Почему ИИ положен в долгий ящик?

«"Человеки" – заноза в одном месте, во всех смыслах, поэтому роботы обречены на успех»

Алиев Руслан, маркетер, Wentor LLC

AI – не сформированная технология, она на заре своего развития, на стадии научных исследований, когда еще рано говорить даже о появлении «обернутого» коммерческого продукта, не то что о массовом рынке. Работать с ней готовы сейчас только технологические гиганты, способные оценить перспективу и располагающие средствами для инвестирования в нее, и техноэнтузиасты, которые всегда «на острие» прогресса.

С другой стороны, прикладные технологии на основе искусственного интеллекта использует каждый из нас уже сейчас, например распознавание речи в смартфонах. Да, это совсем не то, что мы видели в фантастических фильмах, однако это востребованная и успешная прикладная реализация простейших форм AI, его первые робкие шаги.

Второй важный аспект – завышенные ожидания. Например, это касается «речевого ИИ». Лучшее, чем сейчас располагает человечество в плане обработки естественного языка и выстраивания диалога, – это AIML и семантический анализ на регулярках (нынче называемый модной аббревиатурой NLU). Это не поражает воображение, но это работает.

Мы в своем проекте Call Office активно развиваем и продаем возможности речевого ИИ. Его можно научить телефонным продажам и все больше наших клиентов внедряют его. Это реальная коммерческая реализация, доступная и понятная каждому, – заменить оператора call-центра на машину. Да, интеллектом такой чат-бот не страдает, но с работой справляется. И, что важнее, его внедрение не требует специальных знаний и навыков.

Именно высокий порог вхождения – основное ограничение всех новых технологий. И снижение этого порога за счет создания простых интерфейсных решений и стандартизации – основная задача рынка сейчас. А востребованность можно гарантировать. Сложно переоценить выгоду от автоматизации интеллектуального труда. Даже если это труд «девочки на телефоне».

К нам обращается очень много небольших компаний, только планирующих внедрение телефонного маркетинга. И очень важно, что первым решением они выбирают именно робота, а не человека. «Человеки» – заноза в одном месте, во всех смыслах, поэтому роботы обречены на успех.

«Не стоит пока ожидать вытеснения людей искусственным интеллектом, хотя такой тренд уже намечается»

Максим Болышев, заместитель директора департамента банковского ПО RS-Bank компании R-Style Softlab

1. ИИ уже достаточно хорошо распространен. Он применяется для решения таких задач, как управление роботизированными механизмами на производстве, диагностика, обработка больших объемов информации. Нас как конечных пользователей эта технология тоже коснулась, поскольку применяется чат-ботами, автоинформаторами, используется в обработке фото- и видеоинформации и многих других областях.

Однако есть одно но… Применение ИИ, как правило, связано с его обучением, которое производится на основе накопленных данных. Вот тут-то и может крыться проблема, ведь далеко не у всех эти данные имеются и не все имеют возможность их собирать.

Нужно отметить и тот факт, что сама технология ИИ еще является несовершенной, в частности, понять искусственному интеллекту смысл сказанного до сих пор не под силу.

2. Мы уже используем искусственный интеллект в своих продуктах, например в чат-боте RS-Bot. С его помощью чат-бот при общении с собеседником (например, клиентом банка) распознает его запрос и выдает верный ответ.

Использование ИИ позволяет нашей компании занимать лидирующие позиции на рынке банковского ПО и предлагать клиентам самые современные технологии. Но для этого нам требуются специалисты соответствующего уровня и сопутствующие технологии. А также нужно понимание возросших требований бизнеса.

3. Главное качество специалиста по ИИ – математический склад ума, людям, обладающим им, проще дается все остальное. А еще нужны компетенции в сфере машинного обучения, Data Science, кластеризации, нейронных сетей, обеспечения качества данных.

Соответствующие знания можно получить как на специализированных курсах, так и самостоятельно. Однако практика по использованию этих знаний потребует работы с большими данными, а значит, и достаточно мощного оборудования, что ограничивает возможность самостоятельного освоения технологии и дальнейшего ее использования.

Внедрение ИИ позволяет по-новому взглянуть на решение существующих задач, например, оптимизировать работу над сложными и объемными вопросами или автоматизировать процессы принятия решения и формирования индивидуального предложения.

В то же время стоит отметить, что появление новых технологий способствует еще и расширению горизонта. Приведу такой пример: в 2017 году в линейке нашей компании появился новый продукт – чат-бот. Фактически это робот, который может общаться с клиентом. Период использования ИИ и разработки чат-бота совпал по времени с ростом активности пользователей в социальных сетях и мессенджерах. Это позволило нам вывести на рынок новое решение RS-Bot – мультиканальный чат-бот, доступный через такие мессенджеры, как Viber, Skype, Facebook messenger, Telegram, а также через социальные сети, на сайте банка или через СМС.

Сегодня больше важна кроссплатформенность ПО – чтобы сотрудники могли работать независимо от того, например, какая операционная система на их компьютерах или телефонах.

В России и вообще в странах СНГ – это сильные ИТ-специалисты с хорошими идеями и правильной мотивацией. Многие российские технологии – из области автоматизации процессов или принципиально нового подхода к бизнесу –внедряются гораздо раньше, чем аналоги в Америке или Европе. Взять хотя бы знакомые нам лет десять инфокиоски, которые только появляются во многих передовых странах. Или скоростной мобильный интернет, который у нас появился гораздо раньше, чем в ряде европейских столиц. Я бы сказал, что у нас быстрее идет информатизация бизнес-процессов малых и средних предприятий, в то время как на Западе быстрее развивается информатизация продаж.

5. Я думаю, что в ближайшие пять лет радикальных изменений по развитию искусственного интеллекта ожидать не стоит, но при этом, скорее всего, применение ИИ затронет большинство областей корпоративного сектора, где требуются обработка больших объемов данных и принятие решения. И, конечно, не стоит пока ожидать вытеснения людей искусственным интеллектом, хотя такой тренд уже намечается (например, некоторые банки принимают решения о выдаче кредитов с использованием ИИ, что высвобождает достаточно много людских ресурсов).

«Уже через 5 лет, например, при звонке в компанию мы будем разговаривать сначала с роботами, а только потом с людьми. Или только с роботами»

Дмитрий Каштанов, руководитель digital-направления компании ICL Services

1. С одной стороны, массовому потребительскому и бизнес-применению мешает уровень развития цифровых технологий. С другой стороны, этому препятствуют завышенные ожидания от подобного рода технологий. Зачастую от ИИ ожидают general activity intelligence, то есть общей интеллектуальности, которая выражается в возможности отвечать на любые вопросы. Но если найти определенную нишу и сузить задачу, то ИИ будет иметь отличный эффект.

2. Сейчас наша компания занимается цифровыми проектами на основе машинного обучения и компьютерного зрения. При решении задач автоматизации достаточно быстро достигается предел возможностей простых методов машинного обучения, поэтому для следующей категории более сложных задач мы планируем применять уже технологии искусственного интеллекта.

3. Сначала это математика, аналитика, программирование. Дальше – базовые технологии в машинном обучении. И непосредственно профильное обучение в ИИ. Образовательные программы, курсы, вебинары – ищите все, что есть на данный момент в открытом доступе и на интернет-ресурсах. Это поможет максимально раскрыть технологический арсенал.

4. Внедрение инноваций в бизнес-процессы в первую очередь повышает их эффективность. Во вторую очередь позволяет их трансформировать в новые подходы и новые бизнес-модели. Бизнес-процессы качественно улучшаются, но появление новых направлений совсем необязательно. Сначала следует задать резонный вопрос: «А надо ли?» Именно новые модели в бизнесе изменяют, а иногда даже подрывают рынок новым взглядом на ситуацию.

5. Все зависит от степени развития технологий и когда они станут доступными и упакованными. Отдельные элементы машинного обучения и ИИ уже представлены на рынке. Например, технологии по автоматизации чат-ботов от компании Microsoft. Правда, такие веб-сервисы пока не предоставляются на русском языке. Но если подобных сервисов будет больше, то и перспектив внедрения решений по искусственному интеллекту станет больше.

Так что вероятно, уже через 5 лет, например, при звонке в нужную компанию мы будем разговаривать сначала с роботами, а только потом с людьми. Или только с роботами.

«Сейчас российский рынок свободен. Многие корпоративные заказчики создают лаборатории и инновационные хабы, устанавливают Hadoop-кластеры для сбора данных»

Роман Гоц, глава департамента больших данных и безопасности компании Atos

1. Первое – это страх людей перед ИИ. Рядовые ИТ-специалисты боятся потерять свои рабочие места, что может произойти, например, с внедрением когнитивного ЦОДа. Можно также вспомнить и русскую поговорку: работает – не трогай! С внедрением ИИ так не получится, т.к. все процессы проходят реинжиниринг и то, что казалось обычным и привычным, может оказаться неэффективным. Неэффективное использование ресурсов серверов, хранение данных на СХД, неэффективная коммуникация и так далее.

Руководители и ИТ-директоры боятся того, что данные, которые они собирают и обрабатывают, будут украдены. Они боятся, что данных станет настолько много, что вместо поддержания и развития текущих ИТ-систем CIO будут заниматься только работой с данными. Ведь уже появилась должность CDO – Chief Data Officer.

Второе ограничение заключается в инфраструктуре заказчиков, ее готовности к внедрению ИИ. Компании покупают традиционные физические серверы, СХД и т. д. Внедрение ИИ же сопряжено с закупкой нового, весьма недешевого оборудования. Основной составляющей такой трансформации станут серверы с интегрированными графическими процессорами (GPU). Но что мешает выбирать серверы с поддержкой GPU при внедрении S4/HANA, при миграции на PostgreSQL или модернизации инфраструктуры для СУБД Oracle? Если заниматься этим уже сейчас, то через пару лет внедрить ИИ и воспользоваться его преимуществами сможет любое предприятие, при этом без существенных капитальных затрат.

2. Компания Atos вместе со своим технологическим брендом Bull сегодня предлагает серверы BullSequana S под девизом «ИИ на полных мощностях!». Мы идем дальше, трансформируя свой вендорный бизнес. Мы смотрим, как развивается рынок ИИ, и понимаем, что важно не только построить правильную серверную инфраструктуру, но и помочь предприятиям внедрить технологии искусственного интеллекта. Речь идет об услугах профильных специалистов, (например, Data Scientists), а также соответствующем программном обеспечении. И в самое ближайшее время именно ПО будет в фокусе внимания компании.

С точки зрения Atos и ее технологического бренда Bull выпускать очередное приложение для узкой сферы применения нет смысла. Наилучшее решение – дать возможность заказчикам, используя новое ПО и серверы BullSequana S с GPU, самостоятельно создавать необходимые им ИИ-инструменты и применять их для решения собственных задач, будь то когнитивный ЦОД или интеллектуальное видеонаблюдение. Выход на рынок программно-аппаратного комплекса Bull намечен на начало июля во время мероприятия Atos Technology Days в Париже.

3. Необходимы Data Scientists. В нашей стране с ними беда: они не хотят оставаться здесь и мигрируют за границу. Нужен комплекс мер по становлению данной отрасли. Необходимо, чтобы российские заказчики не надеялись, что Google, AWS или Cortana в облаках все сделают за них. Крупным компаниям будет гораздо лучше с помощью российских ученых в сфере больших данных разрабатывать способы использования данных и создания такого ИИ, который для них бы был наиболее эффективен.

4. Обязательно поможет. А дальше компания решит сама развивать это направление или нет. Мой любимый пример с российской нефтяной компанией. Слышали ли вы о том, что некая российская нефтяная компания на продаже кофе на АЗС заработала больше, чем на бензине? Так вот, только представьте, если она внедрит на заправочных станциях интеллектуальное видеонаблюдение, тем самым многократно увеличив прибыль данного направления!

5. Перспективы самые превосходные. Сейчас российский рынок свободен, как пашня без посевов. Можно палку воткнуть, и она прорастет. Многие корпоративные заказчики создают лаборатории и инновационные хабы, устанавливают Hadoop-кластеры для сбора данных, пробуют анализировать и предсказывать результаты своей операционной деятельности. Чем больше такой активности – тем лучше. Пять – десять лет назад телефон для большинства был лишь средством для совершения звонка другому человеку, сегодня же это полноценный личный помощник. Так и корпоративный сервер: сейчас для многих это просто вычислительное оборудование для решения текущих задач, а через пять– десять лет он превратится в незаменимого корпоративного помощника, предсказывающего оборот и прибыль компании в ближайшие годы. С небольшой поправкой для России: этот сервер должен стоять в вашем ЦОДе, не в облаке, и называться BullSequana S.

«В долгосрочном плане ИИ полезен для бизнеса, поскольку дает целый пласт новых подходов и инструментов для решения извечных задач предприятий»

Светлана Гацакова, директор департамента корпоративных информационных систем ALP Group

1. На мой взгляд, чтобы технология искусственного интеллекта (ИИ) распространялась в бизнес-среде не на словах, а на деле, необходимо соблюсти несколько условий. Первое – это наличие источников данных и уже накопленных баз данных и знаний, по которым можно обучать нейронные сети (или другие инструменты ИИ) и верифицировать модели. Качественное обучение и верификация – необходимое (но не достаточное) условие того, чтобы ИИ в дальнейшем принимал самостоятельные решения.

Второе условие – достоверность и качество данных. Как используемых в обучении и верификации, так и тех, которые будет перерабатывать ИИ, открывая в них те или иные паттерны и генерируя управленческие решения. Применительно к ERP-системам, это качество данных является большой проблемой. А это означает, что компания, доверившая принятие сколько-нибудь ответственных решений искусственному интеллекту, с большой вероятностью может оказаться в невыгодной ситуации по сравнению с предприятиями, где управленческие решения принимают знающие менеджеры. Третья причина связана со слабой проработкой вопросов ответственности за решения, принятые технической системой. Все это и ограничивает не только практическое распространение ИИ, но и включение его в конкретные планы развития на ближайшую перспективу.

2. Да, конечно. Мы не только планируем, но практически работаем в этом направлении. Например, уже проектируем, разрабатываем и испытываем собственные системы, в которых используется искусственный интеллект, экспериментируем с различными технологиями ИИ, находим наилучшие сферы их применения. И пробуем новые технологии на себе. Например, в настоящее время мы переходим на новую систему управленческого учета и закладываем в нее как минимум систему роботизации. По поводу более рискованных применений искусственного интеллекта, где он будет принимать решения, – этот вопрос пока обсуждается. О причинах такой осторожности я говорила выше. Чтобы мы приняли решение в пользу и этого варианта применения ИИ-технологии, необходимо для начала провести приближенные к реальности пилотные проекты, где будет контролироваться качество данных и проведена стандартизация отражения операций.

Также необходимо определиться с тем, какие именно решения мы хотим принимать по-новому. Тут есть ограничения. Так, на данный момент в нашей отрасли мы не можем отдать бизнес-решения на откуп искусственному интеллекту. Если же мы выберем, скажем, финансовые решения, повышающие эффективность вложений, обеспечивающих устойчивость компании, то здесь уже сегодня искусственный интеллект сможет, пожалуй, подсказать интересные варианты решений («вам бы не мешало взять кредит в банке» и т.п.), основанные на множестве показателей. Но мы средняя компания и пока не видим необходимости применять такие решения в своем бизнесе. Возможно, для нас более полезным и приемлемым с точки зрения сохранения сложившейся культуры управления было бы применение «слабого» ИИ, помогающего человеку, но не пытающегося его заменить. Такая система будет выступать больше как средство роботизации, но не более.

3. Технологии искусственного интеллекта существуют уже давно. И давно находят практическое применение в ряде отраслей. Конечно же, люди с компетенциями разработки таких технологий есть на рынке.

Я считаю, что в первую очередь нужны знания в области фундаментальных концепций и опыт в разработке различных математических моделей и их применении при решении аналитических задач. Но для успешного практического применения ИИ в сфере управления предприятиями этого мало. Специалисты должны обладать также знаниями в области бизнес-процессов и узконаправленными отраслевыми знаниями (например, в области финансового учета). Также им важно иметь опыт программирования и разработки интерфейсов, даже если эти функции возложены на других членов команды.

Поскольку для ИИ важно качество данных, то у специалистов должен быть наработанный опыт в области управления информацией и поддержки технологических платформ (в частности, для Big Data).

Сегодня эти знания (по отдельным направлениям) могут дать крупные вузы страны (специализация «прикладная математика и информатика») и, возможно, система корпоративного обучения. А вот объединить все эти направления в одну целостную систему при подготовке каждого специалиста, по-моему, система обучения пока не может. И это серьезная проблема.

4. Я не сказала бы, что в ближайшие пять лет нас «захватят» роботы. Ведь мы только начинаем задумываться о том, что необходимо сделать, чтобы с пользой внедрить искусственный интеллект в бизнес-процессы компаний. Одним из таких действий «вперед» будет выполнение проектов по качеству данных, чтобы инфраструктура с метаданными управлялась эффективно. Реализация только этих проектов займет не менее трех лет. А ведь это только основа. Поэтому я считаю, что мы подойдем к тому, когда эти технологии будут восприниматься не как ноу-хау с неясными перспективами, а как норма для большинства предприятий, не раньше, чем лет через 10. И это оптимистический прогноз. Но сам тренд в сторону ИИ однозначно перспективен и будет «жить», несмотря на временные спады интереса, которые всегда следуют за вспышками избыточного оптимизма. В долгосрочном плане ИИ полезен для бизнеса, т.к. дает целый пласт новых подходов и инструментов для решения извечных задач предприятий: снижения затрат, ускорения процессов, повышения продуктивности сотрудников, борьбы за лояльность клиентов и сотрудников, поиска перспективных рыночных ниш.

«Если говорить о технических компетенциях анализа данных и построения AI-систем, то сейчас в России многие университеты запускают проекты в этой сфере»

Никита Кардашин, руководитель по развитию решений в области анализа данных и машинного обучения NAUMEN

1. Повсеместному применению AI фактически уже ничего не мешает. AI-технологии, в той или иной мере, стали частью повседневной жизни. Так же, как в свое время радио, телефон или интернет стали неотъемлемой частью технологического пейзажа. Такси, службы доставки, навигация, адресные предложения в торговых сетях и у операторов связи, автоматизированные call-центры и мобильные приложения-боты – искусственный интеллект используется «здесь и сейчас». Другой вопрос, что далеко не все компании действительно подходят к внедрению технологий централизованно и стратегически – во многих случаях они внедряются по инициативе отдельных специалистов. Это, так или иначе, путь к интеллектуализации, хотя и гораздо менее эффективный, чем централизованное внедрение.

2. Наша компания активно использует AI как в разрабатываемых продуктах для внешнего рынка, таких как Naumen Service Desk, SMIA и Contact Center, так и в оптимизации внутренних процессов – мы используем собственные решения для повседневной работы. Сегодня вендоры на собственном примере демонстрируют готовность к трансформации.

3. Для реализации комплексного внедрения современных технологий в компании в первую очередь необходима перестройка взгляда на организацию процессов.

Цифровая трансформация бессмысленна на отдельно взятых участках, она должна затрагивать процессы целиком и начинаться с переосмысления целеполагания, рисков, концепций управления. Это, к примеру, учит получившая международное признание методология Data Governance, описанная в книге Data Management Body of Knowledge. Все чаще клиенты нашей компании интересуются консалтингом в этой сфере, который мы готовы оказать. В первую очередь это комплексное понимание бизнес-процессов и задач по их трансформации.

Если же говорить о технических компетенциях анализа данных и построения AI-систем, то в России многие университеты запускают проекты в этой сфере – к примеру, мы сотрудничаем с Уральским федеральным университетом в сфере подготовки специалистов по Data Science. Никто не отменял и международные сервисы, такие как Coursera, – они позволяют обучаться удаленно. Data Scientist, ключевой сотрудник AI-направления, это всегда смесь математика, программиста и бизнес-аналитика.

4. Поможет – и появлению новых, и модернизации существующих. В ближайшие пять лет ИИ-технологии станут неотъемлемой частью бизнеса. В РБК-500 не останется компаний, которые так или иначе не будут применять подобные решения.

Основная точка возможностей – это работа с клиентским опытом, возможность его обобщения и ускорения коммуникации с рынком. Причем клиентский опыт в 2018 году – это не только и не столько прямая коммуникация, сколько собранные «фоново» данные – от тепловых карт людских потоков до статистики поисковых запросов. (Вы не знаете, где открыть пиццерию? Посмотрите, где люди чаще всего ищут по запросу «ближайшая пицца».) Аналитика данных позволяет развивать бизнес не интуитивно, а опираясь на фактические числа, не проверять сгенерированные «на глазок» гипотезы, а делать именно то, чего ждет рынок.

«В российской практике слишком мало тех, кто любопытства и развития ради может себе позволить долгосрочные инвестиции с малопонятным результатом»

Денис Кузьмин, исполнительный директор компании X-Com

1. Сегодня исследования и разработки в области искусственного интеллекта лежат больше в плоскости научно-технических изысканий и являются уделом крупных технологичных корпораций, готовых к венчурным инвестициям. За пределами России их развивают крупнейшие технологические и ИТ-гиганты, такие как Google, IBM, Amazon, Microsoft, Facebook.

Первые шаги к практическому использованию этих технологий делают и отечественные компании. Например, известный опыт Сбербанка показывает позитивные результаты. ИИ пытаются применить в сфере массового обслуживания– банки, операторы связи и т.п. автоматизируют обработку входящих звонков системами с элементами искусственного интеллекта, которые общаются с собеседником как обычный оператор.

Все это – фрагментарные попытки внедрения прикладных элементов технологий ИИ с целью ускорения возврата инвестиций, технологических исследований, для имиджевых и репутационных целей. Но при сегодняшнем уровне развития этих технологий говорить о широком прикладном применении ИИ в массовом бизнесе в сколь-нибудь обозримой перспективе пока не приходится. Это чрезвычайно капитало- и наукоемко для 95% тех, кому технологии могут понадобиться.

2. Использовать средства искусственного интеллекта мы не планируем.

4. Вероятнее ситуация, когда эти технологии будут способствовать формированию новых рыночных ниш и появлению новых интеллектуальноемких направлений. Но происходить это будет постепенно и точно не в ближайшие годы.

5. Как сказал выше, в российской практике слишком мало тех, кто любопытства и развития ради может себе позволить долгосрочные инвестиции с малопонятным результатом. Для бизнеса, базирующегося на собственном или заемном капитале, сегодня это пустые инвестиции. Для бизнесов с неисчерпаемыми ресурсами – возможность «поиска» инструментов развития и репутационная история. Реально интересны технологии могут быть в госуправлении для нужд оборонного сектора и финансово-монетарной политики. И, как мы видим, государство движется в этом направлении, создавая новые институты, призванные заниматься, в том числе, развитием и имплементацией цифровых технологий.

«Внедрению ИИ в бизнес мешают завышенные ожидания и отсутствие четкого понимания, куда нужно вкладывать деньги для получения ясных и ощутимых результатов»

Андрей Терехов, генеральный директор «ЛАНИТ-ТЕРКОМ» (группа компаний ЛАНИТ), профессор

1. Еще полвека назад у нас на мат-мехе СПбГУ говорили, что искусственным интеллектом занимаются те, у кого естественного не хватает. Среди множества определений ИИ мне особенно нравится следующее: первоначально в ИИ включалось множество наук – теория передачи информации, распознавание образов, выделение речи в шуме, решение логических задач и т.п. Постепенно некоторые из этих направлений приобретали законченные научные очертания и вставали в ряд четко сформулированных научных направлений. То, что осталось из исходного массива, и является искусственным интеллектом.

Повсеместному внедрению ИИ в бизнес мешают завышенные ожидания и отсутствие четкого понимания, куда нужно вкладывать деньги для получения ясных и ощутимых результатов.

2. Сегодня компания «ЛАНИТ-ТЕРКОМ» активно занимается по крайней мере двумя направлениями ИИ – компьютерным зрением и машинным обучением. В этих направлениях у нас есть определенные научные заделы и первые коммерческие успехи.

Сейчас я занят разработкой стратегического плана развития нашей компании на ближайшие десять лет. Несомненно, в этом плане найдут свое место компьютерное зрение и машинное обучение.

3. Необходимые компетенции стоит искать на математических факультетах и в отделениях различных университетов, в которых есть сильные школы теории вероятности и математической статистики; в инженерных вузах, в которых изучают компьютерное зрение, и, как ни странно, на философских факультетах, которые призваны решить многие вопросы ИИ и границ его применимости.

5. На мой взгляд, машинное обучение уже приобрело скандальную популярность. Им занимаются все подряд, часто не очень понимая сути явления. Я думаю, что это направление ИИ ожидает такая же участь, как и всего ИИ в целом, –машинное обучение разобьется на отдельные направления со своими задачами и решениями.

«Сейчас ИИ только набирает обороты и развивает свой потенциал»

Денис Архипов, технический директор ООО «МайТэк»

1. Я бы назвал здесь несколько причин − это технологическая сложность ведения проектов, необходимость создания узкопрофильных решений и высокая стоимость услуг специалистов по ИИ.

Сейчас ИИ только набирает обороты и развивает свой потенциал. Это можно сравнить с «прощупыванием» почвы, когда первые пользователи и сами создатели тратят массу ресурсов на освоение новой технологии и опытным путем задают направление ИИ. Но создать универсальный инструмент в формате «взял и внедрил» здесь не получится. Сначала требуется определить перспективные варианты использования ИИ в конкретной сфере, и только затем адаптировать его к задачам бизнеса. А на это нужны время, деньги и наукоемкие знания нескольких специалистов. Позволить себе такие разработки может не каждая компания.

2. Да, такие планы есть. Мы стремимся сделать наш бизнес и бизнес наших партнеров еще более эффективным и прогрессивным с технологиями безбумажного управления корпоративным контентом. Поэтому основной акцент сделали на улучшении процессов работы с документами. Для этого планируем использовать технологии машинного обучения и ИИ в рамках решения DIRECTUM Ario.

Стратегия развития этого продукта включает сервисы, которые выполняют задачи «умной» обработки документов и сокращают время работы делопроизводителей. Пока это первые шаги, но они уже дают свои результаты.

Как это происходит? Работа с документами начинается с их первичной обработки и регистрации. DIRECTUM Ario исключает ручные операции на этом этапе и автоматически распределяет входящий поток по видам документов, журналам регистрации и ответственным на основе обученной модели. Сервис классификации обучается на документах, которые уже есть в организации, а значит, учитывает особенности данной компании. Далее происходит верификация документов в системе. Ответственный сотрудник лишь проверяет, корректно ли сервис распознал и внес параметры в записи справочников.

В перспективе технологию DIRECTUM Ario планируется применять при подготовке клиентской документации, кадровых документов, первичных и внутренних бухгалтерских документов и прочих. Есть желание закрыть весь перечень управленческих документов. Также планируется развитие и других направлений с использованием решения DIRECTUM Ario. Например, это создание так называемой «интеллектуальной» ECM, построение интеллектуальных поисков, аннотирование документов. При этом нацеливаемся не только на работу рядовых сотрудников, но и на работу руководителей. Здесь будет проводиться настройка автоматического создания проектов резолюций на основании вида и содержимого документов. Руководителю останется только ознакомиться с резолюцией, которая будет подготовлена ИИ, и согласиться с ней или отправить на корректировку. Есть даже немного фантастичная, но думаю, реализуемая в перспективе идея, когда ИИ будет сам оценивать резолюцию и при согласии с ней более чем на 90 % автоматически отправлять в работу. Все это позволит избежать рутинности. При этом процент риска прогнозируется как невысокий, так как при некорректности данных резолюцию можно будет вернуть на доработку.

Естественно, будет развиваться интеллектуальное сравнение документов, и, возможно, интеллектуальная маршрутизация документов на основе тех данных, которые будут анализироваться ИИ.

3. Для внедрения технологии ИИ необходимо понимать специфику работы организации, ее потребности и задачи, которые будут закрыты с помощью ИИ. Кроме того, специалист, ответственный за это направление, должен смотреть вперед на несколько шагов, видеть нишу для перспективного развития технологии ИИ в своей отрасли. И главное, он должен быть профессионалом в своем деле, который может объединить знания нескольких специалистов. Пока таких уникумов в мире очень мало. Вероятно, именно поэтому достижения в сфере ИИ связаны с небольшим числом ведущих ИИ-центров при крупных университетах.

4. Уже сегодня машинный поиск скрытых и неочевидных человеческому восприятию закономерностей позволяет многим компаниям выстраивать стратегию бизнеса и создавать системы поддержки принятия управленческих решений. Однако у многих владельцев компаний, кто еще только планирует использовать технологии ИИ, нет четкого понимания, как это должно быть. Поэтому внедрение ИИ часто бывает ради внедрения. А это заведомо ложный путь, который приводит только к неоправданным инвестициям. Здесь критически важно знать основные аспекты этой технологии и определять свои цели от ее внедрения. Только тогда ИИ будет приносить свои плоды.

5. Использование технологии ИИ в корпоративном секторе – это подспорье для принятия решений, дополняющее возможности человеческой оценки. Оно позволяет быстрее и разностороннее обрабатывать данные и выдавать результаты. Поэтому наибольший резонанс, думаю, вызовет внедрение ИИ в тех областях, что связаны с аналитикой и прогнозированием. Например, в банковской сфере ИИ может быть применен при анализе профилей заемщика, в том числе с использованием информации о нем в соцсетях. Весь процесс по проверке и анализу данных будет производиться машиной, а человек станет оператором, который на основе предоставленной и обработанной ИИ информации даст согласие или откажет клиенту в получении кредита.

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

Copyright © Системный администратор