«Массовому внедрению технологий искусственного интеллекта препятствуют уровень развития систем и их высокая стоимость»

Алексей Талаев, руководитель департамента прогнозной аналитики и оптимизационного планирования ИТ-компании Navicon

1. Navicon работает на рынке B2B, и в первую очередь нас интересуют те инновационные решения, которые позволят сделать бизнес клиентов Navicon более прозрачным и управляемым, чем сейчас. Поэтому мы видим большие перспективы не в создании человекоподобных механизмов, а в использовании новейших технологий для усовершенствования аналитических ИТ-решений, которые мы предлагаем клиентам.

В частности, мы сосредоточили усилия и инвестиции в области машинного (Machine Learning) и в особенности глубокого обучения (Deep Learning) – основных методов искусственного интеллекта.

На практике самообучающиеся технологии, на наш взгляд, вполне применимы в решении бизнес-задач.

Во-первых, они позволяют проводить интеллектуальный анализ данных, применять методы и инструменты искусственного интеллекта для более глубокой обработки всех типов данных, в том числе неструктурированных (фото и видеоконтента), и нахождения в них скрытых закономерностей. В результате уже накопленные данные служат источником для принятия точных управленческих решений.

Во-вторых, на базе самообучающихся технологий строятся так называемые прогнозные, или предиктивные, системы, позволяющие оптимизировать процесс принятия управленческих решений.

Такие ИТ-решения помогают изучать данные о бизнесе (динамику продаж, внутреннюю кухню и внешние связи), обрабатывать информацию об исторических и текущих событиях, учитывая тенденции рынка, и на основании анализа всего этого массива данных предсказывать вероятность наступления тех или иных событий.

Прогнозированию поддается большинство бизнес-процессов в организации любого масштаба: к примеру, сейчас мы занимаемся прогнозированием покупательского спроса. Примеры прогнозной аналитики уже есть на рынке: например, аптечная сеть «Ригла» внедрила аналитический инструмент анализа эффективности при открытии новых торговых точек.

Абсолютно другое направление AI (artificial intelligence), которое представляет для нас не меньший интерес, – технологии и средства распознавания. В частности, мы экспериментируем с голосовой аутентификацией, дополнительно подтверждающей личность пользователя системы.

Для развития решений из сферы искусственного интеллекта Navicon заключил стратегическое партнерское соглашение с компанией «Экспасофт», которая предлагает рынку набор интеллектуальных сервисов. В ближайшее время мы планируем увеличивать финансирование в технологии AI и развивать пакет решений, базирующихся на них.

3. Первыми на появление инноваций реагируют рекламный и финансовый бизнесы, которые больше, чем компании из других отраслей, зависят от динамики рынка и собственной технологической оснащенности. Рекламодателям ИИ помогает оптимизировать закупку рекламы.

В то же время искусственный интеллект меняет те отрасли, которые тесно связаны с обработкой клиентских данных и коммуникациями с клиентами: ретейл (онлайн и офлайн), телекоммуникации, финансовый и банковский секторы. В итоге повышается лояльность к компании и снижается отток потребителей.

По такому принципу работает, например, технология ABBYY Compreno: при получении обращения от клиента система анализирует его и выдает ответ или же подключает к решению проблемы человека, предварительно подготовив для него отчет.

В итоге бизнес может непрерывно коммуницировать с каждым клиентом без лишних затрат ресурсов, создавая уникальный пользовательский опыт. С другой стороны, мы видим, как растет потребность в ИИ со стороны компаний, исторически далеких от инноваций, – промышленных и производственных предприятий.

Основные задачи, которые для них решает искусственный интеллект, связаны с оптимизацией производственного процесса: прогнозирование длительности цикла производства конкретного продукта, оценка производства для поиска критичных участков, поиск бракованных товаров, предсказание простоев, поломок оборудования и планирование ремонтов и техобслуживания парка техники.

Также ИИ помогает находить лучшие дизайнерские (дизайн упаковки) или конструкторские решения и даже оптимизировать складскую деятельность, чтобы избегать затоваривания складов.

4. Во-первых, ИТ-системы на базе ИИ помогут бизнесу полностью избавиться от решения рутинных задач, а значит, эффективно развивать отношения с потребителями, оптимизировать кадровую работу и заниматься другими вопросами, связанными со стратегическим развитием компании.

Во-вторых, системы искусственного интеллекта обладают огромным аналитическим потенциалом. При этом нужно понимать, что искусственный интеллект никогда не заменит человека.

Да, «алгоритмический» бизнес, который мы увидим в ближайшие 5-10 лет, на 70-80%, вероятно, будет цифровым. Но технология в бизнесе будет предназначена для повышения производительности сотрудников, выполняющих творческие, креативные задачи. Система будет подсказывать руководителю оптимальное управленческое решение с учетом анализа многочисленных факторов и событий, однако та же система никогда не будет принимать решение за него.

«Основным препятствием является слабая информированность руководителей предприятий о возможностях ИИ, а также недостаток квалифицированных кадров в этой области»

Павел Адылин, исполнительный директор компании Artezio (ГК ЛАНИТ), член правления некоммерческого партнерства «Руссофт»

1. Мы не просто инвестируем в разработку ИИ, мы вкладываем деньги в исследования в этой области, выстраиваем стратегию развития компании с учетом растущего интереса к искусственному интеллекту со стороны наших партнеров и заказчиков.

Именно поэтому мы открыли в Нижнем Новгороде лабораторию по изучению ИИ, создали специальные образовательные программы для популяризации ИИ среди сотрудников и наших партнеров.

Окупаются ли инвестиции в ИИ для заказчиков? Безусловно, иначе эта тема не была бы настолько актуальной.Другое дело, что проекты с ИИ могут быть достаточно крупными, а значит, требовать больших расходов на разработку и внедрение. Но компании, которые идут на эти затраты, отлично понимают, зачем они вкладывают в эти проекты деньги и как они смогут вернуть их назад.

3. Можно прогнозировать, что в ближайшее время ИИ станет активно использоваться практически во всех программных продуктах.

Например, производители смартфонов внедряют технологии распознавания лиц и голоса на основе самообучающихся решений, ИИ используется для выявления предпочтений пользователей и прогнозирования их активностей. ИИ используется в финансовой сфере, медицине, электронной коммерции, обслуживании, промышленности и так далее.

Можно пофантазировать, как ИИ в будущем будет управлять городским трафиком, контролировать беспилотный транспорт или производственные процессы.

Возможности ИИ кажутся очень широкими, но нужно учитывать, что во многих аспектах разработки мы находимся в начале пути.

Персональные решения-помощники, которые мы все видим, – Siri, «Алиса» – уже научились нас понимать, но еще предстоит проделать большую работу, чтобы научить их нас правильно интерпретировать.

Люди предполагают, что ИИ обладает гораздо большими возможностями, нежели есть на самом деле. Безусловно, сейчас ИИ активно развивается благодаря растущим вычислительным мощностям.

Согласитесь, разве можно было предположить еще 10 лет назад, что поддержку ИИ на аппаратном уровне реализуют в мобильном телефоне?

Но такой подход становится массовым, и, уверен, очень скоро мы увидим новые варианты применения ИИ.

Логично считать ИИ очередным шагом по автоматизации процессов, с которыми сталкивается человек. Чем умнее будет ИИ, тем больше процессов он сможет контролировать и тем сложнее эти процессы будут. Сейчас нельзя доверить ИИ поставить диагноз больному. Но искусственный интеллект достаточно долго и успешно помогает врачам выявлять отклонения на основе анализа большого объема собранных данных.

4. От применения ИИ, безусловно, выиграют все отрасли экономики, предприятия и обычные пользователи. Некоторые эксперты полагают, что автоматизация производств с применением ИИ станет причиной роста безработицы.

Точно так же остаться без работы люди боялись на заре первых конвейерных производств или появления вычислительных систем.

Уверен, сильных потрясений на рынке труда не стоит ожидать, рабочие места будут открываться в других сферах, которые, возможно, возникнут, в том числе и благодаря ИИ.

5. Думаю, что основным препятствием является слабая информированность руководителей предприятий о возможностях ИИ, а также недостаток квалифицированных кадров в этой области.

Подготовка специалистов занимает долгое время, поскольку от них требуется не только хорошее знание математики, но и навыки профессионального программиста. Вопрос развития ИИ лежит в плоскости инвестиций в науку, исследований и разработок в этой области.

«Широкое внедрение искусственного интеллекта в сфере работы с клиентами произойдет уже в ближайшем будущем»

Андрей Абрамов, вице-президент, директор службы поддержки клиентов «Ренессанс Кредит»

1. Банковский сектор – это отрасль, в которой существуют повышенные требования к точности информации и ее конфиденциальности.

Пока имеющиеся системы искусственного интеллекта не могут полностью покрыть своими возможностями эти ограничения.

Проще говоря, текущий уровень эффективности систем искусственного интеллекта позволяет использовать их на различных этапах бизнеса, но только с обязательным участием человека.

Но, несмотря на все действующие ограничения, банк «Ренессанс Кредит» уже использует технологии искусственного интеллекта. Одна из областей применения – это работа с клиентами.

Более года назад мы запустили подобную систему у себя в контакт-центре. Теперь клиенты, позвонившие на горячую линию банка, могут не только воспользоваться услугами оператора или IVR, но и получить информацию при помощи новой голосовой системы.

Сама система речевого анализа настроена таким образом, что «виртуальный оператор» в случае, если он не смог распознать тематику обращения, будет задавать дополнительные вопросы для конкретизации запроса. Если для решения требуется участие сотрудника банка, то система сможет перенаправить клиента к нужному специалисту.

Опыт внедрения и использования такой системы показывает, что она действительно может стать центром притяжения, вокруг которого будет построена инфраструктура интеллектуального взаимодействия с клиентом в широком смысле. Причем речь идет не только о сервисе, но и продажах.

Кроме того, индустрия big data (больших данных) уже далеко не нова.

Большое количество розничных компаний, в первую очередь банков, каждый день использует эту аналитику по всему миру, в том числе и в нашей стране.

Действительно, так называемые следы, которые человек оставляет в своей повседневной жизни, делая покупки, пользуясь веб-ресурсами и социальными сетями, помогают банкам лучше понимать своего клиента, его привычки, пристрастия. На основе этих данных строятся эффективные модели отклика и планируются маркетинговые предложения.

Безусловно, любая автоматизация бизнеса влечет за собой корректировки и в бизнес-процессах. Если посмотреть на обслуживание клиентов, то уже видно, как меняются устоявшиеся подходы: все простые функции, такие как предоставление любой сервисной информации в дистанционных каналах (веб, телефон, чат), простые телефонные продажи, консультации клиента, а также принятие решений в рамках заданного функционала, скоро полностью смогут выполнять машины.

На операторах будет только та работа, которая основывается на нестандартных подходах и решениях, а именно разбор сложных кейсов и претензий, продажи, требующие пояснений и борьбы с возражениями.

Все это приведет к повышению уровня квалификации сотрудников. Причем стоит отметить, что скорость появления новых технологий с каждым годом все возрастает. Поэтому широкое внедрение искусственного интеллекта в сфере работы с клиентами произойдет уже в ближайшем будущем.

«Развитие отдельных аспектов искусственного интеллекта тормозит недоверие потребителей к применяемым технологиям, а также отсутствие законодательной базы»

Денис Афанасьев, генеральный директор CleverDATA (ГК ЛАНИТ)

3. Искусственный интеллект успел себя зарекомендовать в разработке рекомендательных систем, например, для предложения потенциальным покупателям максимально релевантных продуктов или услуг и распространения рекламы по тем каналам коммуникаций, которые покажут максимальный отклик.

Кроме персонализации рекламных сообщений, искусственный интеллект помогает предсказывать потенциальный отток клиентов: на основе различных атрибутов данных потребителей и паттернов их поведения модели машинного обучения определяют сегменты клиентов, которые с большой вероятностью перестанут совершать покупки и пользоваться услугами компании.

Используя такой подход, можно в режиме реального времени проводить программы удержания клиентов (каждому потребителю формировать персональное предложение) и в то же время оптимизировать собственные рекламные бюджеты. Особенность работы искусственного интеллекта в том, что машина сама определяет, кого можно «спасти» и какие именно предложения для этого будут максимально эффективны.

Так, в сфере ретейла и электронной коммерции искусственный интеллект умеет автоматически рассчитывать оптимальный размер скидки на определенный товар для того, чтобы заинтересовать клиента продолжить покупки.

5. Эксперт в области искусственного интеллекта Эндрю Ын сравнивал ИИ с электричеством, отмечая, как существенно оно преобразило множество индустрий за время существования. Область применения искусственного интеллекта также крайне широка, и можно ожидать, что ИИ будет охватывать одну индустрию за другой, находя решения для новых задач.

Что касается развития искусственного интеллекта, сейчас мы наблюдаем определенные успехи в способности обучения ИИ, при этом на базовом уровне остается умение ИИ планировать, решать поставленные задачи, обобщать, коммуницировать с людьми. Однако все это говорит о потенциале совершенствования искусственного интеллекта в ближайшие годы.

Для развития искусственного интеллекта необходима работа с большими массивами данных, требующая соответствующих вычислительных мощностей и инфраструктуры.

Качественный результат работы ИИ невозможен без хорошего исходного материала – эти данные необходимо правильно собрать, хранить и обрабатывать. Развитие отдельных аспектов искусственного интеллекта тормозит недоверие потребителей к применяемым технологиям, а также отсутствие законодательной базы.

Часто результат, который формирует ИИ, строится на анализе пользовательских данных, поэтому при работе с ними важно сохранять конфиденциальность персональных данных.

«Наша компания запустила процесс внутренней трансформации почти два года назад и даже привлекла для этого внешних консультантов»

Ирина Яхина, директор по технологиям Hitachi Vantara в North EMEA

1. Hitachi Vantara инвестирует в технологии искусственного интеллекта, и даже более того: в последние годы это направление стало одним из приоритетов компании. На этом рынке пока нет твердого лидера, и Hitachi Vantara планирует им стать. Инвестиции в подобные технологии мы увеличиваем регулярно: так, сейчас мы работаем над совершенствованием платформы Lumada для интернета вещей, с помощью которой бизнес сможет получать внешнюю аналитику и работать с большим количеством разнородных данных, генерируемых IoT-устройствами. Мы расширяем возможности этой платформы: она уже может анализировать данные, используя функционал нейросетей и искусственного интеллекта. Объективно говоря, для того, чтобы подобные технологии могли действительно приносить бизнесу пользу, их технические характеристики должны соответствовать не только популярным на рынке трендам, но и инфраструктурным возможностям современных дата-центров. Немало компаний предпочтут использовать решения для работы с искусственным интеллектом в облаке или по гибридному сценарию – производители технологий должны быть готовы ответить и на это требование.

2. Цифровая трансформация – это не четкий кейс с пошаговым руководством, который можно запустить в компании в одночасье. Есть много путей преобразований: мы решили сконцентрироваться на преобразовании процессов и модернизации платформ.

Нам тоже необходимо изучать данные о рынке и своих клиентах – особое внимание сейчас уделяется скрытым данным или, как их еще называют, «темным данным», которые имеют неочевидный для компании потенциал. Наша цель –превратить Hitachi Vantara в некую фабрику услуг, которые будут приносить нашим заказчикам реальные результаты, выраженные в росте доходов и сокращении издержек. В Hitachi работают 3,5 тысячи исследователей: часть из них занята в Центрах социальных инноваций, где специалисты по анализу больших данных, математике, доктора наук разрабатывают технологии, способные не только быть полезными бизнесу, но и сделать жизнь людей более комфортной и безопасной. Наша компания запустила процесс внутренней трансформации почти два года назад и даже привлекла для этого внешних консультантов. Безусловно, когда в компании работают порядка 450 тысяч человек, цифровая трансформация не может пройти легко и быстро.

3. Российский рынок технологий развивается ничуть не медленнее западного – напротив, в использовании многих решений Россия становится первопроходцем. Думаю, наиболее восприимчивыми для технологий ИИ сейчас являются сферы транспорта и цифровых социальных услуг.

«В «Техносерве» направление машинного обучения, вместе с обработкой больших данных, выделено в отдельный центр компетенций с прямым подчинением топ-менеджменту и особым вниманием руководства»

Тимур Мишин, руководитель направления центра компетенций Больших Данных компании «Техносерв»

Для начала сделаю небольшое отступление. Рассказывая про технологии искусственного интеллекта, очень важно управлять ожиданиями рынка, преждевременно их не завышать и регулярно заземлять на конкретные примеры использования. Иначе есть риск повторить судьбу Big Data, о которой расскажу в конце. Поэтому, говоря про технологии ИИ, мы, прежде всего, имеем в виду прикладное машинное обучение (Machine Learning или ML). Нейронные сети, Deep Learning — это всё методы машинного обучения, коих, на самом деле, довольно много, а фундаментальное отличие машинного обучения позволяет ему проникнуть во множество отраслей.

Фундаментальное отличие машинного обучения от других технологий в том, что оно работает по принципу черного ящика. Вместо написания сложного поведенческого алгоритма, мы учим ящик реагировать, как нам надо на большом объёме данных. Конечно, сами модели ML могут быть очень сложными, с несколькими слоями, технологиями, дополнительной логикой. Но в конечном итоге эта сложность окупается способностью обученной модели давать точные предсказания с высокой скоростью работы.

На российском рынке машинного обучения сейчас интересная ситуация. С одной стороны мы имеем санкции, экономический спад, отсутствие четкой программы на восстановление и поддержку наукоёмких ИТ. Бюджеты на ML есть только у крупных и, часто, связанных с государством компаний. С другой стороны у нас есть сильная математическая база, накопленная в советские времена, когда идей и алгоритмов придумали много, а вычислительных мощностей и технологий не хватило для расчётов на больших данных. Есть много умных мальчишек и девчонок в разных городах, которые быстро осваивают технологии машинного обучения и прокачиваются в мат. статистике. Да, многие специалисты из поколения Y очень перспективны, и с ними нужно учиться работать, адаптировать устаревшие подходы, и они того стоят. То есть у нас есть математическая база, есть специалисты и есть развивающийся рынок потребителей в виде крупных компаний, к которым медленно подтягиваются средние и небольшие компании (SME).

А ещё есть более развитый международный рынок, и многие российские специалисты работают на подряде у американских компаний, либо разрабатывают продукты для международного рынка. Николай Давыдов из Gagarin Capital на днях написал, что его в кремниевой долине чуть ли не каждый день просят найти русских разработчиков по ML, у них нехватка кадров, а наши специалисты лидируют по цене/качеству.

1. В «Техносерве» направление машинного обучения, вместе с обработкой больших данных, выделено в отдельный центр компетенций с прямым подчинением топ-менеджменту и особым вниманием руководства. В этом году наш центр компетенций растёт, мы набираем людей и у нас появились крупные интересные проекты, на которые компания делает ставку. Также мы активно развиваем продуктовое направление, потому что готовые программные решения более маржинальны и тиражируемы. Для компании, отмечающей своё 25-летие и много лет проработавшей с крупными государственными проектами, это очень хороший показатель понимания приоритетов развития технологий.

3. Для нашей страны проникновение технологий машинного обучения вызовет эффект взорвавшейся бомбы в первую очередь в государственных учреждениях. Основной эффект от ML — это в первую очередь оптимизация и экономия ресурсов (количества специалистов и времени лиц, принимающих решения). В нашем понимании госкомпании — это огромные монстры с большими бюджетами, сложными бизнес-процессам, долгими сроками принятия решений и избыточным персоналом. Это касается многих сфер, контролируемых или регулируемых государством. Большинство понимает необходимость перемен и текущий кризис, вместе с прикладными решениями по автоматизации, нам в этом, безусловно, помогут.

Из отдельных отраслей я бы выделил здравоохранение с развивающейся телемедициной, где возможности ML могут помогать в идентификации больных, в постановке диагнозов, подборе препаратов и контроле лечения. В электроэнергетике с автоматизированным детальным предсказанием пиков потребления, предсказанием поломок и раннего ремонта в сложных и дорогих газотурбинных установках, ГЭС и даже на атомных электростанциях. Кстати, недавно Росатом объявил о создании фонда в 6 млрд рублей, направленных на развитие высокотехнологичных решений в своей отрасли. В отрасли торговли я выделяю Интернет-торговлю (e-commerce), наступающую на пятки оффлайновым магазинам. Она здорово выиграет от технологий ML (это и чат-боты, и автоматический приём и обработка телефонных заказов, и расчёт логистики товаров и доставки, и многое другое). ЖКХ с детальными прогнозами потребления и потерь используемых ресурсов, предсказания ремонта труб, лифтов, расчёта загрузки и вывоза мусора, оптимизацией мониторинга и диспетчерской службы. Позже подтянется сельское хозяйство, и другие отрасли. По мере проникновения машинного обучения на рынок, выиграют все отрасли российской экономики.

4. Качественно улучшится работа служб мониторинга и контроля, видеонаблюдения. Рутинный труд вроде контроля брака на производстве. Работа экономистов и специалистов, рассчитывающих прогнозы. В Интернете есть целый перечень профессий и видов деятельности, на которых сильно повлияет машинное обучение, вплоть до полной автоматизации. В нём упоминают таксистов и бухгалтеров, хотя через чур торопятся с проникновением технологий. Историческая аналогия: во время первой промышленной революции, после изобретения паровых двигателей, пахари, управлявшие плугом с запряженной лошадью, перешли в трактористы. Одновременно понадобились механики по ремонту, инженеры по проектированию, рабочие по производству техники. Также и с машинным обучением — работа людям, готовым учиться, всегда найдётся. Просто она станет интереснее.

5. В крупных российских коммерческих компаниях пока недостаточно отработаны внедрённые решения на базе машинного обучения, чтобы на волне их успеха ускорить продажи и внедрения в других компаниях. При этом проекты идут, некоторые уже окупились и приносят компаниям-заказчикам доход, некоторые ещё в процессе накопления данных, проверки различных гипотез и моделей.
В средних и малых компаниях рынок растёт быстрее, но требует готовых программных продуктов. Нужно время, чтобы обернуть востребованные технологии машинного обучения в продукты. Говоря о продуктах, конечно же, я имею в виду облачные сервисы.

К препятствиям также относится факт, что не все технологии машинного обучения достаточно зрелы для российского рынка, например, в США очень много алгоритмов ML распознавания и синтеза английского языка, а для русского их либо нет, либо есть очень простые. Опять-таки, время это исправит, Яндекс на днях предоставил бета-версию голосового ассистента Алисы, с акцентом на работе с русским языком.

В государственном секторе наметились положительные сдвиги, но здесь не все просто. Тут основное препятствие — многолетняя замкнутость системы на себя, сложности с внедрением перемен. Сейчас на волне кризиса и установок государства на ИТ-технологии система пришла в движение. Одновременно с этим высшее руководство даёт сигналы в виде «Цифровизации экономики», что является хорошим знаком.

В заключении я обещал рассказать про Big Data. Несколько лет назад рынок сотрясала тематика обработки больших данных Big Data. Ей пророчили невероятные свершения, многие ИТ-директора переименовали свои направления хранилищ данных и систем бизнес-аналитики в большие данные, а маркетологи продолжали завышать ожидания рынка от технологии, не сильно погружаясь в особенности применения. В итоге получили множество несбывшихся ожиданий, и термин Big Data себя дискредитировал на российском рынке. Вот почему так важно управлять ожиданиями рынка и не улетать в космос, рекламируя искусственный интеллект. Именно поэтому я сразу уточнил, что речь пойдет именно про машинное обучение и дал ему краткое описание.

Мы очень рады, что рынок машинного обучения развивается спокойнее, чем рынок Big Data. Более того, наконец, сама обработка больших данных нашла себе достойное применение в лице машинного обучения. С точки зрения технологий, вырисовывается следующая иерархия:

• Технологии интернета вещей — IoT формируют большое количество полезных для анализа данных.
• Технологии обработки больших данных — Big Data загружают данные IoT к себе, обрабатывая их, совмещая и обогащая.
• Технологии машинного обучения — ML, поверх Big Data, обучаются на всех собранных данных и выдают предсказания/прогнозы с растущей по мере обучения точностью, используемые для автоматического принятия решений, либо итогового контроля человеком.

Проникновение IoT ещё очень мало, но уже сейчас, используя Big Data и ML, мы разрабатываем коммерчески выгодные решения. И машинное обучение на сегодня является вершиной этой пирамиды.

«Наша компания инвестирует в технологии ИИ как для обеспечения собственного технологического процесса, так и для повышения пользовательских качеств наших услуг для клиентов»

Ярослав Городецкий, генеральный директор CDNvideo

Наша компания инвестирует в технологии ИИ как для обеспечения собственного технологического процесса, так и для повышения пользовательских качеств наших услуг для клиентов. Возможности использования новых технологий растут постоянно, скорее всего, инвестиции в них тоже увеличатся. С помощью технологий ИИ мы сможем разгрузить специалистов, например, снять задачу проверки входящего контента и выявления недопустимого содержания. Применение новых технологий позволяют также решать задачи, которые просто невозможно (или слишком трудозатратно и при этом малоэффективно) закрывать человеческим ресурсом. Например, оценка эфира телеканала на упоминание конкретного бренда - не только в рекламных паузах, но и в новостях, ток-шоу и других программах, сериалах, музыкальных клипах, фильмах и т.д.

Tel.: (499) 277-12-41  Fax: (499) 277-12-45  E-mail: sa@samag.ru

Copyright © Системный администратор