочину истории.

Вторая сфера, в которой технологии AI находят практическое применение – здравоохранение. Здесь, как и в финансах, для этого в наличие есть два важных условия: достаточно инвестиций, чтобы разработать сложное техническое решение под конкретные задачи, и достаточно надежных и проверенных данных для анализа.

В индустрии здоровья алгоритмы AI могут служить хорошим помощником при обнаружении и диагностике заболеваний. Например, система способна сопоставлять генетические данные пациента с его текущими показателями, устанавливать связи и на основе этой информации картировать курс лечения.

В остальных сферах адаптация искусственного интеллекта под нужды бизнеса находится в зачаточном состоянии. Мы наблюдаем пока только «пилоты» таких проектов или маркетинговые «игрушки», призванные, скорее привлечь внимание к деятельности компании, чем принести реальную пользу. До массового внедрения AI в обычные бизнес-процессы еще очень, ну, очень, не близко.

Большинство примеров использования технологий ИИ в бизнесе сегодня приходят из сферы маркетинга и клиентского сервиса. Роботы и алгоритмы на основе машинного обучения выполняют функции рекомендаций, социального и маркетингового анализа, ретаргетинга, мерчендайзинговой оптимизации.

Одна из топовых розничных сетей США — Macy’s — на базе сервисов Watson от IBM разработала виртуального советника для своих клиентов. Приложение делает трекинг покупок и на основе этой истории выдает рекомендации. Например, система сразу отсечет дорогие бренды из выдачи для человека, ранее интересовавшегося лишь «эконом-классом» товаров из данной категории.

Нечто похожее запустила компания по продаже вина Millesima. Ее алгоритм способен анализировать не только историю покупок, но и учитывать в формировании предложения геолокацию, время года и социальные факторы.

Инвестиции в технологии AI

О перспективах искусственного интеллекта для бизнеса можно судить по объемам инвестиций, которые вливают в исследования и разработку подобных технологий. В 2017 году компании, специализирующиеся на технологиях AI, получили от венчурных инвесторов более 10,8 миллиардов долларов.

Согласно опросу Teradata, 80% коммерческих организаций или уже используют отдельные решения на основе AI или собираются это сделать в ближайшее время.

Компании планируют получить 123 доллара ROI на каждый вложенный доллар в проект AI в течение последующих трех лет.

Хотя 91% респондентов отметили существенные сложности с внедрением технологий искусственного интеллекта: отсутствие подходящей ИТ-инфраструктуры и дефицит специалистов в этой области.

В Gartner уверены, что технологии ИИ к 2020 году будут присутствовать почти во всех программных продуктах и сервисах, а лидеры рынка смогут получать за счет их использования до 30% дополнительной прибыли.

В России объем рынка применения AI (в основном это платформы машинного обучения) в 2017 году, по информации TAdviser, составил порядка 700 млн. рублей. Ожидается, что к 2020 году он вырастет до 28 млрд. рублей.

В России технологии искусственного интеллекта уже внедрили: ПАО «Банк УРАЛСИБ» (анализ данных клиентов), МТС и «М.

» (оптимизация клиентского сервиса с выдачей персональных рекомендаций), «Альфа Страхование» (определение риска мошенничества при страховом случае), Aviasales и некоторые другие, в том числе промышленные предприятия.

Не говоря уже о многочисленных примерах чат-ботов, которых тоже записывают себе в актив, как пример использования технологий ИИ.

Условия внедрения технологий ИИ в бизнесе

Как подготовиться к внедрению инструментов AI и понять, что компании такой проект действительно будет полезен? Специалисты советуют начать с поиска решений, которые помогут в ближайшей перспективе автоматизировать рутинные, шаблонные процессы. То есть задачи, которые не требуют наличия особых навыков, но отнимают время квалифицированных сотрудников.

Условия для автоматизации бизнес-задач:

  • выполнение задачи, основано на вводе данных;
  • их достаточное количество, чтобы обеспечить автоматизацию;
  • полученный уровень автоматизации реально поможет сократить издержки.

Именно проблема качества цифровых данных является камнем преткновения для большинства коммерческих организаций. Без чистых, корректных, проверенных данных невозможно использовать технологии искусственного интеллекта в бизнесе хоть сколько-нибудь эффективно.

По информации исследовательской группы IBM, «плохие» данные ежегодно обходятся предприятиям США в 3,1 триллион долларов дополнительных расходов! Это потери времени, производительности и стоимость ошибок (сбои, незапланированные остановки производственных процессов), которые неизбежно из них вытекают.

Данные, с которыми будут работать алгоритмы машинного обучения, должны быть релевантными, надежными и актуальными. Разумеется, их должно быть достаточно, чтобы система работала корректно.

Нет смысла затевать историю с внедрением технологий AI в свой бизнес, если в компании нет выделенного бюджета под подобный проект (как подсчитать объем инвестиций – отдельная тема), подходящей ИТ-инфраструктуры и специалистов, способных довести его до ума.

Готовые AI-платформы для бизнеса

Кстати, знакомство с технологиями AI можно начать с уже готовых платформ. Издание Techemergence выбрало 6 таких приложений, которые помогут понять, чем искусственных интеллект может быть полезен для бизнеса.

HANA от SAP – облачная платформа, которую можно запустить также на внутренних серверах организации.

Используется для управления базой данных компании, собирает информацию с различных источников (стационарные или мобильные рабочие станции, финансовые транзакции, сенсоры и производственное оборудование).

Инструменты аналитики позволяют выявлять тренды и нарушения для оптимизации отдельных процессов.

DOMO (быстрорастущая технологическая компания) выпустила на рынок дашборд под своим брендом, который помогает компаниям собирать информацию для принятия более точных и выгодных решений. Система может собирать данные со сторонних приложений (клиентские сервисы, социальные сети) и настраивать стратегию продаж или инвестиций.

eSales от Apptus помогает настраивать каналы продаж, автоматизировать складские запасы, предсказывая на базе собранной информации поведение покупателей. Программа использует Big Data и алгоритмы машинного обучения для определения, какие продукты компании будут востребованы в ближайшем будущем на основе истории продаж, выдавать персональные рекомендации клиентам.

Avanade – совместный продукт Microsoft и Accenture, тоже, по сути, предназначенный для прогностической аналитики, когда на основе исторического поведения клиентов выдаются рекомендации по тонкой настройке клиентского сервиса.

Predix – фактически полноценная операционка от General Electrics, предназначенная для использования на сложных технологических производствах.

Она собирает данные с датчиков оборудования, анализирует их, просчитывая вероятность его поломки или остановки. Подобная аналитика помогает сэкономить средства на сервисное обслуживание.

Еще одно решение от GE используется для мониторинга трубопроводов по всему миру.

MindSphere – открытая облачная платформа от Siemens (бета-версия была выпущена в 2016 году). Предназначена для мониторинга парка оборудования на предприятии для сервисных нужд. Анализирует производительность машин в зависимости от множества факторов, выдает рекомендации по оптимизации его работы.

Источник: https://geoline-tech.com/ai-for-business/

7 эффективных способов зарабатывать на искусственном интеллекте

Как впустить искусственный интеллект в свой бизнес

Кто и сколько зарабатывает на искусственном интеллекте? Рассматриваем AI-экосистему и 7 способов превратить свои знания в прибыль.

В AI-сферу инвестируются миллиарды долларов. Кто же зарабатывает на искусственном интеллекте? Чтобы ответить на этот вопрос, взглянем на цепочку создания его стоимости.

Экосистема

В центре AI-мира находится его краеугольный камень – данные. Без данных машинное обучение невозможно, а большая часть мировой информации принадлежит нескольким крупным корпорациям.

Базовый слой системы – чипы. Именно они осуществляют всю необходимую обработку данных. До недавнего времени в этой сфере был явный лидер – NVIDIA. Несмотря на то, что их GPU создавались для рендеринга графики, они идеально подошли для матричных операций машинного обучения. Собственные AI-чипы разрабатывают и другие компании: IBM, Intel, Google, Cambricon Technologies.

Следующий уровень системы – платформа и инфраструктура для обработки, хранения данных и запуска AI-приложений. Здесь жестко конкурируют Amazon и Microsoft, предлагающие полные облачные решения. Стоимость обслуживания подобных глобальных систем невероятна!

Четвертое звено цепи – это модели и алгоритмы машинного обучения. Самым популярным фреймворком в этой области уже долгое время является TensorFlow от Google.

Он бесплатный, однако той компании, которая захочет его использовать, вероятно, потребуется большая вычислительная мощность.

А что подойдет для этого лучше, чем Google Cloud, оптимизированный под TensorFlow? Идеальная замкнутая система заработка на искусственном интеллекте.

Все эти технологии объединяются для создания корпоративных AI-решений (CRM). В этой сфере опять же доминируют гиганты вроде Salesforce, Oracle и SAP.

Далее идет уровень потребительских решений. Здесь работают корпорации с огромными бюджетами и профессиональными командами, которые воплощают инновационные идеи в жизнь.

На самом верху цепочки создания стоимости находятся целые страны, экономический рост которых во многом основан на развивающемся искусственном интеллекте: Китай, США, Япония, Германия, Франция.

Как заработать на искусственном интеллекте?

На первый взгляд кажется, что в AI-экосистеме уже не осталось места для вас. Как же конкурировать с корпорациями и государствами, располагающими огромными средствами? Поверьте, местечко найдется.

Способ #1. Стартап

В сфере машинного обучения существует огромное свободное пространство для разного рода стартапов. У больших корпораций нет времени решать мелкие нишевые проблемы, но у вас-то оно есть!

Четыре слагаемых успеха для AI-стартапа:

  • большие наборы данных;
  • хорошее знание предметной области и глубокое понимание возможностей сектора;
  • решение важных прикладных задач;
  • капитал для стимулирования роста и развития.

Сейчас стартапы вклинились практически в каждое звено AI-цепочки. Вот несколько примеров успешных начинаний:

  • Affirm – сервис потребительского кредитования.
  • Habana – небольшая команда, разрабатывающая процессоры для искусственного интеллекта.
  • Algorithmia – облачное решение для развертывания и управления моделями машинного обучения с гораздо более удобным интерфейсом, чем у AWS.
  • Clarify – пользовательские модели и алгоритмы с простым API для решения различных задач.
  • Peak – услуги аналитики данных для предприятий.

Все успешные стартапы в области машинного обучения – пример эффекта маховика: больше данных > лучше продукт > больше пользователей > больше данных.

В интернете в свободном доступе находится огромное количество полезных инструментов. Благодаря этому любой мотивированный человек может добиться успеха и начать зарабатывать на искусственном интеллекте.

Стартап с нуля

С чего начать стартап? Составьте список проблем, которые хотите решить. Настоящих, глобальных, важных проблем, например, таких:

  • изменение климата;
  • бедность;
  • рак;
  • централизация данных.

Этот список поможет вам сохранить мотивацию, когда возникнут проблемы (а они обязательно возникнут).

Решения этих проблем могут быть ориентированы на корпорации или потребителей, например:

  • технология peer-to-peer – потребительское решение проблемы централизации данных;
  • образовательные чатботы – потребительское решение проблемы бедности;
  • диагностическое оборудование для госпиталей – корпоративное решение проблемы рака;
  • инструменты для оптимизации выбросов углекислого газа – корпоративное решение проблемы изменения климата.

Определитесь со своими главными клиентами.

Затем создайте хорошо продуманную целевую страницу с формой регистрации, на которой подробно опишите ваш продукт. Соберите отзывы ваших друзей и знакомых.

Идите на социальные медиаплатформы, рекламируйте свой продукт, анализируйте обратную связь. Когда люди начнут подписываться, вы почувствуете громадный прилив вдохновения.

Собирайте данные, обучайте свою модель, начинайте строить репутацию своего собственного бренда.

Способ #2. Работа по контракту

Это отличный способ заработка на искусственном интеллекте, однако помните, что клиенты не будут приходить к вам сами. Чтобы найти их, нужно создать солидный личный бренд:

  • резюме;
  • портфолио;
  • профиль LinkedIn;
  • github-профиль с несколькими хорошо документированными проектами.

Работать можно одному или целой командой, например, создать консалтинговую фирму, такую как sigmoidal. Соберите талантливых людей, с которыми вам комфортно, определите ваш целевой рынок и начинайте искать клиентов.

Способ #3. Работа или стажировка

Работа по найму или оплачиваемая стажировка – это еще один способ заработать на искусственном интеллекте.

Способ #4. Написать книгу

Написать собственную техническую книгу – отличный способ заработать и одновременно создать себе репутацию. Но будьте осторожны, это совсем не просто.

Принимайтесь за свой труд, только если вы хотите не просто поделиться сведениями и методами, но передать свой образ мышления. Если вы чувствуете, что ни одна из известных вам книг не соответствует вашей точке зрения на технологический стек или вашим прогнозам на развитие отрасли, беритесь за перо.

Вы можете опубликовать книгу в издательстве. Оно позаботится о маркетинге и распространении вашего труда, но, разумеется, возьмет некоторый процент от прибыли.

Альтернатива – самостоятельная публикация, например, через сервис createspace.

Способ #5. Онлайн

Пятый способ заработать на искусственном интеллекте – создавать образовательный контент онлайн.

Некоторые крупные IT-порталы, например, medium, платят своим блогерам за публикации.

Также вы можете создать платный курс по машинному обучению. В этом вам поможет udemy – платформа, на которой уже реализовано все, что нужно, для создания системы управления вашим продуктом.

Если вы готовы к долгому пути, отправляйтесь на и создайте собственный канал. Сначала вы не будете здесь много зарабатывать, но когда накопится приличная аудитория, прибыль начнет появляться.

Способ #6. Создание торгового бота

В AI-сообществе создание автоматического торгового бота, ориентированного на криптовалюты, – очень популярная идея.

Это относительно новая технология, так что у вас еще есть все шансы стать одним из лидеров.

Разумеется, уже создано множество ботов, в том числе действительно прибыльных, но в таких проектах никто не будет делиться своим исходным кодом и раздавать секреты бесплатно.

Лучшее, что можно сделать, – это отправиться на GitHub и начать искать подходящие хорошо документированные репозитории биткоин-ботов, чтобы учиться на них.

Способ #7. Соревнования

Седьмой способ заработка – участие в соревнованиях по машинному обучению.

Самый популярный ресурс для этого, разумеется, Kaggle. Победители конкурсов здесь получают значительные денежные призы.

Еще один хороший пример – numerai. На этой платформе специалисты data science соревнуются, предсказывая цены на активы.

Не забывайте также про хакатоны.

Интересные материалы по data science

Источник: https://proglib.io/p/make-money-with-ai/

Искусственный интеллект для малого бизнеса: 5 способов применения

Как впустить искусственный интеллект в свой бизнес

В массовой культуре искусственный интеллект (AI) покрыт мифами и считается исключительной силой, подрывающей экономическую стабильность. На самом деле, он похож на любую другую технологию. По мере того, как больше и больше компаний используют AI, увеличивается конкуренция и снижаются издержки — искусственный интеллект становится доступным для широкого круга предприятий.

В Соединенных Штатах в малом бизнесе создается более половины рабочих мест, а его доля в ВВП составляет более 40 процентов. Поэтому разработчики стараются делать свои решения доступными для компаний этой экономической ниши.

Поскольку искусственный интеллект становится популярным, важно воспользоваться преимуществами этой технологии. Ниже представлено пять способов сделать это.

Используйте AI для сбора и анализа данных

Qualtrics провели исследование, в котором собрали и проанализировали мнения 250 маркетинговых лидеров. Обнаружилось, что 96% ожидают, что в течение пяти лет AI будет справляться с регулярными исследовательскими задачами, например, очисткой данных.  В то же время 63% полагают, что AI заменит статистический анализ в течение следующего десятилетия.

Изменения происходят не только в маркетинговой отрасли. AI незаменим для крупных компаний, которые имеют доступ к большому количеству потребительских данных.

Он важен и для небольших предприятий, которые хотят сделать полезные выводы из более скромного объема информации.

Современные методы, такие как статистический регрессионный анализ, были недоступны для малых предприятий с ограниченным бюджетом, но AI сделал их доступными и интуитивно понятными.

Когда небольшие предприятия получают доступ к сложным статистическим инструментам, они могут больше узнать о своих клиентах и ​​привлечь новых.

Регрессионный анализ позволяет устанавливать взаимосвязи между большим набором переменных и определять, как они влияют на бизнес.

AI – универсальный инструмент для статистических задач, от определения факторов, стимулирующих клиентов возвращаться, до поиска новых рыночных ниш.

Искусственный интеллект помогает собирать данные. Механизмы сбора данных – от анализа тональности текста, до алгоритмов машинного обучения, отслеживающих предпочтения и привычки клиентов, теперь доступны для любых предприятий. В , например, можно запустить подходящего для этих целей чат-бота, основанного на машинном обучении.

Используйте AI для найма сотрудников

У крупных компаний есть общественное признание, имя, обширные связи и ресурсы для поиска работников. Также у них есть обученные сотрудники отдела кадров, которые знают, как завербовать подходящих кандидатов как можно быстрее. Как же малому бизнесу конкурировать с таким подходом?

Искусственный интеллект уравнивает шансы в битве за талантливых сотрудников. Раньше рекрутерам приходилось вручную просматривать огромные стопки резюме, теперь AI делает этот процесс простым и упорядоченным.

Алгоритмы машинного обучения могут определять, какие предыдущие методы найма помогли найти сотрудников, например, где вы искали кандидатов и как устанавливали контакты.

При помощи AI можно узнать, как привлечь конкретного кандидата, найти зацепки и детальную информацию об опыте работы и пригодности для определенной задачи.

Эти способы улучшат процесс найма сотрудников, что поможет бизнесу быть конкурентоспособным.

Сделайте организацию бэкэнда более эффективной с AI

Часто обсуждается, что AI заменит человека на рабочем месте, но разумнее рассматривать AI как технологию, которая берет на себя выполнение некоторых задач. Часть этих задач есть на бэкэнде.

Например, логистические операции, такие как базовый учет, планирование и другие повседневные задачи.

Учитывая, что малый бизнес имеет ограниченное число сотрудников, передача трудоемких задач искусственному интеллекту поможет эффективнее использовать человеческие ресурсы.

В статье для Minutehack соучредитель inniAccounts, Джеймс Пойзер, рассказывает, как его малый бизнес сделал «значительные шаги для автоматизации некоторых процессов бухгалтерского учета» с помощью AI.

Использование AI для задач бэкэнда также уменьшает давление на сотрудников. Пойзер отмечает: «Когда люди воспринимают искусственный интеллект как конкурента, не ждите ничего хорошего.

К счастью, это не наш случай».

С другой стороны, большинство сотрудников приветствуют технологии, которые помогают избавиться от монотонных задач и освободить время для значимых поручений. Как признают респонденты опроса, AI именно это и делает.

Используйте AI для улучшения сервиса

Никогда еще у компаний не было столько способов взаимодействовать с клиентами.

Из-за стремительного развития онлайн каналов коммуникации и более требовательных, чем прежде, потребителей пришло время предлагать новые методы для быстрого решения проблем клиента.

Это одна из причин, по которой Gartner прогнозирует, что четверть операций в обслуживании клиентов будет «задействовать виртуального помощник клиента (VCA) или чат-бота уже к 2020 году».

Согласно опросу Qualtrics, часть опросов будет проводиться цифровым помощником и это будет реализовано в течение 5 лет. Прогнозы дают веские основания ожидать, что AI будет играть важную роль в общении с клиентами в ближайшие годы.

Чат-боты предоставляют преимущества малому бизнесу. Небольшие предприятия не могут позволить себе круглосуточные линии обслуживания клиентов. В таком случае хорошим решением будут чат-боты. Виртуальные помощники доступны для клиентов в любой момент, и сразу же ответят на вопросы потенциальных пользователей.

Создайте маркетинговую платформу на основе AI

Исследование показало, что 93% маркетологов считают искусственный интеллект перспективой для развития отрасли. AI коренным образом меняет маркетинг. Это справедливо как для небольших предприятий, так и для корпораций.

Раньше малый бизнес ограничивался рекламой, которую мог себе позволить на местных рынках, а теперь, размещая объявления онлайн, у него есть возможность охватить широкую аудиторию.

Можно использовать рекламные платформы и Google для поиска конкретных потребителей, которые будут восприимчивы к объявлению, собирать и анализировать потребительские данные из нескольких каналов.

И все это без армии маркетологов.

Вот почему неудивительно, что в отчете McKinsey за апрель 2018 года сделан вывод, что «наиболее значительно AI влияет на маркетинг и продажи». Малому бизнесу следует внедрять искусственный интеллект уже сейчас, чтобы привлечь как можно больше потребителей в будущем.

Источник: https://neurohive.io/ru/tutorial/ai-dlja-malogo-biznesa/

Как искусственный интеллект используется в бизнесе: обзор и кейсы — Маркетинг на vc.ru

Как впустить искусственный интеллект в свой бизнес

Объем информации, созданной человечеством за последние 30 лет, равен объему за предыдущие 3 тысячелетия и продолжает стремительно расти. Искусственный интеллект заменяет аналитиков и менеджеров.

Интуиция, опыт и ручной труд уже не справляются с обработкой потока информации.

Бизнес, маркетинг, медицина, государственные структуры оптимизируют работу при помощи инструментов искусственного интеллекта — BigData, машинного обучения и нейросетей.

Число компаний, занимающихся искусственным интеллектом в мире быстро растет — доля ИИ-стартапов выросла в пять раз с 2015 по 2018 год и составила 3465, в США — 1393. Наибольшее количество таких компаний в 2017 г. зарегистрировано в США — 2905.

Большинство компаний, работающих на рынке ИИ, вкладывают средства в разработку приложений для машинного обучения. По последним подсчетам $31,7 миллиарда инвестированы именно в эту категорию. Также большие средства вкладываются в программы для распознавания речи. Этот сегмент, по прогнозам, вырастет до $12,4 миллиарда в 2020 году.

Выручка от BigData и бизнес-аналитики в мире в 2018 году составила $168,8 миллиардов. К 2022 году этот показатель, по прогнозам, впервые превысит отметку в $274,3 миллиарда.

Google:

  • в проекте health.google ИИ в комплексе диагностирует состояние здоровья, помогает определить маршрут до ближайшей больницы, напоминает о времени приема лекарств, оценивает прогресс в занятиях фитнесом;
  • проект Medical Brain анализирует состояние больного, перспективы дальнейшего течения болезни, вероятность смерти от этой болезни;

Сбербанк:

  • выдавать все кредиты к концу 2020 года в Сбербанке будет ИИ, для этого он сопоставит биометрические данные клиента, кредитную историю, доходы, затраты и самостоятельно примет решение;
  • в приложении Сбербанк Онлайн, предпочтения 50 миллионов пользователей будут анализировать по 1000 параметрам и сформируют пакет услуг и информации специально для этого пользователя — частые переводы и платежи, статистика трат;
  • предварительное собеседование с кандидатами на массовые вакансии уже сейчас проводит робот, который задает вопросы в зависимости от ситуации и, если кандидат соответствует требованиям, переключает беседу на человека — сотрудника HR службы;

:

  • ИИ “открывает” глаза людей, моргнувших на фотографиях — без него это было бы невозможно сделать; замена глаз на фотографии — сложный процесс, предусмотреть нужно многое: национальность, разрез глаз, возраст,освещение, поворот головы, другие изображения этого человека в сети.

В бизнесе используется слабый искусственный интеллект, умеющий решать только узкие специализированные задачи с помощью методов BigData, алгоритмов машинного обучения. Сильный искусственный интеллект способен к многозадачности. Его функционал не ограничен — игра в шахматы, сочинение стихов, решение математических задач, бизнес-аналитика и наличие интеллекта.

Сильный ИИ, по прогнозам, появится в интервале 2040-2075 г.

Как было:

150 работающих удаленно сотрудников контакт-центра, 250 000 звонков в месяц, для поддержания стандартов сервиса создали скрипты ответов для операторов. Через некоторое время столкнулись с проблемой, что люди стали отвечать на звонки, как роботы, появились негативные отзывы. Вместо переобучения людей появилась идея автоматизировать контакт-центр.

Что сделали:

часто повторяющиеся запросы — жалоба на опоздание курьера, просьба изменить способ оплаты, доставки, отменить заказ, жалоба на качество — перевели на робота. Операторам оставили нестандартные запросы.

С какими трудностями столкнулись:

  • Перевод голоса в текст — люди в разговоре с роботом по другому структурируют речь, интонацию. Например: фраза “Соедините меня с оператором” была распознана роботом как “Соедините меня с императором”; изначально подобранное имя робота “Оксана” воспринималось клиентами, как известная “Алиса”.
  • Некоторые выбранные тематики оказались лишними, запросов на них не было, что привело к пустой трате времени на мало востребованные вопросы.
  • Разработанные логические цепочки быстро устаревают, нужно постоянное обновление.

Что получили:

несмотря на проблемы, итоги оказались выше ожиданий. Автоматизировали 250 тысяч звонков, 1 минута работы оператора стоит 7 рублей, в среднем разговор длится 2 минуты — в итоге экономия составила 500 000 рублей в месяц. Цель обращения клиента определялась в 67% звонков, из них успешно обработаны 97% звонков.

Полностью прослушать доклад можно здесь .

Кейс 2: Результаты поиска трендов развития новых продуктов в металлургии с помощью автоматизированного анализа текстов. ИСИЭЗ НИУ ВШЭ и «Северсталь».

Для “Северстали” важно отслеживать новинки отрасли для создания востребованных на рынке продуктов. Текстовый анализ данных можно успешно применять в металлургии для поиска ключевых фраз в научно-технических документах.

Результат:

  • 36 новых тем нашли для дальнейшего изучения.
  • 4 новых направления стали темами научно-исследовательских работ в 2019 году.
  • На 10% сократилось время поиска и отслеживания проектов.
  • 2 новых крупных блока рассматриваются для анализа в 2020 году.

Полностью прослушать доклад можно здесь .

Кейс 3: компания Mobifitness привлекла ИИ для анализа и сортировки отзывов клиентов фитнес-клубов и спортивных студий.

Компания разрабатывает ИТ-решения для автоматизации работы 3 000 клиентов спортивной индустрии.

Спикер — Владимир Старков, сооснователь компании Mobifitness.

Что сделано:

Обучили нейросеть на основе сотен реальных отзывов клиентов фитнес-клубов автоматически определять тональность отзыва и отмечать наиболее важные.

Источник: https://vc.ru/marketing/105102-kak-iskusstvennyy-intellekt-ispolzuetsya-v-biznese-obzor-i-keysy

5 технологий искусственного интеллекта, которые изменят бизнес в ближайшем будущем

Как впустить искусственный интеллект в свой бизнес
16047 13.11.2019, Ср, 12:15, Мск , Иван Петров

Технологии искусственного интеллекта постепенно выходят на плато продуктивности. Среди первых ласточек – сервисы распознавания речи, на базе которых работают чат-боты.

Также интерес у пользователей вызывают технологии автоматизированного машинного обучения и бизнес-приложения со встроенными механизмами ИИ. Растет спрос на платформы искусственного интеллекта, предоставляемые в виде услуги, и соответствующие облачные сервисы.

Но некоторые применения, например — в автономных транспортных средствах, будут реализованы лишь лет через 10.

Последнее исследование Gartner о развитии искусственного интеллекта свидетельствует о большом разнообразии применений ИИ на предприятиях. И это логично, учитывая, что по данным опросов, проводимых этой компанией, в 2019 г. доля организаций, внедривших ИИ, выросла по сравнению с прошлым годом с 4% до 14%.

И, несмотря на относительную молодость рынка ИИ в целом, аналитики Gartner поместили сразу две технологии в секцию «плато продуктивности» — «распознавание речи» и «ускорители ИИ на основе графических процессоров» (последние подходят для создания систем искусственного интеллекта гораздо лучше, чем процессоры «общего назначения»).

Среди других применений ИИ, которым прочат скорый успех, — средства диалогового ИИ, чему способствует успех виртуальных ассистентов наподобие Amazon Alexa, Google Assistant и т.д.

Появляется интерес к новым технологиям, таким как дополненный интеллект (augmented intelligence), «периферийный» ИИ (edge AI), популярность которого растет вместе с популярностью самих периферийных вычислений, автоматизированная разметка данных и «объяснимый» ИИ (система искусственного интеллекта, решения которой люди могут объяснить).

А вот автономные транспортные средства, которые, как считаю многие, вот-вот появятся на дорогах, по мнению Gartner, «выедут» на плато продуктивности больше, чем через 10 лет.

«Голубые фишки» ИИ

В целом на «кривой хайпа» искусственного интеллекта появилось немало новых технологий, и существенная доля из них отмечена голубыми кружками, свидетельствующими о том, что в Gartner надеются на их скорый выход на плато продуктивности. Причем многие из них получили прогноз «от двух до пяти лет до внедрения», еще только взбираясь на пик надежд.

Однако, как одновременно отмечают аналитики, далеко не все из новых технологий имеют понятное применение и способны принести пользу бизнесу. И надо стараться реалистично подходить к прогнозам и анализу перспектив внедрения.

Так или иначе, компаниям, которые стремятся идти в ногу со временем, аналитики советуют как минимум готовить финансово-экономическое обоснование для внедрения ИИ. А тем, кто уже провел первичные внедрения, стоит задумываться о масштабировании проектов.

Кривая Gartner для искусственного интеллекта

Источник: Gartner, 2019

Технологии искусственного интеллекта, на которые стоит обратить особое внимание

Среди всех ИИ-технологий аналитики Gartner особо выделили пять, способных наиболее серьезно изменить бизнес-процессы уже в обозримом будущем, и советуют ИТ-директорам внимательно следить за их развитием.

Дополненный интеллект

К системам дополненного интеллекта (augmented intelligence) аналитики относят средства автоматизации, помогающие повышать продуктивность умственного труда человека. Они помогают организовать «партнерство» между людьми и ИИ, в котором первые играют главенствующую роль.

Использование искусственного интеллекта в этом качестве помогает уменьшить объем рутинной работы и, соответственно, количество ошибок в ходе ее выполнения. А участие человека, в свою очередь, снизит риск, связанный с автоматизированным принятием решений — за счет того, что человек сможет решить вопросы, ответам на которые ИИ еще не обучен.

Чат-боты

Чат-боты, «лицо» искусственного интеллекта, с которым мы сталкиваемся почти ежедневно, также меняют процессы, касающиеся взаимодействия с клиентами. Например, в компании Kia они еженедельно помогают решать вопросы 115 тысячам автовладельцев, а в немецкой сети дискаунтеров Lidl бот по имени Margot дает покупателям советы по выбору вин и закусок.

Чат-боты могут быть текстовыми и ыми, на стандартные вопросы они отвечают по сценарию, составленному заранее с учетом опыта, накопленного живыми операторами.

Они могут применяться для решения задач отдела кадров или службы технической поддержки, помогать адаптации сотрудников на новом месте и т. д. Но в наибольшей мере эти ИИ-решения изменили процесс обслуживания клиентов.

Если раньше пользователю обычно приходилось изучать интерфейс взаимодействия с системой, то теперь чат-бот «изучает» пользователя, «угадывая» его намерения и подсказывая дальнейшие действия.

Машинное обучение

Среди задач, которые позволяет решать машинное обучение, — персонализация обслуживания клиентов, динамическое ценообразование, диагностика заболеваний, противодействие «отмыванию» денег и многое другое.

Принцип действия средств машинного обучения — обнаружение закономерностей, присутствующих в данных, с применением математических моделей.

Машинное обучение используется все шире, чему способствуют стремительные темпы роста данных в организациях и активное развитие вычислительных инфраструктур.

Машинное обучение помогает оптимизировать процессы и находить новые решения задач бизнеса в самых разных отраслях.

Например, в American Express алгоритмы машинного обучения и аналитики распознают попытки мошенничества почти в реальном времени, благодаря чему компания экономит миллионы, предотвращая потери.

А в Volvo аналитические системы прогнозируют вероятные отказы и необходимость ремонтно-технического обслуживания различных узлов автомобилей, способствуя повышению их безопасности.

Система управления ИИ

По убеждению экспертов, пренебрегать созданием системы управления ИИ (AI governance) на предприятиях нельзя. Это необходимо, в том числе, для понимания и контроля потенциальных рисков, связанных с регулированием и возможностью ущерба для репутации.

Как поясняют в Gartner, система управления ИИ строится на специально разработанных политиках предотвращения системных ошибок («предвзятости») ИИ, дискриминации пользователей или групп пользователей по тем или иным признакам и других возможных негативных последствий использования искусственного интеллекта.

При разработке системы управления ИИ специалисты рекомендуют руководителям по аналитике и ИТ-директорам уделить внимание трем областям: доверие, прозрачность и принципы этнокультурного многообразия (diversity).

Необходимость обеспечить возможность доверять источникам данных и результатам работы систем ИИ — один из краеугольных камней их успешного внедрения, а выработка требований прозрачности к источникам данных и алгоритмам позволит уменьшить риски.

Забота о соблюдении принципов многообразия в данных и алгоритмах способствует этичности и точности результатов работы решений на базе ИИ.

Интеллектуальные приложения

Еще несколько лет единственной возможностью внедрить средства искусственного интеллекта была самостоятельная разработка ИИ-систем. Однако сегодня большинство организаций предпочитают не разрабатывать такие решения и даже не приобретать «отдельно стоящие» ИИ-системы, а получать средства ИИ в составе корпоративных приложений.

Исходно наиболее «интеллектуальными» были средства аналитики со встроенными технологиями ИИ.

Однако в последнее время поставщики самых разных корпоративных приложений — систем ERP, CRM, кадрового менеджмента и офисных пакетов встраивают в них средства ИИ и начинают создавать платформы ИИ.

Так что аналитики Gartner советуют ИТ-директорам требовать от поставщиков ПО включения ИИ-средств в планы развития своих продуктов, в том числе инструментами расширенной аналитики и средствами, оптимизирующими процессы взаимодействия с пользователем.

Источник: https://cnews.ru/articles/2019-11-12_chto_ozhidat_ot_razvitiya_tehnologij

Бизнес
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: