Роботы уже здесь

«Искусственный интеллект (ИИ) обещает стать самой прорывной технологией благодаря росту вычислительной мощности, объему, скорости обработки и разнообразию данных, а также развитию глубинных нейросетей в ближайшие 10 лет», – считает Джон-Дэвид Лавлок, вице-президент Gartner по исследованиям (его слова приведены в официальном сообщении компании).

Бизнес привык к искусственному интеллекту: по результатам опроса The Economist Intelligence Unit, 94% руководителей полагают, что эти технологии важны для решения стратегических задач их организаций, причем 37% характеризуют их как «очень важные». Сейчас по количеству проектов в сфере внедрения искусственного интеллекта в мире лидируют финансовые организации и ритейл. Причем если до сих пор первенство принадлежало банкам, то в этом году компании розничной торговли их догонят, ожидают авторы отчета IDC по инвестициям в ИИ. По их прогнозу, ритейл в 2018 г. вложит в такие проекты $3,4 млрд, а банки – $3,3 млрд. За два года их инвестиции в этой сфере вырастут более чем вдвое.

Объем российского рынка искусственного интеллекта и машинного обучения заметно меньше мирового. По данным исследования Digital IQ (этот ежегодный опрос руководителей IT-служб и руководителей компаний со всего мира проводит PwC) сегодня в технологию искусственного интеллекта инвестируют только 35% российских компаний (в мире это 54%). Но потенциал роста российского рынка выше, чем у глобального: 74% руководителей говорят, что будут вкладываться в ИИ через три года (в мире – 63%).

В проведенном год назад исследовании Accenture говорится, что наибольший потенциал для ускорения экономического роста в России за счет технологий ИИ помимо непосредственно IT-отрасли имеют промышленность, финансовый сектор, ритейл и транспорт.

Финансовый сектор

Сегодня уже очевидно, что машины выполняют рутинные процедуры гораздо успешнее людей: они не совершают ошибок, не устают, не теряют концентрацию, они быстрее, точнее и дешевле, говорит изданию «Ведомости&» управляющий директор фонда «ВЭБ-инновации» Павел Соловьев. Тотальная автоматизация формализованных процессов, в том числе с использованием систем на базе искусственного интеллекта, – уже не мода, а очевидная необходимость. Особенно заметно это в финансовом секторе, где ИИ помогает практически в любых процессах – от принятия решения о выдаче кредита и до консультирования клиентов, отмечает Соловьев.

Наибольшее влияние в финансовой отрасли искусственный интеллект, как ожидается, окажет на клиентское обслуживание, говорится в отчете The Economist Intelligence Unit (см. график). Уже сегодня ИИ позволяет банкам открывать счета, оценивать платежеспособность заемщиков, делать клиентам индивидуальные предложения, исходя из их профиля, предотвращать мошенничество и т. д. Повлияет искусственный интеллект и на управление рисками, в том числе юридическими: роботы-юристы уже способны не только оценивать ситуацию, но и самостоятельно подавать иски. Интеллектуальные решения могут за секунды собирать всю информацию о потенциальном контрагенте из новостных источников и указывать на риск-факторы. В финансовом анализе и трейдинге умные алгоритмы уже берут на себя многие функции. Так, в июне Bank of America объявил, что начал использовать машинное обучение для анализа валютных стратегий. По оценке A.T. Kearney, в 2017 г. под управлением у робоадвайзеров в США уже было активов на $0,5 трлн.

Еще одно направление работы для искусственного интеллекта не только в банках, но и в других сферах бизнеса – помощь в принятии управленческих решений. По оценке IDС, компания, в которой работает хотя бы 1000 сотрудников, занимающихся интеллектуальным трудом, ежегодно тратит $5 млн на поиск информации, неудачные попытки найти данные и повторное создание уже существующих документов – если найти нужный файл не удается. Искусственный интеллект помогает с поиском данных в корпоративных системах: технология определит общий смысл запроса и найдет все документы, содержащие значимую информацию, – например, договоры, финансовые отчеты, презентации, решения суда и т. д.

«В самом ближайшем времени продукты без встроенного искусственного интеллекта не будут востребованы рынком, потому что ИИ радикально меняет пользовательский опыт. Сегодняшняя структура любого бизнеса говорит, что альтернативы этому решению не существует», – отмечал предправления Сбербанка Герман Греф в сентябре 2018 г., выступая перед студентами школы цифровой экономики Дальневосточного федерального университета. По его словам, важнейшим событием на пути из информационного века в цифровой стало появление технологий обработки сырых – неструктурированных – данных, невозможное до ИИ. В прошлом году Сбербанк заработал дополнительно $2–3 млрд (чистая прибыль банка за 2017 г. – около $11,6 млрд) за счет использования ИИ и анализа данных при управлении рисками и продажами. В апреле 2018 г. Греф заявил, что искусственный интеллект в Сбербанке уже принимает 98% решений о выдаче кредитов физическим лицам. Уровень просрочки по таким кредитам, по словам Александра Ведяхина, первого зампредседателя правления Сбербанка, ниже, чем если бы решения по ним принимал человек.

Начал Сбербанк и роботизацию контакт-центра для корпоративных клиентов (его операторы в день обрабатывают около 20 000 звонков). Робот Анна, разработанный специалистами Сбербанка, уже отвечает на вопросы о местонахождении банкоматов с функцией самоинкассации и отделений банка. Кроме того, он повышает качество работы в колл-центре – анализирует разговор и подсказывает сотруднику необходимую информацию. В итоге по некоторым вопросам служба поддержки теперь обслуживает клиентов вдвое быстрее.

Другие российские банки тоже активно внедряют технологии ИИ – причем не только для обслуживания физических лиц, но и для корпоративных клиентов и для управления собственным бизнесом.

В «Тинькофф банке» чат-боты уже обрабатывают 100% текстовых обращений клиентов, а 20% диалогов закрывается без участия оператора. Роботы проверяют данные клиентов и достоверность поданных документов, участвуют в оценке качества разговоров и звонков, скоринге. Росбанк использует ИИ для управления сетью офисов, принимая решение об открытии новых или перемещении существующих отделений. Альфа-банк внедрил интеллектуального чат-бота во внутренние процессы работы операционного блока: он консультирует менеджеров банка, оформляющих клиентам зарплатные проекты. Бинбанк внедряет машинное обучение для работы с просроченной задолженностью – в 70% случаев звонков клиентам на ранних стадиях просрочки можно избежать, не теряя эффективности работы. Технология определит, кому из клиентов можно не звонить. В «Уралсибе» ИИ анализирует данные о клиентах, чтобы персонализировать предложения. В мобильном приложении Модульбанка интеллектуальные технологии ABBYY извлекают данные из счетов, чтобы за несколько секунд распознать длинные банковские реквизиты, суммы, НДС и провести оплату в один клик.

Ритейл

Проблемы ритейлеров и банкиров часто похожи: и те и другие работают в условиях высокой конкуренции, растущих требований от клиентов и снижения доходов от физических отделений, им нужны новые каналы потребления услуг и т. д. Как и в банках, в розничных компаниях искусственный интеллект может помочь менеджерам принимать решения, следует из отчета The Economist. Кроме того, ожидается, что технология изменит взаимодействие с поставщиками и автоматизирует закупку продукции, повлияет на процесс формирования цен и продвижения товаров, на транспорт и логистику, а также на маркетинг внутри магазина.

Крупнейший в России продавец бытовой техники и электроники «М.видео-Эльдорадо» создал Digital Retail Data Science Centre, чтобы искать дополнительные точки роста и переходить на автоматизированные умные сервисы и бизнес-процессы. Так, аналитика данных позволяет ритейлеру прогнозировать ежедневную загрузку персонала в рознице и ежедневный спрос на 20 000 товаров.

Компания использует аналитику данных и алгоритмы на ее основе для целевого маркетинга и повышения эффективности онлайн-продаж. Например, с помощью искусственного интеллекта она может выбрать клиентов, склонных к совершению покупки, определить наиболее эффективный способ привести их на сайт или в магазин, понять, какие товары нужны, и сделать им лучшее предложение. Например, проинформировать клиента именно о тех промоакциях, которые скорее всего будут интересны ему.

По результатам пилотных рассылок эффективность контакта выросла на 60%, говорит директор по стратегическому маркетингу группы «М.видео-Эльдорадо» Александр Ерофеев. Если товара нет в наличии или доставка займет много времени, робот выдает альтернативные товары с лучшим временем доставки. Рекомендации о наиболее подходящих сопутствующих товарах и аксессуарах увеличили количество заказов с аксессуарами на 12%, а оборот такой продукции – на 15%. А если пользователь покинул сайт без покупки, система отправляет ему по электронной почте персонализированную подборку альтернативных товаров, уведомляет о снижении цены на просмотренные товары или о том, что ранее недоступный товар стал доступен, рассказывает Ерофеев.

Крупнейший продовольственный ритейлер X5 Retail Group провел пилотный проект по использованию видеоаналитики и компьютерного зрения для правильной выкладки товаров, определения пола и возраста покупателей. Это помогает бороться и с пустыми полками. Количество тех, кто уходит из магазинов без покупок, сократилось на 10%, сообщил «Ведомостям» представитель X5 Retail Group. В сети «Перекресток» искусственнй интеллект, учитывая данные о частоте и сумме покупок, стиле жизни, приемлемом уровне цен, любимых категориях товаров, позволил увеличить эффективность целевого маркетинга на 5% и сократить расходы на коммуникации на 40%. Подготовка целевых предложений ускорилась в 7 раз, рассказывал «Ведомостям» в 2017 г. IT-директор X5 Фабрисио Гранжа.

В анализе данных у интернет-магазинов есть преимущество перед офлайновой розницей. Все действия клиента на сайте можно анализировать: откуда он пришел на сайт, какой продукт искал, как реагировал на электронную почту, как общался со службой поддержки или чат-ботом. Так, интернет-магазин Wildberries использует машинное обучение для рекомендаций товаров в почтовых рассылках, а также для распознавания образов при поиске одежды по фотографии, для выявления спамеров в комментариях, а также в чат-ботах. Ozon.ru собирает информацию обо всех посетителях и использует технологии машинного обучения для поиска закономерностей. Магазин вычисляет вероятность возвращения клиента на сайт при переходе с бесплатного канала продвижения, вероятность покупки в случае посещения сайта и ее стоимость. На основании этих прогнозов Ozon.ru объединяет посетителей в 20 групп в зависимости от прогноза стоимости их покупок за визит и для каждой категории вырабатывает разные стратегии, направленные на возвращение покупателя на сайт и увеличение его чека.

Нефтегазовый сектор и энергетика

В России первыми использовать инновации часто начинают в нефтегазовой отрасли, поскольку именно там сосредоточены основные финансовые потоки, а компании готовы на значительные инвестиции. Искусственный интеллект в нефтегазовой отрасли чаще всего применяется в геологоразведке, добыче и стратегическом планировании. Например, анализ данных сейсмических исследований и разведочного бурения с помощью ИИ позволяет бурить меньше скважин и делать меньше тестов при разведке месторождений, что экономит и деньги, и время.

Результат автоматизации добычи нефти и газа с помощью искусственного интеллекта - создание умных месторождений и умных скважин. Они дают возможность одновременно сокращать издержки и увеличивать коэффициент извлечения нефти. В России такие технологии использует, например, Shell на Салымской группе месторождений в Западной Сибири: это первый, по данным «Салым петролеум девелопмента», опыт внедрения технологий, с помощью которых ведется удаленный контроль и наблюдение за всем фондом скважин группы месторождений не только в России, но и в Shell. В исследовании Cambridge Energy Research Association (CERA) говорится, что отдача на умных месторождениях уже сейчас, на экспериментальной стадии, на 2–10% выше, чем на традиционных.

Chevron вложила в проект «подключенных месторождений» i-Field больше $6 млрд и теперь получает около $1 млрд дополнительной выручки в год. Производительность объектов добычи увеличилась на 4%, коэффициент извлечения нефти - на 6 п. п.

Один из технологических лидеров нефтегазовой промышленности – «Газпром нефть» применяет искусственный сразу в нескольких проектах. В одном из них компания создает самообучающуюся модель геологического объекта. «Когнитивный геолог» будет математически обрабатывать исходную информацию о строении недр, оценивать вероятность того, что добыча на том или ином участке окажется рентабельной, выдавать рекомендации о методах разработки или необходимости провести дополнительные исследования. По расчетам «Газпром нефти», время интерпретации геологических данных за счет работы ИИ сократится в 6 раз, а количество извлеченной из них полезной информации вырастет на 30%.

Наконец, искусственный интеллект позволяет добывающим компаниям лучше прогнозировать цены на нефть и газ. Математические модели не всегда способны учитывать социальные и политические факторы, а искусственный интеллект может имитировать поведение участников рынка. Это помогает повысить точность прогноза цен, а значит, и качество планирования.

Корпоративные процессы

Системы искусственного интеллекта подключаются и к трансформации корпоративных процессов - работе с персоналом, подготовке управленческой отчетности, бюджетному планированию, закупкам.

Так, уже сегодня роботизированные системы помогают провести не только первичный отбор резюме соискателей на ту или иную позицию, но и первое собеседование, как это делает созданный российской компанией Stafory робот Вера. Искусственный интеллект Sever.ai (проект входит в «Севергрупп Талент Тех») тоже специализируется на задачах HR: он умеет находить людей, связываться с ними (через почту, sms, мессенджеры, социальные сети и по телефону), проводить видеоинтервью и оценивать их, распознавая семь эмоций собеседника, изменение тональности голоса, а также смысл и логику излагаемой информации. Кроме того, ИИ позволяет лучше понимать сотрудников и за счет этого увеличивать бизнес-показатели компании. Такие системы называются People Analytics – они позволяют оценить вовлеченность людей и команд, выявить лидеров и лучшие практики, отследить потенциальные конфликты сотрудников и даже предсказывать увольнения. Например, подобные системы создает компания Yva.ai – спин-офф ABBYY, разработчик решений в области интеллектуальной HR-аналитики.

Искусственный интеллект может принести выгоды и в других внутренних производственных процессах. Так, General Motors смогла за счет этой технологии увеличить на 5% эффективность своих ветровых турбин, одновременно снизив затраты на техобслуживание на 20%. Внедрение технологий ИИ в дата-центре Google снизило потребление энергии на 15%, что позволит компании за несколько лет сэкономить сотни миллионов долларов. В России компания «Цифра», входящая в ГК «Ренова», с помощью предиктивной аналитики улучшает обслуживание энергетических турбин, заранее предупреждая о возможных неполадках в будущем, что позволяет производить замену деталей или техобслуживание, не дожидаясь поломки и дорогостоящего ремонта.

По подсчетам аналитиков Gartner, уже в этом году технологии ИИ принесут мировому бизнесу $1,2 трлн дополнительной стоимости – на 70% больше, чем в 2017 г. А к 2022 г. дополнительная стоимость, полученная бизнесом благодаря ИИ, составит $3,9 трлн.&

Текст: Олег Сальманов