Искусственный интеллект: «второй пилот» для бизнеса

Компаниям бывает сложно сформулировать, какой результат они ожидают получить от развития и использования нейросетей. Понять, как скоро такая работа окупится и окупится ли вообще.

Так ли полезен искусственный интеллект на практике? И, если да, то кому и при каких сценариях? Проверили на личном опыте и делимся инсайтами по результатам развития ML-моделей с вами.

В NLABTEAM мы более 20 лет обучаем нейросети: помогаем крупному бизнесу видеть наперёд изменения критически важных данных, принимать на их основе взвешенные решения — и повышать конкурентоспособность.

В статье подробно разбираем:

• чем на самом деле полезен искусственный интеллект;
• какие подходы к решению задач доступны сейчас;
• какие результаты уже получили компании, использующие нейросети постоянно;
• какую пользу приносит ИИ в разных отраслях, и какого прогресса ожидать в ближайшем будущем;
• как поэтапно внедрить нейросеть и понять, стоит ли вообще начинать такой проект.

Полетели!

Что такое искусственный интеллект и какие задачи бизнеса он решает

Искусственный интеллект — это технология, которая обрабатывает и анализирует  огромные массивы данных, находит взаимосвязи между ними быстрее и точнее, чем человек, и строит прогнозы для принятия наиболее взвешенных управленческих решений. 

Работа ИИ базируется на:

• математических и статистических моделях анализа данных;
• машинном обучении (Machine Learning);
• сборе и аналитике больших данных (Big Data).

Компьютерное зрение (Computer Vision), дополненная и виртуальная реальность (AR/VR), интернет вещей (IoT) — частные случаи применения технологии, с которыми мы сталкиваемся каждый день в банках и больницах, игровых залах и даже у себя дома.

ИИ непрерывно развивается сам и помогает компаниям расти, получая ощутимую ценность от внедрения «цифры». Технология выполняет функции «второго пилота», о котором мечтает каждый владелец бизнеса. И ниже мы рассмотрим, как это выглядит на практике.

Как ИИ решает задачи бизнеса: 3 основных подхода

Задачи, которые решает ИИ, можно разделить на три большие категории:

• выявление закономерностей и прогнозирование;
• автоматизация рабочих процессов;
• генерация контента.

Остановимся подробнее на каждой из этих категорий.

Категория 1. Выявление закономерностей и прогнозирование

Как это работает. Искусственный интеллект использует алгоритмы, которые позволяют компьютерам обрабатывать большие объёмы данных и находить в них взаимосвязи, скрытые паттерны, тенденции. Анализируя эти закономерности с высокой скоростью он может делать выводы, генерировать гипотезы с повышенной точностью и предсказывать события.

ИИ может быть использован для прогнозирования спроса, рыночных тенденций, финансовых показателей и других важных параметров. Это помогает принимать более обоснованные решения, минимизировать риски и оптимизировать бизнес-процессы, экономя время и финансы.

Кроме того, ИИ может выступать в роли «суррогата», симулируя данные в областях с их ограниченной доступностью. Например, технологию используют для создания «цифровых двойников» сложных технологических процессов или производственных объектов для прогнозирования их работы в различных сценарных условиях. 

Из промышленности «цифровые двойники» уже пришли в медицину и помогают вести разработку новых лекарств, тестировать воздействие различных препаратов, процедур и подбирать лучшее лечение. 

Пример. В 2022 году в Сеченовском университете разработали «цифровой двойник» человеческого сердца, который в режиме реального времени показывает, что случится с уровнем кровяного давления при возникновении того или иного изменения в состоянии организма.

Категория 2. Автоматизация рабочих процессов

Как это работает. Искусственный интеллект может быть использован для автоматизации рутинных и повторяющихся задач, управления данными, процессов мониторинга и контроля, а также:

• выполнять задачи по классификации и отбору информации;
• организовать электронный документооборот;
• анализировать в режиме реального времени видео или изображения;
• настроить коммуникации с клиентами или внутри компании.

Пример. ИИ используется при создании чат-ботов, которые общаются с клиентами или помогают сотрудникам в поиске информации. Из последних новостей – в марте Павел Дуров анонсировал масштабное обновление своего продукта и появление чат-ботов для бизнес-аккаунтов в Telegram. 

Ожидается, что к 2026 году 50% ключевых бизнес-процессов будут автоматизированы. Это позволит сотрудникам сосредоточиться на новых приоритетах, увеличить производительность и качество работы, снизить вероятность ошибок. 

Незаменимой автоматизация с ИИ становится в таких сферах, как медицина, финансы, добыча полезных ископаемых, где объёмы исследуемой информации исчисляются терабайтами, а точность выводов и прогнозов критически важна.

Категория 3. Генеративный ИИ

Как это работает. Нейросети на базе искусственного интеллекта способны создавать высококачественный контент, неотличимый от того, что создаётся людьми. Это могут быть несложный текст, красочные изображения, видео, музыка, программный код и многое другое. 

Одними из самых известных моделей генеративного ИИ для текстовых креативов являются: 

• GPT, разработанный OpenAI;
• GigaChat — русскоязычная нейросеть от Сбербанка;
• YandexGPT — диалоговая AI-модель от «Яндекса».

Для создания изображений часто используются: 

• DALL-E;
• Midjourney;
• Kandinsky, российская нейросеть от Сбера.

Пример. В Москве произошло событие, когда Midjourney победил в битве с реальной художницей. По условиям конкурса, в течение часа соперники должны были нарисовать картину — портрет девушки, максимально похожей на живую модель. Нейросеть, которой управлял эксперт, справилась всего за 10 минут и собрала в свою пользу большинство голосов.

Конечно, без грамотного промпта — подробного текстового запроса от специалиста к ИИ — ни одна нейросеть не справится с подобным заданием. Поэтому сильным представителям творческих профессий не стоит беспокоиться и воспринимать нейросети как угрозу своей ценности и востребованности.

В более повседневных бизнес-задачах генеративный ИИ полезен специалистам разных уровней. Например, можно частично автоматизировать работу по созданию презентаций: интеллектуальные системы анализируют данные, генерируют графики и диаграммы, подбирают картинки, составляют тексты. Это позволяет сократить время, затрачиваемое на такую работу, и получить качественный результат.

Если вы находитесь в поисках идей применения ИИ в вашей компании, ниже найдёте сценарии, реализованные на практике и ставшие успешным примером на рынке.

Какую пользу искусственный интеллект приносит бизнесу уже сейчас

Торговля и ретейл

Ретейл — одна из самых гибких отраслей. Торговые сети первыми реагируют на изменения и быстро подстраиваются под них, в первую очередь за счёт применения цифровых технологий. Искусственный интеллект не стал исключением. Согласно последним исследованиям, сфера розничной торговли — один из лидеров по использованию ИИ в России.

ИИ в ретейле может применяться в следующих областях:

• Коммуникации: анализ данных о клиентах и покупках, омниканальность; повышение персонализации и управление клиентским опытом; проведение маркетинговых кампаний; оптимизация рекламы; автоматическое создание контента для интернет-магазинов, сайтов, соцсетей и рассылок, дизайн.
• Оптимизация ценообразования: автоматический анализ конкурентов; вычисление цен, приносящих максимальную прибыль при текущем спросе; анализ продаж редко продаваемых товаров; формирование единого вектора цен.
• Работа с товарными запасами: управление большим ассортиментом продукции; прогнозирование и планирование; автоматизация логистики и цепочек поставок.
  

Самые продвинутые технологии тестируют у себя маркетплейсы. Интернет-сервис Авито использует искусственный интеллект на каждом этапе работы с массивами объявлений, от начала регистрации пользователя до совершения покупок. Технология тщательно следит за безопасностью и конфиденциальностью сделок. Представители Авито утверждают, что без внедрения ИИ сервису потребовалось бы нанять дополнительных 100 тысяч модераторов, что не позволило бы получить запланированную прибыль.

Финансовый сектор

По оценкам рынка, искусственный интеллект может увеличить выручку финансовых услуг на 34% и на 50% сократить затраты на ФОТ линейных сотрудников. Такие впечатляющие бизнес-эффекты привлекают рынок финтех, который лучше всех «умеет считать». 

ИИ в финансовых организациях может применяться в следующих областях:

• Построение аналитики: мгновенный доступ к базам данных; построение BI-отчётов и дашбордов; анализ изменений на рынке.
• Оценка кредитного риска: автоматизация обработки кредитных заявок (кредитных конвейеров). 
• Обнаружение мошенничества: распознавание речи и биометрии; обнаружение аномалий; анализ подозрительных платежей и операций по переводу денег.
• Оптимизация обработки документооборотов: автоматизация сбора и хранения персональных данных, чеков, транзакций.
• Поддержка клиентов: обслуживание 24/7; организация контактных центров; чат-боты; увеличение средней скорости ответа и обработки обращений.

Инвестиции в проекты по внедрению ИИ в финтех в России ежегодно растут. Лидеры рынка инвестировали в решения на базе искусственного интеллекта около 600 млрд рублей за последние 10 лет. При это рентабельность инвестиций достигает до 240 млрд рублей в год.

Производственная отрасль

Производственные предприятия — более консервативные, нежели торговые компании или финтех, они осторожнее и взвешенно относятся к инвестициям в «цифру». Крупные компании в первую очередь смотрят на предсказуемость результатов: какие бизнес-эффекты принесёт то или иное внедрение, и как скоро это произойдёт. 

Тем не менее, объёмы данных в компаниях уровня Enterprise растут в геометрической прогрессии, и их ручная или полуавтоматическая обработка становится фактором, тормозящим бизнес. Поэтому всё больше производственников смотрят в сторону ИИ, подбирая подходящий сценарий применения технологии под свои бизнес-процессы. 

По разным оценкам, объём рынка промышленных решений на базе ИИ будет увеличиваться в среднем на 31–35% в год, что говорит о высоком потенциале применения технологии в отрасли.

От ИИ как цифрового инструмента в первую очередь ожидают получить экономии производственных затрат и снижения себестоимости продукции без потери качества, повышения управляемости производственных систем, сохранения высокого уровня безопасности производства. 

Например, автоматизация задач по мониторингу оборудования позволяет избежать затрат на избыточное обслуживание оборудования и предотвратить незапланированные остановки, а создание цифровых моделей производственных объектов или технологических процессов сокращают ресурсы на проведение исследований и испытаний.

Компании из производственной сферы применяют ИИ для следующих целей:

• Оптимизация производственных и бизнес-процессов: создание «цифровых двойников»; роботизация сложных или рутинных процессов; автоматический контроль качества продукции; электронный документооборот.
• Безопасность на производстве: отслеживание состояния оборудования в реальном времени; автоматический контроль ОТиПБ; роботизация опасных работ и исключение человеческого фактора; проведение виртуальных испытаний; обучение на базе AR/VR.
• Аналитика: создание отчётности; предиктивная аналитика для обслуживания оборудования и минимизации простоев; мониторинг окружающей среды; видеоаналитика.

Технологии ИИ могут быть использованы в рамках различных бизнес-процессов: закупка сырья, производство, логистика, продажи, маркетинг, управление качеством, планирование и т. д. 

В условиях стратегии по импортозамещению ИТ фокус рынка сместился на ИИ-решения российского производства. Сегодня представлено достаточное количество зрелых и надёжных решений, которые могут закрывать потребность производственных предприятий, и объём разработок только растёт.

• Омский завод дочерней компании «Газпромнефть» запустил первую в России цифровую систему создания рецептур моторных масел с помощью искусственного интеллекта. Система получила название «Алхимик», она позволяет сократить время от разработки до запуска нового продукта в промышленное производство с полугода до 1-2 месяцев.
• В коксовом цехе ММК внедрили автоматизированную систему на базе ИИ, которая предотвращает нахождение персонала в опасной зоне. В случае попадания сотрудника в опасную зону срабатывает световая и звуковая сигнализация, а механизмы оборудования блокируются. Таким образом, за счёт фиксации перемещений работников повышается безопасность и снижаются риски производственного травматизма.
• На Абинском электрометаллургическом заводе появилась  интеллектуальная система поддержки принятия решений «Помощник сталевара». ИИ контролирует химический состав и температуру стали, подсказывает количество необходимых добавок — ферроматериалов, и имеет много других полезных опций. В комплексе они сокращают расход материалов, энергоресурсы и улучшают химический состав сплавов.

Медицина и R&D 

Цифровые инструменты значительно увеличивают эффективность разработок и исследований. Так, научные исследования могут занимать годы, а технологии сводят эту работу всего к нескольким неделям или месяцам.

ИИ в сфере медицины и разработок применяется для: 

• Совершенствования медицинской диагностики и протоколов лечения: автоматизация расшифровки анализов и снимков МРТ и УЗИ; создание «цифровых двойников» органов пациентов; ускорение сроков постановки и точность диагнозов; персонализированное дозирование лекарств
• Ускорения создания продуктов/лекарств: доступ к базе медицинских данных и НТИ; предсказание свойств новых материалов/химических соединений и оптимизация их состава для конкретных применений
• Проведения роботизированной хирургии: автоматизация рутинных хирургических процедур; сокращение ошибок. Врачи ГКБ им. Юдина г. Москвы буквально поставили на ноги пациентку с разрушенными костями стопы. С помощью 3D-моделирования они «дорисовали» разрушенные фрагменты костей на компьютере, за счёт чего смогли выполнить эндопротезирование. Подобная операция была проведена в России впервые.

Медицина и фармакология очень чувствительны к точности данных, и искусственный интеллект выводит эти отрасли на качественно новый уровень. 

Например, компания NLABTEAM внедрила ИИ в практику отделения эндоскопии в одной из региональных онкологических клиник. Мы обучили нейросеть, и теперь она подсказывает врачу, дошёл ли он до купола слепой кишки во время исследования, т. е. исследовал ли кишечник в полной мере.

Аналогичное зарубежное решение позволяет обнаружить онкологию на ранней стадии в 2 раза чаще. Благодаря нашей совместной с врачами ГБУЗ ЯО «Клиническая онкологическая больница» работе, решение, превосходящее все существующие аналоги в мире, скоро станет доступно и для российских пациентов.

Этапы внедрения ИИ в бизнес-процессы

1. Анализ возможностей

Начните с оценки потребностей бизнеса и определения областей, где искусственный интеллект может принести наибольшую пользу. Зафиксируйте процессы, которые могут быть автоматизированы или оптимизированы с помощью ИИ.

2. Выбор подходящего решения

Исследуйте рынок и выберите технологии и решения искусственного интеллекта, которые наилучшим образом подходят для задач вашего бизнеса. Обратите внимание на функциональность, стоимость и возможности интеграции.

3. Сбор и подготовка данных

Очистите и подготовьте свои данные для обучения моделей искусственного интеллекта. Уделите должное внимание качеству данных, так как точность моделей зависит от качества входных данных.

4. Выбор поставщика решения и валидация данных

В выборе поставщика решения есть очень много подводных камней, которые необходимо знать каждому перед запуском проекта. Их мы разобрали на реальных примерах в статье.

Читайте нашу статью на VC

Например, мы в NLABTEAM честны с клиентами. Чтобы помочь вам взять максимум от ML, мы ещё на этапе оценки проекта поможем определить, достаточно ли входных данных для обучения ML-модели — и сразу говорим, если внедрять ИИ в бизнес-процессы пока рано. 

К сожалению, не все ML-разработчики на это готовы — как результат, клиент тратит деньги и получает нерабочую ML-модель.

5. Обучение ML-модели

Базовой технологией для искусственного интеллекта является машинное обучение (ML). Это самый сложный и дорогостоящий процесс в проекте – нужно грамотно обучить модель для выполнения одной конкретной задачи. 

С одной стороны, алгоритм сам учится на основе анализа исторических данных и большого количества примеров. С другой — наследуются все ошибки и ограничения экспертов, выводы которых были взяты за основу. Поэтому настройку интеллектуальных систем нужно проводить под контролем экспертов, учитывая задачи, которые вы хотите решить за счёт внедрения ML.

Желательно, чтобы разработчик брал на себя полный цикл работы с ML-моделями: разработку, обучение, внедрение, сопровождение и развитие. Это сэкономит вам время на управлении.

6. Тестирование и развёртывание

Тестирование ML-модели — это итерационный процесс, который выстраивает и обеспечивает подрядчик. При необходимости подключает клиента, регулярно показывая результаты.

Например, мы делимся со своими клиентами промежуточными результатами еженедельно.

После того как тестирование модели завершено, внедрите искусственный интеллект в ограниченной области бизнеса для начального тестирования и оценки его эффективности. Выявите потенциальные проблемы и попросите подрядчика внести коррективы, которые сделают решение максимально удобным для вас и ваших сотрудников.

7. Масштабирование и оптимизация

После успешного развёртывания в своей среде используйте свою новую нейросеть в широком масштабе. Следите за результатами, оптимизируйте алгоритмы и продолжайте обучать модели для улучшения их эффективности и соответствия целям бизнеса.

Коротко о главном

1. Сегодня искусственный интеллект выступает в роли «цифрового бизнес-партнёра» для крупных предприятий, радикально меняющего способы работы с информацией и подход к управлению активами. 
2. Чтобы рассчитать экономические эффекты от внедрения технологии, нужно понять, достаточно ли у вас данных для обучения нейросети, сколько времени займёт этот процесс, когда нейросеть начнёт приносить вам первые результаты, и как быстро будет расти её эффективность. 
3. ИИ может автоматизировать операционные задачи, позволяя компаниям высвободить время для более стратегических инициатив. Это важно для повышения производительности предприятий.
4. Технология анализирует большие объёмы данных с высокой точностью, сводя на нет человеческий фактор и упрощая процесс принятия решений для руководителей. Делает прогнозы будущих тенденций на основе данных, что позволяет им принимать более обоснованные решения и опережать конкурентов.
5. ИИ помогает компаниям предоставлять своим клиентам персонализированный опыт на основе их предпочтений и поведения.