как искусственный интеллект помогает в бизнесе и жизни / Habr
Читайте оригинал статьи в Блоге DTI.В работе Oxford Martin School 2013 года говорилось о том, что 47% всех рабочих мест может быть автоматизировано в течение следующих 20 лет. Основным драйвером этого процесса является применение искусственного интеллекта, работающего с большими данными, как более эффективной замены человеку.
Машины теперь способны решать все больше процессов, за которые раньше отвечали люди. Кроме того, делают это качественнее и во многих случаях дешевле. О том, что это значит для рынка труда, в июле этого года говорил Герман Греф, выступая перед студентами Балтийского федерального университета им. Канта:
“Мы перестаём брать на работу юристов, которые не знают, что делать с нейронной сетью. <…> Вы — студенты вчерашнего дня. Товарищи юристы, забудьте свою профессию. В прошлом году 450 юристов, которые у нас готовят иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом. Их мы на работу точно не возьмем.”
Продолжая освещать #технобудущее, команда DTI подготовила все, что необходимо знать для первого погружения в нейронные сети: как они устроены, почему все больше компаний предпочитают нейросети живым сотрудникам и какой потенциал по оптимизации различных процессов несет эта технология.
Искусственный интеллект, машинное обучение и нейросети: в чем разница
Нейронная сеть – один из способов реализации искусственного интеллекта (ИИ).
В разработке ИИ существует обширная область — машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска.
#справка Во многих статьях можно встретить термин «глубокое» — или «глубинное» — обучение. Под ним понимают алгоритмы машинного обучения, использующие много вычислительных ресурсов. В большинстве случаев под ним можно понимать просто “нейронные сети”.
Чтобы не запутаться в понятиях «искусственный интеллект», «машинное обучение» и «глубокое обучение», предлагаем посмотреть на визуализацию их развития:
#интересное Существует два типа искусственного интеллекта (ИИ): слабый (узконаправленный) и сильный (общий). Слабый ИИ предназначен для выполнения узкого списка задач. Такими являются голосовые помощники Siri и Google Assistant и все остальные примеры, которые мы приводим в этой статье. Сильный ИИ, в свою очередь, способен выполнить любую человеческую задачу. На данный момент реализация сильного ИИ невозможна, он является утопической идеей.
Как устроена нейросеть
Нейросеть моделирует работу человеческой нервной системы, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, с каждым разом система совершает все меньше ошибок.
Как и наша нервная система, нейросеть состоит из отдельных вычислительных элементов – нейронов, расположенных на нескольких слоях. Данные, поступающие на вход нейросети, проходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определенные параметры, которые могут изменяться в зависимости от полученных результатов – в этом и заключается обучение сети.
Предположим, что задача нейросети – отличать кошек от собак. Для настройки нейронной сети подается большой массив подписанных изображений кошек и собак. Нейросеть анализирует признаки (в том числе линии, формы, их размер и цвет) на этих картинках и строит такую распознавательную модель, которая минимизирует процент ошибок относительно эталонных результатов.
На рисунке ниже представлен процесс работы нейросети, задача которой — распознать цифру почтового индекса, написанную от руки.
История нейросетей
Несмотря на то, что нейросети попали в центр всеобщего внимания совсем недавно, это один из старейших алгоритмов машинного обучения. Первая версия формального нейрона, ячейки нейронной сети, была предложена Уорреном Маккалоком и Уолтером Питтсом в 1943 году.
Mark I Perceptron — машина Розенблатта
Первые успехи привлекли повышенное внимание к технологии, однако затем другие алгоритмы машинного обучения стали показывать лучшие результаты, и нейросети отошли на второй план. Следующая волна интереса пришлась на 1990-е годы, после чего о нейросетях почти не было слышно до 2010 года.
Почему нейросети вновь популярны
До 2010 года попросту не существовало базы данных, достаточно большой для того, чтобы качественно обучить нейросети решать определенные задачи, в основном связанные с распознаванием и классификацией изображений. Поэтому нейросети довольно часто ошибались: путали кошку с собакой, или, что еще хуже, снимок здорового органа со снимком органа, пораженного опухолью.
Но в 2010 году появилась база ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превышала объем существовавших баз данных изображений и была доступна для любого исследователя. С такими объемами данных нейросети можно было учить принимать практически безошибочные решения.
Размер ImageNet в сравнении с другими существовавшими в 2010 году базами изображений
До этого на пути развития нейросетей стояла другая, не менее существенная, проблема: традиционный метод обучения был неэффективен. Несмотря на то что важную роль играет число слоев в нейронной сети, важен также и метод обучения сети. Использовавшийся ранее метод обратного шифрования мог эффективно обучать только последние слои сети. Процесс обучения оказывался слишком длительным для практического применения, а скрытые слои глубинных нейросетей не функционировали должным образом.
Результатов в решении этой проблемы в 2006 году добились три независимых группы ученых. Во-первых, Джеффри Хинтон реализовал предобучение сети при помощи машины Больцмана, обучая каждый слой отдельно. Во-вторых, Ян ЛеКан предложил использование сверточной нейронной сети для решения проблем распознавания изображений. Наконец, Иошуа Бенджио разработал каскадный автокодировщик, позволивший задействовать все слои в глубокой нейронной сети.
Примеры успешного применения нейросетей в бизнесе
Медицина
Команда исследователей из Ноттингемского университета разработала четыре алгоритма машинного обучения для оценки степени риска сердечно-сосудистых заболеваний пациентов. Для обучения использовались данные 378 тыс. британских пациентов. Обученный искусственный интеллект определял риск кардиологических заболеваний эффективнее реальных врачей. Точность алгоритма — между 74 и 76,4 процентами (стандартная система из восьми факторов, разработанная Американской коллегией кардиологии, обеспечивает точность лишь в 72,8%).
Финансы
Японская страховая компания Fukoku Mutual Life Insurance заключила контракт с IBM. Согласно нему, 34 сотрудников японской компании заменит система IBM Watson Explorer AI. Нейросеть будет просматривать десятки тысяч медицинских сертификатов и учитывать число посещений госпиталей, перенесенные операции и другие факторы для определения условий страхования клиентов. В Fukoku Mutual Life Insurance уверены, что использование IBM Watson повысит продуктивность на 30% и окупится за два года.
Машинное обучение помогает распознавать потенциальные случаи мошенничества в различных сферах жизни. Подобный инструмент использует, например, PayPal – в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате, мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе — 1,32%.
Коммерция
Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах.
Механизм рекомендаций обеспечивает Amazon 35% продаж. Алгоритм Brain, используемый YouTube для рекомендации контента, позволил добиться того, что практически 70% видео, просматриваемых на сайте, люди нашли благодаря рекомендациям (а не по ссылкам или подпискам). WSJ сообщало о том, что использование искусственного интеллекта для рекомендаций является одним из факторов, повлиявших на 10-кратный рост аудитории за последние пять лет.
Алгоритм Yandex Data Factory способен предсказывать влияние промоакций на объем продаж товаров. Анализируя историю продаж, а также тип и ассортимент магазина, алгоритм дал 87% точных (с точностью до коробки) и 61% ультраточных (с точностью до упаковки) прогнозов.
Нейросети, анализирующие естественный язык, могут использоваться для создания чат-ботов, позволяющих клиентам получить необходимую информацию о продуктах компании. Это позволит сократить издержки на команды колл-центров. Подобный робот уже работает в приемной Правительства Москвы и обрабатывает около 5% запросов. Бот способен подсказать, в том числе, расположение ближайшего МФЦ и график отключения горячей воды.
На технологии нейронных сетей также основана Albert – маркетинговая платформа полного цикла, самостоятельно осуществляющая практически все операции. Использующая ее компания-производитель нижнего белья Cosabella в итоге расформировала собственный отдел маркетинга и полностью доверилась платформе.
Транспорт
Беспилотные автомобили – концепт, над которым работает большинство крупных концернов, а также технологические компании (Google, Uber, Яндекс и другие) и стартапы, в своей работе опирается на нейросети. Искусственный интеллект отвечает за распознавание окружающих объектов – будь то другой автомобиль, пешеход или иное препятствие.
Так видит наш мир нейросеть
Потенциал искусственного интеллекта в этой сфере не ограничивается автопилотом. Недавний опрос IBM показал: 74% топ-менеджеров автомобильной индустрии ожидают, что умные автомобили появятся на дорогах уже к 2025 году. Такие автомобили, интегрированные в Интернет вещей (см. наш предыдущий лонгрид), будут собирать информацию о предпочтениях пассажиров и автоматически регулировать температуру в салоне, громкость радио, положение сидений и другие параметры. Помимо пилотирования, система также будет информировать о возникающих проблемах (и даже попытается решить их сама) и ситуации на дороге.
Промышленность
Нейросеть, разработанная Марком Уоллером из Шанхайского Университета, специализируется на разработке синтетических молекул. Алгоритм составил шестистадийный синтез производного бензопирана сульфонамида (необходим при лечении Альцгеймера) всего за 5,4 секунды. Инструменты Yandex Data Factory помогают при выплавке стали: использующийся для производства стали металлический лом зачастую неоднороден по составу. Чтобы сталь соответствовала стандартам, при ее выплавке всегда нужно учитывать специфику лома и вводить специальные добавки. Этим обычно занимаются специально обученные технологи. Но, поскольку на таких производствах собирается много информации о поступающем сырье, применяемых добавках и результате, эту информацию с большей эффективностью способна обработать нейросеть. По данным Яндекса, внедрение нейросетей позволяет на 5% сократить расходы дорогих ферросплавов.
Аналогичным образом нейросеть способна помочь в переработке стекла. Сейчас это нерентабельный, хотя и полезный, бизнес, нуждающийся в государственных субсидиях. Использование технологий машинного обучения позволит значительно сократить издержки.
Сельское хозяйство
Инженеры Microsoft совместно с учеными из ICRISAT применяют искусственный интеллект, чтобы
Развлечения и искусство
В прошлом году вышли и мгновенно стали популярными приложения, использующие нейросети для обработки фото и видео: MSQRD от белорусских разработчиков (в дальнейшем сервис выкупила Facebook), и российские Prisma и Mlvch. Другой сервис, Algorithmia, раскрашивает черно-белые фотографии.
Яндекс успешно экспериментирует с музыкой: нейронные сети компании уже записали два альбома: в стиле Nirvana и “Гражданской обороны”. А музыка, написанная нейросетью под композитора-классика Александра Скрябина, была исполнена камерным оркестром, что заставляет вновь задуматься над вопросом о том, сможет ли робот сочинить симфонию. Нейросеть, созданная сотрудниками Sony, вдохновлялась Бахом.
Японский алгоритм написал книгу “День, когда Компьютер написал роман”. Несмотря на то что с характерами героев и сюжетными линиями неопытному писателю помогали люди, компьютер проделал огромную работу – в итоге одна из его работ прошла отборочный этап престижной литературной премии. Нейросети также написали продолжения к Гарри Поттеру и Игре Престолов.
В 2015 году нейросеть AlphaGo, разработанная командой Google DeepMind, стала первой программой, победившей профессионального игрока в го. А в мае этого года программа обыграла сильнейшего игрока в го в мире, Кэ Цзэ. Это стало прорывом, поскольку долгое время считалось, что компьютеры не обладают интуицией, необходимой для игры в го.
Безопасность
Команда разработчиков из Технологического университета Сиднея представила дронов для патрулирования пляжей. Основной задачей дронов станет поиск акул в прибрежных водах и предупреждение людей на пляжах. Анализ видеоданных производят нейросети, что существенно отразилось на результатах: разработчики утверждают о вероятности обнаружения и идентификации акул до 90%, тогда как оператор, просматривающий видео с беспилотников, успешно распознает акул лишь в 20-30% случаев.
Австралия занимает второе место в мире после США по количеству случаев нападения акул на людей. В 2016 году в этой стране были зафиксированы 26 случаев нападения акул, два из которых закончились смертью людей.
В 2014 году Лаборатория Касперского сообщала, что их антивирус регистрирует 325 тыс. новых зараженных файлов ежедневно. В то же время, исследование компании Deep Instinct показало, что новые версии вирусов практически не отличаются от предыдущих – изменение составляет от 2% до 10%. Самообучающаяся модель, разработанная Deep Instinct, на основании этой информации способна с высокой точностью определять зараженные файлы.
Нейросети также способны искать определенные закономерности в том, как хранится информация в облачных сервисах, и сообщать об обнаруженных аномалиях, способных привести к бреши в безопасности.
Бонус: нейросети на страже нашего газона
В 2016 году 65-летний инженер NVIDIA Роберт Бонд столкнулся с проблемой: соседские кошки регулярно посещали его участок и оставляли следы своего присутствия, что раздражало его жену, работающую в саду. Бонд сразу отсек слишком недружелюбную идею соорудить ловушки для незваных гостей. Вместо этого он решил написать алгоритм, который бы автоматически включал садовые разбрызгиватели воды при приближении кошек.
Перед Робертом стояла задача идентификации кошек в поступающем с внешней камеры видеопотоке. Для этого он использовал систему, основанную на популярной нейросети Caffe. Каждый раз, когда камера наблюдала изменение в обстановке на участке, она делала семь снимков и передавала их нейросети. После этого нейросеть должна была определить, присутствует ли в кадре кошка, и, в случае утвердительного ответа, включить разбрызгиватели.
Изображение с камеры во дворе Бонда
До начала работы нейросеть прошла обучение: Бонд “скормил” ей 300 разных фотографий кошек. Анализируя эти фотографии, нейросеть училась распознавать животных. Но этого оказалось недостаточно: она корректно определяла кошек лишь в 30% случаев и приняла за кошку тень Бонда, в результате чего он сам оказался мокрым.
Нейросеть заработала лучше после дополнительного обучения на большем количестве фотографий. Однако Бонд предупреждает, что нейросеть можно натренировать слишком сильно, в случае чего у нее сложится нереалистичный стереотип – например, если все снимки, использующиеся для обучения, сняты с одного ракурса, то искусственный интеллект может не распознать ту же самую кошку с другого угла. Поэтому чрезвычайно важным является грамотный подбор обучающего ряда данных.
Через некоторое время кошки, обучившиеся не на фотографиях, но на собственной шкуре, перестали посещать участок Бонда.
Заключение
Нейронные сети, технология середины прошлого века, сейчас меняет работу целых отраслей. Реакция общества неоднозначна: одних возможности нейросетей приводят в восторг, а других – заставляют усомниться в их пользе как специалистов.
Однако не везде, куда приходит машинное обучение, оно вытесняет людей. Если нейросеть ставит диагнозы лучше живого врача, это не значит, что в будущем нас будут лечить исключительно роботы. Вероятнее, врач будет работать вместе с нейросетью. Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова еще в 1997 году, однако люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.
Кооперация с машинами принесет гораздо больше пользы, чем конфронтация. Поэтому мы собрали список материалов в открытом доступе, которые помогут вам продолжить знакомство с нейросетями:
habr.com
Гонка технологий. Как искусственный интеллект помогает бизнесу | Технологии
Исследователи сообщили, что лидером по количеству проектов остается финансовая отрасль. Здесь технологии позволяют снизить издержки, минимизировать риски, предотвратить фрод, проверять заемщиков, оценивать их платежеспособность, осуществлять прогнозирование и т.д. В частности, ПАО «Банк УРАЛСИБ» применяет ИИ для анализа данных о клиентах, что позволяет более персонализировано подходить к своим предложения. Также в банке недавно перевели каталог продуктов на нереляционную базу данных под управлением ИИ, которая при изменении тарифа сама структурирует данные, не требуя менять код ПО. «Финансовый сектор всегда был в авангарде использования технологии, и еще 15 лет назад банки начали использовать ИИ для прогнозирования дефолтов с помощью самообучающихся нейронных сетей. Сейчас ИИ позволяет нам решать более широкий круг задач: минимизировать риски, предотвращать фрод, проверять заемщиков, оценивать их платежеспособность, осуществлять прогнозирование и так далее», — объясняет Руководитель департамента «Цифровой банкинг» ПАО «Банк УРАЛСИБ» Александр Сахаров.
В ретейле основное направление внедрений искусственного интеллекта связано с обслуживанием клиентов, оптимизацией логистики, инвентаризацией складских запасов, снижением затрат и прогнозированием спроса. Среди примеров из ретейла была представлена компания «М.Видео», которая внедрила у себя технологии искусственного интеллекта для улучшения клиентского сервиса через онлайн-магазин. Анализируется поведение клиента на сайте, переходы между страницами, просмотры разделов, после чего система готовит персональные товарные рекомендации, которые направляет зарегистрированному пользователю по почте.
Чтобы увеличить конверсию за счет возврата ушедших посетителей и повысить отклик от маркетинговых рассылок, компания внедрила решение на базе машинного обучения, которое определяет оптимальное время взаимодействия с клиентом для совершения покупки. В частности применяется механизм, который анализирует предпочтения других покупателей. По словам, директора по информационным технологиям «М.Видео» Сергея Сергеева, в результате этих и ряда других мер по оптимизации работы сайта интернет продажи за 9 месяцев выросли на 30%, а конверсия посетителей в покупателей — на 10%.
В страховании искусственный интеллект применяется для управления документооборотом, обработки клиентских данных, селекции рисков, борьбы с мошенничеством, определения персонализированных страховых услуг и распределения страховых выплат. В России среди лидеров этого сегмента можно выделить компанию «Альфа Страхование», которая одна из первых внедрила элементы ИИ для решения главной проблемы страхового рынка — мошенничества при урегулировании убытков. Система, анализируя данные страховых случаев ОСАГО, в том числе клиентские данные, это позволяет выделить среди общего количества сомнительных случаев те, в которых действительно существует вероятность мошенничества со стороны клиента, для последующего проведения расследований. Это помогает выявить мошенничество и отгородить остальных клиентов от дополнительных трат.
«Мы можем наблюдать, как на рынке страхования происходит революция — от объектного подхода, когда раньше мы пытались по группам клиентов агрегировать факторы, то есть всем людям с одинаковым возрастом, стажем, машиной и т.д. предложить общий тариф, на индивидуальный подход, когда каждый клиент теперь имеет возможность получить персональный тариф, исходя из своих навыков», — объясняет Сергей Шишкин, заместитель финансового директора компании «Альфа Страхование». Он же отмечает и важную особенность ИИ, которая возможно тормозит его внедрение: «Машине не доверят зарабатывать деньги, потому что с нее не спросишь результат. А с человека менеджера — спросишь».
Директор по продажам отраслевых решений Yandex Data Factor Константин Горбач представил кейсы в промышленности, в первую очередь, внедрение искусственного интеллекта на магнитогорском металлургическом комбинате. Запущенное решение помогает принять решение по диапазону химического состава сырья для стали для оптимизации качества и себестоимости продукции. Заявленная эффективность составила около 5%. Далее, по подобной модели компания внедрила искусственный интеллект в производство шоколада и экстракцию золота. Окупаемость таких проектов, по данным разработчика, составляет 6-9 месяцев.
Как отмечают эксперты, несмотря на высокий потенциал роста рынка, в России практическое внедрение технологий тормозят достаточно высокие инвестиции в проекты при существующих сомнениях в финансовой отдачи. Помимо этого, для развития бизнес-ориентированного ИИ барьером является недостаток вычислительных мощностей, наличие высокопроизводительной инфраструктуры позволит скорректировать ситуацию. Несмотря на это на отечественном рынке уже существуют примеры внедрения ИИ, которые доказывают эффективность их применения и пользу для бизнеса. Многие компании осознают необходимость активного инвестирования в ИИ, это подтверждается желанием лидеров венчурного рынка в лице инвестфондов Сбербанка и Larnabel Enterprises, намеревающиеся вложить более $100 млн в проекты на базе ИИ. Исходя из этого, эксперты утверждают, что уже сегодня применение технологий ИИ/МО в бизнесе — это «гонка вооружений». Кто первый внедрит, оптимизирует бизнес процессы, сделает клиенту лучшее предложение, тот выиграет.
www.forbes.ru
Искусственный интеллект для бизнеса: какие бизнес-задачи поможет…
Одна из главных задач руководителей маркетинговых подразделений — сделать обслуживание клиентов более персонализированным. Чтобы принимать обоснованные решения, им необходимо эффективно работать с данными, и ИТ-отдел может предложить им решение для обработки естественного языка.
Маркетинговая отрасль получит огромные преимущества, если сможет анализировать и эффективно обрабатывать данные, принимая во внимание разные факторы, например эмоциональный тон в социальных сетях. А динамическая оптимизация цен с использованием технологий машинного обучения поможет формировать ценообразование с учетом тенденций сбыта (похожие алгоритмы также могут прогнозировать, какие предложения будут пользоваться спросом или какие дополнительные товары следует рекомендовать покупателю при оформлении заказа).
Маркетинговая отрасль использует огромные массивы данных, поэтому корпорация Intel разработала платформу BigDL для применения глубинного обучения при работе с большими данными. Это распределенная библиотека глубинного обучения для Apache Spark*, которая может работать непосредственно в существующих кластерах Spark или Apache Hadoop* и позволяет разработчикам создавать программы глубинного обучения на языке Scala* или Python*.
Поскольку платформа BigDL оптимизирована для архитектуры Intel®, она может использоваться для сбора и анализа данных существующими решениями расширенной аналитики с минимальными простоями при внедрении. Таким образом, это оптимальное решение для внедрения ИИ и создания новых бизнес-возможностей.
В каждой задаче Spark платформа BigDL использует библиотеку Intel® Math Kernel Library и многопоточное программирование. Это помогает добиться высокой производительности, улучшив процессы глубинного обучения по сравнению с готовыми платформами с открытым исходным кодом Torch* или TensorFlow*, в одноузловой системе на базе процессора Intel® Xeon®.
www.intel.ru
Применение искусственного интеллекта | 10 примеров
Цифровой разум перестал быть чем-то фантастическим и футуристичным. Появляется всё больше сфер, в которых осуществляется применение искусственного интеллекта. Промышленность, транспорт, добыча полезных ископаемых, банковские сервисы и электронная коммерция – это лишь малая часть направлений, в которых уже эффективно используется ИИ.
1. Яндекс [потребительские интернет-сервисы]
Яндекс – самый узнаваемый российский бренд, связанный с инновациями. Эта компания занимается машинным обучением, нейронными сетями и искусственным интеллектом, чтобы справляться с объёмами информации, которую она ежедневно получает и производит.
В той или иной степени, ИИ применяется в каждом проекте Яндекса:
• Яндекс.Переводчик, благодаря нейронной сети, переводит тексты с учётом контекста. Он рассматривает исходник полностью, а не по частям, поэтому точнее подбирает синонимы и составляет предложения.
• «Алиса» — голосовой помощник, который самостоятельно обучается и подстраивается под человека. «Алиса» учитывает свои прошлые ответы и тем самым приобретает опыт. Разработчики утверждают, что она понимает 89-95% человеческой речи. Для людей считается нормой 96-98%. «Алиса» может рассказать историю, поиграть в игры и просто поболтать с пользователем.
• Яндекс.Погода уже в 2015 году научилась предсказывать погоду (по крайней мере, так писала компания в своём блоге). Уникальная технология Meteum использует машинное обучение и классические метеорологические модели для прогноза погоды с точностью до района и дома.
• Яндекс.Пробки собирают данные с устройств пользователей, анализируют, а затем прогнозируют дорожную ситуацию, составляют оптимальные маршруты для поездок.
• Алгоритм «Королёв» улучшает поисковую выдачу за счёт анализа семантики страниц и учёта поведения пользователей. Асессорами служат миллионы человек. При поиске проверяется не только соответствие ключевым запросам, но и смысл контента.
2. Когнитивный геолог [нефть и полезные ископаемые]
Интеллектуальная система «Когнитивный геолог» применяется компанией «Газпром нефть». Её функции включают прогноз запасов, оценку рисков и планирование стратегии разработки. Для повышения точности анализа «Когнитивный геолог» не только использует исходную геологическую информацию и данные разведки, но и самообучается. Он накапливает опыт, анализирует его и устраняет недочёты.
Искусственный интеллект помогает «Газпром нефти» избегать грубых ошибок на ранних стадиях добычи, которые почти невозможно исправить в дальнейшем.
3. ABBYY [лингвистика и интеллектуальная обработка данных]
Эта российская компания осуществляет применение искусственного интеллекта в нескольких направлениях:
• Технология Adaptive Document Recognition распознаёт оформление страниц, отделяет текст от нетекстового контента, определяет роль таких элементов, как колонтитулы и проверяет логическую структуру.
• Банк «Точка» использует интеллектуальные решения ABBYY для поддержки клиентов. Система автоматически расставляет теги запросов, обрабатывая звонок или беседу в чате.
• Искусственный интеллект от ABBYY позволяет банку ВТБ обслуживать на 25% больше клиентов из малого и среднего бизнеса. Алгоритм сегментирует документы, проверяет их состав, сравнивает данные заявлений, выписок и справок.
• Compero – уникальная технология понимания текстов на естественном языке. Алгоритм анализирует семантику и синтаксис, извлекает события, связи между ними и распознаёт смысл текста.
4. Vision Labs [банковское обслуживание]
Этот стартап делает технологии распознавания лиц для бизнес-клиентов. Продукты ориентированы на системы безопасности, видеонаблюдение, банки, финансовый сектор и ритейл. Сама компания утверждает, что их система обрабатывает изображения в 200 раз быстрее, чем разработки конкурентов. По мнению MIT (Массачусетского технологического института), это одна из трёх лучших коммерческих систем по идентификации лиц в мире.
Продуктами VisionLabs пользуются крупнейшие компании России: Mail.Ru, МТС, Сбербанк, Тинькофф-банк, МТС. Технологическими партнёрами являются Intel, SAS, ABBYY. В 2016 году совместно с Google и Facebook запущена открытая платформа для разработчиков систем компьютерного зрения.
5. Home App [недвижимость]
Российский математик Алексей Игошин разработал и осуществил применение искусственного интеллекта, который помогает оценивать стоимость квартиры в Москве. Вот что делает система, основанная на машинном анализе больших данных:
• анализирует объявления с ЦИАН, «Авито» и шести десятков других платформ по продаже недвижимости;
• удаляет ложные объявления из выдачи;
• анализирует историю цен на квартиры в конкретном районе за последние годы;
• изучает динамику спроса;
• анализирует соотношение спроса и предложения на отдельные виды квартир или на жильё в конкретном районе.
HomeApp помогает всем: покупателям – найти хорошую недвижимость по оптимальной цене, продавцам – быстрее осуществить сделку, но не продешевить. Эффективность системы увеличивается за счёт того, что в результате анализа определяется целевая группа клиентов. Она получает предложения через таргетированную рекламу на сайтах, в социальных сетях и на самих площадках объявлений.
6. Ростелеком [подбор персонала]
В 2017 году «Ростелеком» начал набирать персонал на работу с помощью искусственного интеллекта. Система анализирует анкеты соискателей на конкретные должности с нескольких профильных ресурсов (Superjob, Headhunter, Avito), а также оценивает страницы в социальных сетях. Цель ИИ – найти таких кандидатов, которые смогут проработать на конкретной позиции не меньше 6 месяцев.
Сначала «Ростелеком» использовал технологию для подбора операторов в колл-центры. В этом направлении у компании большая текучка кадров. Машинный отбор кандидатов помог существенно сократить расходы на собеседования, оформления и увольнения сотрудников. Компания JungleJobs (создатель системы) сообщала, что так бюджет на поиск и найм персонала уменьшился в 1,5-2 раза.
7. Avito [онлайн-объявления]
Одна из главных площадок объявлений в России использует искусственный интеллект для точности рекомендаций на страницах, улучшения поисковой выдачи и удаления фейковых заявок. В мобильном приложении сервиса есть функция «Поиск по фото». Система использует компьютерное зрение, отбирая из базы товары с максимально похожим изображением.
8. Tesla [автомобилестроение]
Этот производитель электромобилей разрабатывает и осуществляет применение искусственного интеллекта для управления машинами. Элон Маск утверждает, что цифровое зрение Hardware 3 будет обрабатывать до 2 000 кадров в секунду. Это собственный продукт компании. Ранее Tesla пользовались Nvidia Drive, оборудование которое было менее эффективно (200 fps).
Прогнозы Элона Маска фантастические. Миллиардер говорит, что уже через 10 лет искусственный интеллект превзойдёт человека в безопасности и надёжности вождения автомобиля.
9. Amazon.com [электронная коммерция]
Amazon входит в число пионеров внедрения искусственного интеллекта в реальную деятельность. Компания использовала ИИ для отбора кандидатов на работу ещё в 2014. В следующем году нейронную сеть «уволили», когда оказалось, что она отдавала предпочтение мужчинам. Примечательно, что это не ошибка проектировщиков, а особенность, приобретённая при самообучении. Система анализировала резюме людей, принятых на работу в последние 10 лет, и в этой подборке просто было больше мужчин.
Этот пример говорит, что ИИ действительно способен упростить некоторые задачи. Главное, правильно его использовать, регулярно проверять и своевременно корректировать.
Вот ещё несколько проектов Amazon, связанных с искусственным интеллектом:
• Kiva. Amazon купили компанию-производителя складских роботов за $775 млн и стали производить их для себя. Kiva сокращает время на транспортировку, и помогают компании размещать на складах на 50% больше товара. Так, они снизили операционные расходы на 20%. Планируется внедрение роботов в этапы сортировки и упаковки.
• Alexa. Это интеллектуальный голосовой помощник от Amazon. Сейчас он доступен на iOS, в приложении Lexi и в браузерном интерфейсе. Функционал системы ограничен информацией о новостях, погоде и онлайн-покупками, но она явно будет совершенствоваться. Например, разработчики из Amazon трудятся над алгоритмом, который распознаёт не только текст, но и его эмоциональную окраску.
• В Берлине и Нью-Йорке работают исследовательские группы компании, которые с помощью искусственного интеллекта анализируют большие данные. Технология направлена на прогнозирование цены продуктов и поиск рыночных закономерностей. Управляющей директор центра развития Amazon в Германии говорит, что это ПО составляет сценарий поведения клиента как на ближайшие секунды, так и на недели.
Джефф Безос делает крупную ставку на ИИ. Сейчас в его бизнес-империи трудится более 100 инженеров, проектировщиков и учёных, создающих «умные» машины.
10. Netflix [развлекательные сервисы]
Крупнейший и один из самых успешных стриминговых сервисов осуществляет применение искусственного интеллекта, чтобы рекомендовать пользователям наиболее интересные сериалы и фильмы. Система опирается на историю просмотров человека, а также на привычки других людей (аудитория сегментируется по возрасту, географии, привычкам и расходам).
Netflix отчасти общается с ИИ более свободно и нетрадиционно. Так, в 2016 году в каталоге фильмов появилась короткометражка, созданная именно для ИИ. Фильм сделан для тестирования кодеков, которые используются для шифровки и дешифровки видеопотока. Они же проверяют качество вещания в 4K.
Другой проект компании – «Другая сторона ветра». Это фильм Орсона Уэллса, снятый в 1970-х, но не прошедший все этапы монтажа при жизни режиссёра. Система на базе ИИ делала монтаж уже в наши дни, и, по словам разработчиков, значительно улучшила качество изображения (до 4K).
Читайте: Что такое большие данные и для чего они нужны
invlab.ru
Используем ИИ в малом бизнесе: практические советы
Джон Свонсигер, CEO Manta, рассказывает, как небольшие компании могут получить выгоду от использования ИИ в бизнесе.
Используем ИИ в малом бизнесе: практические советы
Михаил ИвановИскусственный интеллект изменяет лицо бизнеса. ИИ давно не футуристическая концепция — он реален. Все компании, от гигантов технологий вроде Google, Apple и Amazon до таких ориентированных на потребителей Uber и Starbucks, используют ИИ, чтобы изменить обслуживание клиентов. Однако крупные корпорации — не единственные, кому может быть полезен ИИ. Малый бизнес тоже должен обратить внимание на искусственный интеллект.
Применение ИИ: учимся у Starbucks
Starbucks — хороший пример компании, которая использует ИИ для работы с клиентами. В конце января Starbucks рассказал о разработке голосовой функции заказа с помощью Alexa, облачного виртуального помощника Amazon. Функция под названием Starbucks Reorder позволяет клиентам сделать голосом заказ (например, сказав «Alexa, пусть Starbucks приготовит мой стандартный кофе») или проверить баланс карты.
Starbucks Reorder сейчас на стадии бета-тестирования, однако применение, которое Starbucks нашел для технологий Alexa, указывает на то, что компании готовы экспериментировать с ИИ. Используя ИИ, крупные корпорации в основном получают свою долю PR, а для малого бизнеса это возможность реализовать опции, которые будут действительно полезны клиентам.
Как только потребители привыкнут к решениям с элементами ИИ (вроде того, как в Starbucks используют Alexa), они будут ожидать того же от небольших компаний. Вот несколько советов, как малому бизнесу быть к этому готовым.
Попробуйте ИИ сами
Прежде чем решить, подходит ли вам ИИ, нужно встать на место потребителя и потестировать новую технологию вне работы. Попробуйте Alexa или Google Home, чтобы понять, что вам нравится и не нравится в эти продуктах. Представьте, как ваши клиенты могут использовать схожие технологии. Обдумайте варианты включения ИИ в работу вашей компании и взвесьте все «за» и «против» от внедрения новой технологии.
Определите бизнес-цели для ИИ
Малые организации не должны подступаться к работе с ИИ без конкретного плана. Важно сразу определиться со специфичными вариантами применения искусственного интеллекта.
Например, если вы управляете магазином одежды, возможно, вам следует изучить предиктивную аналитику, чтобы снизить кадровую неэффективность. Если вы владеете рестораном, вам стоит уделить подумать об использовании беспилотных авто в доставке. А если у вас компания со сложной бухгалтерией, то стоит попробовать процессы, задействовав ИИ. Поставив конкретные и специфичные цели, малому бизнесу будет проще разработать план действий для их достижения.
Расширьте свои IT-возможности
В ноябре 2016 в одном из исследований по машинному обучению проблема отслеживания и расшифровки данных была обозначена как одна из самых актуальных проблем бизнесов, применяющих ИИ. Малые организации не получат пользу от ИИ, если у них нет соответствующей IT-инфраструктуры для обслуживания технологии. Поэтому им следует начать путь к ИИ с модернизации ИТ-системы, с большой вероятностью использующей устаревшие решения. Обратите внимание на облачные ресурсы, которые можно легко обновлять по мере развития ИИ у вас в компании.
Отслеживайте развитие экосистемы ИИ
Если вы начнете активно следить за эволюцией искусственного интеллекта сейчас, это даст результаты в будущем. Даже если ваш бизнес пока не готов применять ИИ, следить за рынком все равно важно. Так вы первым узнаете, что появилась технология, способная послужить вашей компании, и сможете отслеживать, какие шаги делают ваши конкуренты в этой области.
Как можно увидеть на примере Starbucks и других компаний, корпорации стремятся использовать ИИ, чтобы оптимизировать бизнес-процессы и улучшить качество обслуживания клиентов. Активно изучая и внедряя искусственный интеллект, малый бизнес сможет подготовиться к будущему внедрению ИИ в работу.
Источник.
Материалы по теме:
Ученые опросили сотни экспертов о том, когда ИИ сможет превзойти человека на конкретных работах
Алгоритмом — раз или шайбой в глаз: как ИИ меняет спорт
6 областей ИИ и машинного обучения, за которыми стоит наблюдать
Фото на обложке: agsandrew/Depositphotos.
rb.ru
Искусственный интеллект для малого бизнеса: 5 способов применения
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 Facebook, 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 Facebook 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.
Интересные статьи:
neurohive.io
Как приручить искусственный интеллект: краткое руководство для бизнеса | Блог | Разработка и дизайн сайтов и мобильных приложений
Применение искусственного интеллекта в бизнесе набирает обороты. По данным SAS, ⅔ компаний из разных отраслей промышленности ожидают, что в течение 5-10 ближайших лет ИИ существенно повлияет на их деятельность. Однако, пламенный энтузиазм слегка охлаждается недостаточной организационной готовностью. Многие сомневаются, стоит ли начинать уже. Частая причина тому — расхожее мнение, что искусственный интеллект по зубам лишь большим игрокам. Но так ли это?
Что ж, для начала — парочку примеров. Нет, не про Гугл и не про Амазон.
Винодел из Пьемонта понимает, что качество его вина (и успех бизнеса) зависит от расчетов не меньше, чем от вложенного труда. Он объединяет усилия с Ors Group — ведущей итальяно-немецкой компанией, занимающейся ИИ. Результатом трехлетнего сотрудничества становится Algo-Wine, платформа, позволяющая точно определять идеальное время для сбора урожая. Это добавляет до 30% к годовому доходу винодела. Звучит заманчиво, правда?
Маленькая бухгалтерская контора прилагает большие усилия, чтобы ведение бухгалтерии стало быстрым и легким. Она запускает ряд исследований и разрабатывает облачное ПО с использованием ИИ, цель которого — автоматизация ведения бухгалтерии для ее клиентов. В 2017 ей присуждают титул Practice Excellence Pioneer. Это самая престижная награда в бухгалтерском деле. В этом же году ее доход переваливает за отметку в 1 млн фунтов. Неплохой результат для компании с 30 сотрудниками.
Ювелирный магазин с Бриллиантовой улицы Большого яблока борется с жесточайшей конкуренцией. Спасением для него становится виртуальный продавец, использующий ИИ для анализа мирового рынка бриллиантов. В считанные секунды он обрабатывает миллион единиц информации, чтобы подобрать клиенту идеальный вариант обручального колечка. Покупатели в восторге: конец изматывающим поискам! Владельцы компании рады не меньше: шутка ли — обскакать две с половиной тысячи конкурентов!
«Ладно», — скажете вы. «Убедили. Но с чего начать-то?» Потому что говорят про ИИ сегодня все, кому не лень. А вот объяснений, с какой стороны к нему подступиться, гораздо меньше. Что ж, имеет смысл начать с определений.
Что такое искусственный интеллект в узком и широком смысле слова
Термин «искусственный интеллект» сегодня употребляется в узком и широком значении. В узком значении ИИ — это программное обеспечение, имитирующее работу человеческого мозга. В более широком смысле «искусственный интеллект» — это общий термин, используемый для обозначения ряда технологий, а именно:
- Машинного обучения. Машинное обучение построено на использовании инструментов статистики. С его помощью компьютерные системы учатся использовать различные данные, чтобы совершенствовать собственную работу. Это осуществляется с минимальным человеческим вмешательством, а иногда и вообще без него. Пример — система распознавания лиц в Фейсбуке.
- «Умной» робототехники. Сегодняшние умные машины — это системы на основе искусственного интеллекта, самообучающиеся путем анализа информации из окружающего мира. Они уже используются в ряде отраслей и выполняют самые разнообразные задачи, начиная с медицинской диагностики и заканчивая приготовлением пиццы.
- Виртуального ассистирования. Виртуальный ассистент — это программный продукт, предоставляющий клиентам круглосуточную помощь в использовании сайтов или поиске нужной информации. Возможно, вы уже имели шанс познакомиться с Эми из X.ai или Ватсоном из IBM — это они.
- Автоматизированного управления решениями. Работа таких сервисов базируется на способности регулируемых систем принимать решения относительно повторяющихся вопросов без человеческого вмешательства. Системы управления решениями на основе ИИ уже используются в логистике и управлении человеческими ресурсами.
- Распознавания речи. Здесь речь идет о способности компьютерных программ слышать и понимать человеческую речь. Алекса, Гугл Ассистент, Кортана, Сири — все из этой оперы.
- Обработки данных с использованием естественного языка. Эта технология направлена на обработку данных и их трансформацию в текст, понятный человеку. Форбс использует ее для создания отчетов о доходах, а Министерство окружающей среды Канады — для формирования прогнозов погоды.
Все эти технологии уже используются в таком огромном количестве областей, что этому имеет смысл посвятить отдельную статью — что вам торжественно обещаем. Но какую из идей вы бы ни решили воплотить в жизнь, начать придется с определенной последовательности общих для всех шагов.
Внедрение искусственного интеллекта в бизнес: первые шаги
Невозможно ввести искусственный интеллект в работу компании за пару дней. Предварительный аудит и оптимизация существующих процессов — дело долгое. Если не хотите оказаться за бортом лет эдак через 5-7 — пора начинать. И вот на что стоит обратить внимание в первую очередь.
Изучите технологии искусственного интеллекта. Узнайте, что подразумевается под каждой из них и как их можно применять. Есть много образовательных материалов по теме на Udemy, Coursera и Udacity. NVIDIA разработала детальный список курсов по ИИ для разных уровней, от новичков до продвинутых. Воспользуйтесь продуктами с искусственным интеллектом сами, чтобы понять, что вам в них нравится, а что — нет. Поразмышляйте, как ваши клиенты могут использовать что-то подобное, имея дело с вашей продукцией.
Пересмотрите свой бизнес. Задайтесь вопросом, где в вашей отрасли можно получить конкурентное преимущество от применения искусственного интеллекта. Либо, наоборот, в чем вы притормаживаете, по сравнению с конкурентами, и как ИИ помог бы вам набрать обороты. Например, если у вас проблема с лидами, прикиньте возможность использования машинного обучения для лидогенерации. Если с привлечением клиентов через сайт — может, вам нужен чатбот. Подумайте, как можно улучшить уже имеющиеся сервисы при помощи ИИ. Как варианты — улучшение сайта, оптимизация маркетинговых кампаний, повышение качества обслуживания клиентов, построение социальной стратегии. Определите измеримые цели и обратитесь за помощью к техническому консультанту.
Произведите предварительную оценку. Оцените расходы на внедрение. ИИ отличается от обычного ПО тем, что тут не получится установить и забыть. Процесс машинного обучения нужно мониторить. Кому вы это доверите? Введете в штат личных инженеров машинного обучения или доверите это дело третьим лицам?
Полюбите данные. Чтобы учиться, ИИ нужны данные — много данных, собранных в одном месте. Так что займитесь сбором. Включайте все: данные вашей CRM, рекламные кампании, анализ трафика, поведение клиентов в социальных сетях, публичные данные конкурентов и т.п.
Модернизируйте IT инфраструктуру. Проверьте, нуждается ли ваша IT служба в реконструкции, чтобы удовлетворять требованиям внедрения решений на основе ИИ.
Выберите один сегмент в качестве экспериментальной площадки. Определите один сегмент бизнеса, с которого начнете. Имейте в виду, что, когда речь идет о внедрении ИИ, провалиться, пытаясь проглотить слона, легче, чем откусывая от него по кусочку.
Выводы
Точь-в-точь как интернет полностью изменил нашу жизнь за последние двадцать лет, так и искусственный интеллект станет мощнейшим двигателем трансформаций в ближайшем будущем. И чем раньше вы начнете анализировать, как использовать его для продвижения своего бизнеса, тем лучше вы будете подготовлены к новым вызовам рынка.
Успешность внедрения искусственного интеллекта во многом зависит от практической готовности. Последняя подразумевает наличие необходимых инструментов и квалифицированного персонала. Первоначальные шаги по укоренению ИИ в рабочие процессы вашей компании включают:
- ознакомление с технологиями искусственного интеллекта;
- тщательный анализ бизнеса на предмет внедрения новых технических решений;
- предварительную оценку затрат и качества рабочей силы;
- консолидацию данных;
- адаптацию IT службы к новым условиям работы;
- определение экспериментального сегмента для пилотного запуска.
Все это может показаться слишком сложным на первый взгляд. Но не впадайте в панику. На самом деле, гораздо больше шансов потерпеть неудачу при запуске традиционного программного обеспечения, чем когда речь идет об ИИ.
Кстати, а на какой стадии сейчас находитесь вы? Предлагаем пройти этот путь вместе! Свяжитесь с нами на [email protected]!
Об авторе
Маркетолог
Саша занимается продвижением проектов «IT Академия», «Code’n’Coffee», HR-брендингом Stfalcon
stfalcon.com