Как технологии машинного обучения меняют бизнес
Люди ежедневно сталкиваются с результатами машинного обучения: «умные» алгоритмы в соцсетях, чат-боты в онлайн-магазинах, камеры с распознаванием лиц в общественных местах — все это часть жизни.
Компании продолжают внедрять технологии в свои бизнес-процессы для анализа рисков, изучения аудитории и сокращения затрат. Павел Кривозубов, руководитель направления «Робототехника и искусственный интеллект» кластера информационных технологий Фонда «Сколково», рассказывает, как машинное обучение применяется в бизнесе.
Павел Кривозубов, руководитель направления «Робототехника и искусственный интеллект» кластера информационных технологий Фонда «Сколково». Фото: Sk.ru
Искусственный интеллект все чаще рассматривается как вспомогательный инструмент, помогающий оптимизировать бизнес-процессы и сократить затраты. Это программное обеспечение может самостоятельно принимать решения и действовать даже в тех ситуациях, которые не были изначально предусмотрены разработчиками. Например, обнаружить новый вид мошенничества.
Машинное обучение (machine learning, ML) — часть искусственного интеллекта. Оно используется в системах, которые собирают большие объемы данных. Например, интеллектуальные системы управления энергопотреблением забирают данные с датчиков на различных объектах. Затем с помощью алгоритмов данные анализируются, а результаты отправляются лицам, принимающих решение в компании для лучшего понимания потребностей в потреблении электроэнергии и техническом обслуживании.
Главное отличие ML от стандартизированных алгоритмов — его адаптивность, потому что оно постоянно развивается и обучается. Чем больше данных потребляет алгоритм, тем точнее будут его аналитика и прогнозы. Технология активно внедряется во множестве областей: сельское хозяйство, медицинские исследования, фондовый рынок, мониторинг дорожного движения, контроль производства и так далее.
Вот несколько популярных сервисов от резидентов «Сколково» на основе машинного обучения.
Чат-боты ускоряют обслуживание клиентов
Сейчас почти на каждом сайте можно встретить виртуального консультанта, который фильтрует запросы и отвечает на вопросы пользователя. Это позволяет снизить нагрузку на персонал и фонд оплаты труда, за счет чего бизнес может сэкономить. Кроме того, машинное обучение помогает развивать базу знаний чат-бота, так как чем больше вопросов — тем больше данных. И через полгода-год после внедрения системы виртуальный консультант может ответить практически на все вопросы, оставляя возможность подключить оператора для более сложных вопросов.
Системы поддержки принятия решений уменьшают количество ошибок
Технология часто используется на производственном секторе. Например, в систему можно загрузить статистику поломок и устройств. За счет анализа этих данных нейросеть сможет сделать прогноз о выходе из строя или поломке устройства и подсказать, когда нужно провести профилактический ремонт, чтобы избежать дорогостоящего ремонта в случае поломки. Второй пример — рост или падение игроков фондового рынка. Этот инструмент популярен у профессиональных инвесторов.
Еще одна из перспективных индустрий в этой направлении — здравоохранение. В кластере биомедицинских технологий «Сколково» разрабатывают систему, которая на основе снимков и прогнозной аналитики помогает выявлять различные заболевания. Например, компания «Третье мнение» объединяет модули анализа радиологических исследований (рентген, УЗИ, КТ, МРТ), оцифрованных лабораторных исследований, снимков глазного дна и модуль видеомониторинга. Система умеет анализировать снимок, находить патологии и проверять врача — это помогает ускорить диагностику и снизить количество врачебных ошибок.
Анализ данных помогает быстро проверять резюме и документы
HR-специалисты часто перегружены сотнями и тысячами резюме, когда занимаются массовым подбором персонала. Машинное обучение помогает стандартизировать процесс найма, чтобы ускорить организацию и анализ писем о приеме на работу. Кроме того, технология позволяет создать профиль идеального кандидата на основе данных о текущих сотрудниках. В результате повышается скорость найма и уменьшается объем рутинных задач у HR-специалистов.
Например, сколковский онлайн-сервис GoRecruit помогает сократить время и деньги на закрытие вакансий. Встроенный искусственный интеллект оценивает сотрудника по 50 параметрам, чтобы дать представление, насколько человек соответствует ожиданиям компании. Помимо того, что решение умеет анализировать резюме, оно собирает данные из открытых баз данных — МВД, ИФНС, ГИС ГМП, Бюро кредитных историй, ГИБДД, ФССП, Арбитражные суды и другие. В целом сервис полезен не только рекрутерам для проверки сотрудника перед наймом, но и для оценки продавца перед покупкой машины или недвижимости, проверки контрагента, при найме домашнего персонала и даже при начале романтических отношений.
Персонализация повышает уровень обслуживания клиентов
Машинное обучение помогает вывести клиентский сервис и коммуникацию на новый уровень. Оно повышает вовлеченность и удовлетворенность пользователей и покупателей за счет того, что предоставляет компании больше данных и помогает точечно выстраивать коммуникацию на основе интересов и действий конкретного человека. Например, предлагает персональные товары исходя из последних покупок или рассчитывает индивидуальную скидку на базе взаимодействия с брендом.
Российский сервис для оптимизации контекстной рекламы AnData строит цифровой портрет клиента за счет анализа больших данных об его действиях в сети. Это помогает рекламодателям настроить таргетированную рекламу с учетом конкретной специфики под каждую аудиторию. Также система прогнозирует, как предлагаемые изменения скажутся на конверсии и CPL кампании, за счет чего можно оптимизировать кампанию по отдельным параметрам, например, ключевым словам, часам, дням недели и геолокации.
ML постоянно развивается и обладает огромным потенциалом использования в бизнесе, но большинство компаний все еще находятся в начальной стадии внедрения технологии. Новый виток роста произойдет, когда основные инструменты разработки машинного обучения станут доступными для каждой компании и внедрить технологию можно будет независимо от сложности технической базы и опыта. За счет этого бизнес любого размера сможет позволить себе ML-алгоритмы для решения своих задач и оптимизации бизнес-процессов.
Источник: vc.ru