В рамках пленарной дискуссии «Machine Revolution» руководители российских компаний и AI-разработчики обсудили реальные кейсы применения искусственного интеллекта и машинного обучения для решения актуальных бизнес-задач. Модератором дискуссии выступил Александр Тихонов, директор департамента по продвижению ПО IBM в России и СНГ, который вместе с участниками разбирался, совершит ли искусственный интеллект революцию в бизнесе в следующие пять лет.
Руководители российских компаний отметили, что бизнес на сегодняшнем уровне автоматизации не вполне готов к использованию высокотехнологичных инструментов, таких как нейронные интерфейсы или машинное обучение. По мнению Ильи Тихомирова, заведующего лабораторией «Интеллектуальные технологии и системы» ФИЦ ИУ РАН, первыми на появление ИИ среагировали те индустрии, где максимально проникновение цифровых технологий, например, банки, ИТ и телеком. Эти отрасли кардинально меняются уже сейчас из-за массового внедрения высоких технологий.
При этом более «консервативные» индустрии, такие как промышленность и производство, по мнению эксперта, не могут адаптироваться к новым условиям так быстро. Ученый считает, что предприятия должны «отбить» средства, вложенные в существующую инфраструктуру, и только после этого они смогут перейти на высокотехнологичные решения. Именно поэтому «Индустрия 5.0» на базе искусственного интеллекта – это дело отдаленной 20-30-летней перспективы.
Присоединившийся к дискуссии Андрей Джанбаев, экс-директор департамента архитектуры IT X5 Retail Group, отметил, что основным барьером для развития бизнес-ориентированного ИИ в России являются вычислительные мощности. Спикер проиллюстрировал свой тезис примером из практики ритейл-сетей: основная задача искусственного интеллекта в ритейле – понять, сколько товара выложить, чтобы не произошло out-of-stock или over-stock. Для этого необходимо точно прогнозировать спрос и планировать ассортимент с учетом многочисленных факторов, от среднего чека в зависимости от прогноза погоды до внешней политики. Другими словами, работать с огромными массивами данных. Подобная аналитика для такой крупной сети, как X5, потребует огромных, дорогостоящих вычислительных мощностей. При этом система должна не только делать долгосрочные прогнозы, но и корректировать их в краткосрочной перспективе в режиме онлайн.
По мнению эксперта, именно из-за высокой стоимости решений внедрение «умных» алгоритмов пока сильно ограничено вопросом их экономической целесообразности. Например, в промышленности внедрение предиктивной аналитики не приносит значительных экономических результатов: она применима только на уровне прогнозирования поломок оборудования и планирования ТОиР (работ по техническому обслуживанию и ремонтам). Зато для нишевых бизнесов, таких как электроника или фэшн-ритейл, нейронные интерфейсы – огромное поле для творчества. Именно в этих секторах стоит ожидать первые «умные магазины».
Петр Иванов, директор по IT и BI «Ипсен», главным преимуществом искусственного интеллекта назвал скорость обработки данных. По его мнению, в ближайшей перспективе ИИ поможет компаниям обрабатывать любые данные, в том числе неструктурированные, в режиме онлайн, и принимать взвешенные управленческие решения на базе самой актуальной аналитики.
Об итогах использования технологий ИИ в бизнесе участникам форума рассказал Александр Сидоров, руководитель направления анализа данных HeadHunter, представивший результаты внедрения системы ранжирования резюме на основе AI, которую HeadHunter запустил год назад. Вместо ранжирования резюме и вакансий по текстовым соответствиям с новой системой компания прогнозирует отклик. В итоге кандидат просматривает десятки, а не сотни страниц с результатами поиска, зато откликается на вакансии намного чаще, откликов и приглашений на собеседования - больше. А хантинговая компания значительно снижает трудоемкость процесса: на автоматизации HeadHunter экономит тысячи трудочасов в год.
О востребованности технологий ИИ в «цифровых» секторах экономики, таких как реклама и маркетинг, говорил с участниками форума Дмитрий Федосеев, Performance Director OMD Resolution Russia. Эксперт отметил, что системы на базе искусственного интеллекта и машинного обучения используются в интернет-рекламе и маркетинге для разных задач, начиная от прогнозирования эффективности рекламных кампаний, заканчивая оптимизацией таргетингов. Такие системы могут предсказывать потребность в продукте, а не анализировать его продажи. Подобную задачу будет решать и система, разрабатываемая командой Navicon в партнерстве OMD OM Group, для прогнозирования телевизионных рейтингов с высокой точностью и многократной оптимизации закупок телевизионный рекламы.
Продолжая тему востребованности AI-решений на рынке, Евгений Смирнов, коммерческий директор Navicon, обратил внимание аудитории на то, что даже сейчас не все руководители бизнеса понимают реальную ценность собираемых и обрабатываемых данных.
Мы в Navicon долго учились собирать данные, как внутри компании, так и с внешнего рынка. Мы научились стандартизировать их, приводить к единому виду и эффективно использовать для того, чтобы оценивать текущую ситуацию в компании и даже видеть ее перспективы. Но одновременно мы осознали, что далеко не все руководители бизнеса готовы понимать данные и использовать их,
— отметил эксперт.
Поэтому, по мнению Евгения, лучшие перспективы ожидают те системы, которые будут прогнозировать вероятность наступления событий на короткой дистанции. Поменять месячный план производства с минимальными потерями, когда пришел крупный тендер, запланировать закупки запчастей для всех производственных цехов – эти задачи понятны даже тем руководителям, которые уверены, что знают о своем бизнесе всё и данные им ни к чему. Именно поэтому сейчас растет спрос на два типа решений: экспертные системы – для тех руководителей, которые готовы обратиться к машине за экспертным советом, и роботизированные решения – для тех, кто хочет снизить ресурсозатратность бизнеса.
Кроме участия в пленарной дискуссии, участники форума обменялись опытом в рамках тематических сессий и смогли ближе познакомиться с возможностями аналитической платформы IBM Watson Analytics, разумной службой обнаружения данных, доступной через облако, которая помогает просматривать данные, автоматизирует прогнозную аналитику и позволяет создавать дэшборды и наглядную инфографику.