Золотая цифра

В ближайшие 10 лет цифровая трансформация по всему миру принесет экономике и обществу около $100 трлн, ожидают авторы совместного исследования Accenture и Всемирного экономического форума. Цифровая трансформация – это не только внедрение технологий, но еще и быстрая адаптация к рыночным изменениям. Успех цифровизации бизнеса во многом зависит от своевременного обмена информацией, и часто компаниям достаточно начать анализировать эти данные, чтобы перейти на цифровую модель бизнеса.

В каждой отрасли для трансформации будет использован собственный набор технологий. Так, в промышленности основной упор будет сделан на интернет вещей и цифровых двойников, в банках – на удаленное обслуживание и управление рисками, в логистике – на новые транспортные технологии, в сфере услуг – на глубинный анализ взаимоотношений с клиентами. Но есть и общие инструменты цифровой трансформации, которые изменят работу компании, чем бы она ни занималась.

За годы работы компания, копит, хранит и обрабатывает огромное количество разнообразных данных. По данным IDC, сегодня более 60% сотрудников компаний, работающих с информацией, используют четыре и более корпоративные системы, чтобы найти нужные данные, и количество таких источников растет. Сотрудникам приходится переработать целые тонны документов в поисках «золота». Чтобы найти и консолидировать нужную информацию, они тратят 36%, т. е. более трети, рабочего времени, подсчитали аналитики IDC.

При этом значительная часть корпоративной информации – это неструктурированные данные: тексты и документы на естественном языке (как, например, эта статья), которые могут содержать в себе даты, цифры, факты, графики, фотографии и т.д. И только 0,5% такой неструктурированной информации в мире сегодня эффективно используется и анализируется, считает Освальд Дройлет, главный аналитик американской компании FICO, занимающейся анализом данных, считает, что (свою оценку он приводит в корпоративном блоге компании).

«В бизнесе большинство неструктурированных данных лежит в большом количестве текстов, связанных с клиентами, – объясняет Дройлет. – Проблема в том, что многие компании не знают, как эффективно вычленить из этой информации элементы, на основе которых можно строить прогнозы и принимать более эффективные решения. Между тем при правильном подходе это дело нескольких секунд».

Новостные статьи на сайтах, содержание электронных писем, журналы звонков в колл-центр, заметки в CRM-приложениях бесполезны для обычных прогнозных моделей. Но благодаря машинному обучению программу можно научить вычленять из таких источников значимые сведения, которые можно использовать для повышения точности прогноза. Например, если анализировать с помощью искусственного интеллекта отзывы на сайте, можно лучше предсказывать спрос на товары или выявлять основные проблемные места в цепочке взаимодействия с покупателем.

Технологии интеллектуальной обработки информации позволяют снять с сотрудников груз рутинной работы, а значит, повысить их производительность. Всю корпоративную информацию уже можно обработать с помощью искусственного интеллекта: системы способны не только индексировать найденнуое, но и понимать его смысл, вычленяя из документов объекты, факты и связи между ними, помогая находить закономерности. Источников, информацию из которых можно анализировать, становится все больше. Например, ритейлеры могут определять, в какие магазины, в каких районах и как часто ходит их покупатель, чтобы оценить его потребности, вовремя закупать и доставлять товары в торговые точки. Сервисные компании – одновременно анализировать переписку клиента с чат-ботом, электронные письма, логи звонков на линию поддержки, его поисковые запросы на сайте компании, чтобы составить более детальное представление о проблемах, с которыми сталкивался клиент, и определить, как их можно избежать.

За пределами внутренних систем компаний массивы информации, которую можно анализировать, тоже огромны: это новости, комментарии в социальных сетях, на форумах, сайтах интернет-магазинов и т. д. Анализ этой внешней неструктурированной информации с помощью искусственного интеллекта помогает компании выстраивать отношения с клиентом, вовремя предупреждает о проблемах у контрагента, позволяет прогнозировать спрос и т. д.

По данным IDC, в 2018 г. компании во всем мире потратят на внедрение когнитивных систем и искусственный интеллект $19,1 млрд, на 54,2% больше, чем в прошлом году, а к 2021 г. эти затраты достигнут $52,2 млрд. Лидерами во внедрении таких систем в 2018 г. станут компании розничной торговли ($3,4 млрд), впервые ненамного обогнав банковскую отрасль ($3,3 млрд), говорится в исследовании IDC.

Какие интеллектуальные системы уже использует российский бизнес?

Сбербанк: управлять рисками в реальном времени

Банки одними из первых почувствовали дыхание цифровой трансформации и активно внедряют новые технологии.

В Сбербанке на основе технологии ABBYY внедрена интеллектуальная система мониторинга новостей о банках-контрагентах. Проект по автоматизации был необходим, чтобы оценивать факторы риска в онлайн-режиме. Раньше сотрудники аналитического подразделения просматривали новостные порталы, составляя «новостное досье» по банку-контрагенту. Теперь искусственный интеллект позволяет автоматически агрегировать и анализировать все значимые сообщения, классифицируя их по различным факторам.

Если раньше сотрудники банка могли обработать за день сотни новостей, то сейчас счет идет на тысячи. Например, в октябре система обрабатывала за день от 600 до 9000 новостей. Применение цифровых технологий обработки данных позволило банку сократить трудозатраты на мониторинг новостей, а освободившиеся ресурсы использовать в других направлениях кредитного анализа.

Внедрение системы интеллектуального мониторинга рисков – бесспорно успешный пример цифровой трансформации, отмечает старший вице-президент Сбербанка Джангир Джангиров. «Изучив мировую практику, мы пришли к выводу, что аналогичных проектов в банковской сфере очень немного. Проект решено развивать дальше», – говорит он. Теперь банк планирует провести интеграцию с поставщиком зарубежных новостей для запуска мониторинга новостного потока на английском языке, протестировать и доработать внедренные модели, а также создать классификацию новостей по отраслям экономики.

Банк «Точка»: своевременно отвечать на вопросы предпринимателей

Цифровая трансформация не только меняет работу внутри банков, но и создает новые бизнес-модели. Так, одно из направлений развития финансовых сервисов – полностью цифровые банки без отделений, где 99% общения с клиентом происходит онлайн. Но кроме удобства для пользователей и очевидной экономии на офлайн-инфраструктуре такая модель ставит перед банком и дополнительные задачи.

У банка «Точка», полностью онлайнового банковского сервиса для предпринимателей, 165 000 клиентов. Его служба поддержки за день обрабатывает больше 6000 обращений от пользователей – помогает провести платеж, открыть расчетный счет, выпустить карту, сменить тарифный план и т.д. Одна из обязанностей менеджера – после разговора с клиентом внести резюме беседы в карточку компании в CRM-системе: причина обращения и способ решения проблемы, после этого проставляются ключевые слова-теги, чтобы банк мог анализировать информацию и прогнозировать спрос на услуги. Но за 2018 г. количество клиентов «Точки» увеличилось на 70%, и нагрузка на менеджеров онлайн-офиса выросла. Ручное проставление тегов отнимает много времени и к тому же создает риск ошибки.

Чтобы решить эту проблему, «Точка» применила искусственный интеллект. Теперь встроенное в CRM-систему решение ABBYY Smart Classifier помогает банку автоматически классифицировать весь поток резюме разговоров с клиентами по 20 темам. Оно автоматически извлекает значимую информацию из внесенного менеджером в систему резюме беседы и менее чем за 1 секунду проставляет теги, например «банковские карты», «дистанционные сервисы», «расчетно-кассовое обслуживание», «объединенная расчетная система» и др. Система анализирует, первое это или повторное обращение, из какого города клиент, какая услуга ему была оказана и т. д.

«С технологиями искусственного интеллекта ABBYY онлайн-офис «Точки» успевает обработать на 10% больше запросов клиентов, чем раньше. Теперь сотрудники банка не тратят свое время на выбор и проставление тегов, а уделяют внимание прежде всего общению с клиентами, решению их проблем и составлению резюме бесед», – говорит сооснователь «Точки» Антон Шилин. В результате сотрудники «Точки» на 15% быстрее отвечают клиентам. Банк рассчитывает, что умные технологии помогут ему в течение года привлечь не менее 10% новых клиентов из малого и среднего бизнеса.

НПО «Энергомаш»: создать единый поиск по миллионам документов с 1929 г.

На двигателях, которые производит «дочка» «Роскосмоса» – НПО «Энергомаш», летает каждая вторая ракета-носитель в мире: от российских «Протона» и «Ангары» до американских Atlas V и Antares. На семи предприятиях «Энергомаша» работает 20 000 человек.

С момента основания почти 90 лет назад компания накопила миллионы листов проектной документации, но она была разнесена по различным источникам без единой структуры, рассказывает Денис Савенков, заместитель гендиректора «Энергомаша» по развитию IT. По его словам, у предприятия есть две задачи – сначала оцифровать архив, а затем научиться правильно и эффективно работать с этой информацией. «Энергомаш» сейчас занимается сохранением и оцифровкой, а ABBYY – созданием системы интеллектуального поиска, продолжает он.

Документация на двигатель – это сотни тысяч листов, но оцифровать нужно не только ее, но и всю информацию, полученную на пути к изделию, – например, о моделях, которые не пошли в серию, обо всех экспериментах, пробах и идеях. Ведь в том, что создавалось конструкторами-предшественниками, но не пошло в серию, могут быть гениальные идеи, которые когда-то было невозможно реализовать технически, объясняет Савенков.

Прежние технологии могли искать данные только по четко заданным шаблонам, говорит Савенков. «Энергомашу» же нужно, чтобы специалист мог получить исчерпывающую информацию о предмете, даже не зная, в какой форме эти данные были записаны, кем и когда, какой в документе порядок слов, какие могут использоваться синонимы и т. д. По сути, это следующий этап корпоративной системы поиска: когда человек на простом языке задает вопрос. интеллектуальная система, обученная на документах компании и с учетом ее отраслевой специфики, может подобрать то, что нужно сотруднику из всех неструктурированных, не связанных между собой источников. Например, если нужно поднять все технические наработки по раме двигателя RD-191, то сейчас система выдаст только итог работы конструктора – 3D-модель рамы. В ней нет всех творческих идей, которые могли содержаться в других документах, создававшихся по ходу проекта. Чтобы компьютер мог обработать эту информацию и понять, к чему именно она относится, требуется помощь искусственного интеллекта.

По словам Савенкова, сейчас идет пилотный проект, а окончательное обучение системы и переход на нее произойдут в течение нескольких лет. «Для нас это пока эксперимент, который будет развиваться поэтапно», – говорит он. По расчетам, подтвержденным ведущими консалтинговыми агентствами, внедрение таких интеллектуальных систем значительно экономит трудозатраты, указывает Савенков, ведь на разработку уходит много времени. По оптимистичным прогнозам, экономия составит миллионы человеко-часов, а внедрение такой системы ускорит выход нового изделия на рынок, повысит его качество и снизит себестоимость, надеется он.

Не секрет, что в конструкторской среде сейчас есть разрыв поколений и только цифра позволит «Энергомашу» сохранить свою школу, уверен Савенков. Он сравнивает переход на цифровые технологии с переходом с бересты на бумагу, только на этот раз переход совершится гораздо быстрее. «Цифра – это новая бумага», – уверен он.&

Текст: Олег Сальманов