За последние годы в мире активно внедряются технологии искусственного интеллекта (ИИ, англ. Artificial Intelligence). Сегодня ключевое применение в бизнесе находит машинное обучение (МО; англ. Machine Learning) ― методы (алгоритмы), которые на основе анализа огромного множества данных (Big Data) позволяют компьютерам делать и предоставлять выводы приложениям ИИ. Машинное обучение ― это прикладная технология, в отличие от совокупности систем, которую называют искусственным интеллектом. 

Цифры говорят

О важности ИИ и МО свидетельствуют цифры. В частности, аналитики компании Gartner прогнозировали, что к 2020 году технологии ИИ (в том числе машинное обучение) будут применяться "почти в каждом новом программном продукте и сервисе". По большому счету так и есть: те же голосовые помощники в смартфонах — это сервисы на основе ИИ.

Два года GDPR: что изменилось

Вместе с тем в мировом масштабе внедрение технологий ИИ пока осуществляется не так быстро. Согласно результатам исследования Global CEO Outlook компании KPMG (осень 2019 года), в мире только 16% опрошенных компаний внедрили ИИ в автоматизацию отдельных бизнес-процессов. Причем около трети из них (31%) все еще находятся на пилотной стадии, а около половины (53%) применяют ИИ ограничено. 

Украинские руководители рассматривают достижение рентабельности инвестиций в технологии ИИ и роботизацию процессов как долгосрочную перспективу. Примерно треть компаний в Украине пока не инвестируют в ИИ (33%) и роботизацию (32%).

Следует отметить, что текущая экономическая ситуация в стране и мире снижает возможности компаний для инвестирования. Однако именно внедрение новых технологий класса ИИ и МО дает организациям конкурентное преимущество, позволяет повысить эффективность бизнеса и улучшить работу с клиентами. Иными словами, инновации — это не то, на чем стоит экономить в кризис.

Машинное обучение для бизнеса 

Крупные компании начали активно внедрять машинное обучение сравнительно недавно, используя его прежде всего для решения широкого круга бизнес-задач. Из наиболее известных примеров — применение МО в различных электронных сервисах крупнейших технологических компаний, а также в технологиях беспилотного вождения автомобиля. Однако главная бизнес-ценность машинного обучения ― не только в ранжировании результатов поисковых запросов, распознавании изображений в соцсетях и рекомендации музыкального контента. 

В Украине стартовал пилотный проект умного дома по провайдерской модели

Основные направления использования МО для бизнес-целей

  1. Улучшение взаимодействия с клиентами посредством виртуальных диалоговых систем (информационные системы в call-центрах, чат-боты).
  2. Персонализация отношений с клиентами на основе анализа данных о потребностях целевой аудитории, прогнозирование поведения и нужд конкретного потребителя.
  3. Управление данными компании. МО позволяет контролировать разностороннюю корпоративную информацию (финансовую, кадровую, производственную) и делать прогнозы на основании больших массивов данных. Важным направлением является предиктивный анализ, позволяющий, например, отслеживать состояние оборудования и даже прогнозировать его выход из строя. Это дает возможность заранее произвести его обслуживание и ремонт, не дожидаясь более серьезных поломок и длительной остановки производства. 
  4. Распознавание объектов на фото и видео, подсчет их количества. Технологии машинного обучения позволяют обнаруживать на фотографиях и видео нужные объекты, распознавать людей (например, в системах безопасности) или подсчитать количество товаров (к примеру, на конвейерном производстве).  
  5. Выделение и анализ ключевых тем и проблем (отзывы, публикации СМИ). 
  6. Автоматизация ручного труда и рутинных бизнес-процессов. В деятельности любой компании есть множество процессов, которые могут быть "перепоручены" ИИ: в управлении кадрами, логистике, офисной работе и т. д. 

Бизнес хочет видеть результаты внедрения ИТ-решений в режиме "здесь и сейчас". Для этой цели лучше всего подходит использование МО для автоматизации рутинных бизнес-процессов. Они не только обеспечивают быстрый эффект, но и высвобождают огромное количество всех видов ресурсов. 

Так, МО нашло применение в создании автономных баз данных с функциями самоуправляемости, самозащиты и самовосстановления. Именно этот сегмент ИТ-решений за последние годы стал одним из самых востребованных и быстроразвивающихся. 

Использование технологий МО помогает сделать бизнес более эффективным — сокращать расходы, минимизировать риски, быстрее и качественнее обслуживать клиентов, более точно прогнозировать работу компании. Иначе говоря, если бизнес переживает застой и ему нужен новый базис для продолжения развития, им может стать именно машинное обучение. 

По оценкам PwC, наибольшую пользу от ИИ к 2030 году моугт получить: розничная торговля, финансовые сервисы и сфера здравоохранения. В целом, технологии искусственного интеллекта можно внедрить в рабочие процессы практически в любой сфере экономики и человеческой деятельности. Специфика МО состоит в том, что его возможности и области применения ограничиваются только наличием обширных массивов данных. 

Цели по OKR. Как задать правильный вектор своему бизнесу

Аспекты внедрения

Для успешного внедрения решений на основе МО и достижения приемлемых результатов необходимы минимум три составляющие:

  • цель — чего вы хотите достичь и какие задачи решить с помощью МО;
  • профессиональная команда data-аналитиков;
  • релевантный массив данных.

Только при совпадении всех условий можно на выходе рассчитывать на ощутимый результат.

Как показывает практика, самым важным на первом этапе является человеческий фактор. В компании должен быть специалист, который будет "драйвить" весь процесс внедрения, в ходе которого неизбежно возникнут разные проблемы и сложности. И, конечно, команда специалистов, помогающих воплотить желаемое в действительность.  

В целом можно назвать следующие основные этапы внедрения МО.

  1. Постановка задачи.
  2. Сбор и подготовка данных.
  3. Разработка алгоритма и программного решения.
  4. Интеграция  с внутренними системами.

При этом значительная часть времени уйдет на сбор и подготовку данных, а также интеграцию  с внутренними системами. Полученный результат в виде повышения эффективности бизнеса, улучшения клиентского обслуживания и сокращения затрат оправдывает все финансовые расходы на внедрение. 

Кроме процедурных вопросов важен и технологический аспект. Для повышения эффективности внедрения МО решающее значение имеет интеграция облачных приложений, платформ и инфраструктуры. В результате механизмам МО становятся доступными все большие объемы данных. 

Рада разрешила госорганам пользоваться облачными технологиями

Уже сейчас алгоритмы МО активно  используются в системах мониторинга и управления облачными приложениями. В частности, они позволяют системе Oracle Management Cloud анализировать данные, выявлять аномалии (например, в системах безопасности для определения подозрительных операций с кредитными картами). Со временем облачные системы будут становиться все точнее в своих прогнозах и позволят делать прогнозы – предвидеть сбои оборудования до того, как они произойдут. 

Согласно данным исследования KPMG, компании будут продолжать инвестиции в технологии искусственного интеллекта и инновации в целом. В Украине так считают 35% опрошенных, а в мире этот показатель составляет 69%. 

Но необходимо учитывать, что динамика внедрения инноваций в Украине и мире может замедлиться в связи с прогнозируемым снижением темпов роста мировой экономики. Однако экономические проблемы не смогут существенно замедлить внедрение технологий, которые вне зависимости от состояния экономики делают бизнес более эффективным. 

Исследовательская компания IDC прогнозирует в 2020 году сокращение затрат на ИТ в мире на 2,7% (мартовский прогноз). В частности, расходы на серверное оборудование и хранилища сократятся на 3,3%, а на сетевое оборудование —  на 1,7%. При этом затраты на инфраструктуру, включая облачную, в 2020 году вырастут на 5,3%. Это будет связано с инвестициями компаний в инфраструктуру как услугу (IaaS) и расходами облачных провайдеров на серверы. Ожидается, что расходы на ПО вырастут на 1,7%. Кроме того, уже в следующем году аналитики прогнозируют отскок — рост общих расходов в ИT на уровне 4,9%. 

Сергей Янчишин, региональный директор Oracle в Украине

Хотите первыми получать важную и полезную информацию о ДЕНЬГАХ и БИЗНЕСЕ? Подписывайтесь на наши аккаунты в мессенджерах и соцсетях: Telegram, Twitter, YouTube, Facebook, Instagram.

Теги: искусственный интеллект машинное обучение
Просмотров: 104