Искусственный интеллект в бизнесе

Изначально стояла задача наладить эффективное управление персоналом российских организаций на уровне ведущих зарубежных компаний. В течение нескольких лет происходил поиск решения этой непростой задачи. Разрабатывалась система мотивации персонала с учетом особенностей российского менталитета. Данная система получила название «Рациональная модель трудовых отношений».

Когда решение было найдено, стало понятно, что сделано серьезное открытие – создана мыслящая, самоорганизующаяся и самообучающаяся система. В конечном счете, разработанная система управления получила название Рациональная модель трудовых отношений «Искусственный Управленческий Интеллект». Первое практическое внедрение состоялось в 1995 году.

Первое упоминание об Искусственном управленческом интеллекте было опубликовано в 1996 году в журнале «Эксперт» № 27 стр. 22-26; второе упоминание в 1997 году в книге В.Бовыкина «Новый менеджмент» стр. 4, 17, 257, 259; третье — в 2004 году во втором издании книги «Новый менеджмент» стр. 257; четвертое — в журнале «Секрет фирмы» № 20 (59), 2004, стр. 64-67. Но все эти упоминания носили информационный характер, говорилось о создании мыслящей, самообучающейся и самоорганизующейся системы, что она успешно работает на практике. При этом при внедрении системы на предприятиях название » Искусственный управленческий интеллект» не использовалось, так как долгое время не было научной теории Искусственного Интеллекта. Развитие теории происходило целых 15 лет и было завершено к 2011-ому году. Такое продолжительное развитие теории закономерно. Для построения любой научной теории предварительно должен быть накоплен определенный материал об исследуемых объектах и явлениях. Поэтому теории всегда появляются на достаточно зрелой стадии развития научной дисциплины. Вначале идет открытие и изучение нового феномена. Затем, очень часто спустя целые десятилетия, появляется научная теория, обосновывающая данный феномен и систематизирующая знания вокруг изучаемого явления. В нашем случае все именно так и произошло. До этого времени внедрение системы происходило под брендом «AMS».

Итак, сначала была создана практическая модель мыслящей системы, было получено много (сотни) положительных результатов на практике, но не было полной законченной теории. И это было проблемой. «Эксперимент вообще ничего не значит, пока он не интерпретирован теорией» — известно высказывание выдающегося физика Макса Борна. Объявлять о создании Искусственного интеллекта было преждевременно. На самом деле, и это понятно, создать научную теорию Искусственного интеллекта, работающего на практике, очевидно — нетривиальная задача.

История термина «Искусственный Интеллект» началась в 1956 году. Именно тогда на конференции в Дартмутском университете (Ганновер, США) Джон Маккарти ввел термин Artificial intelligence (Искусственный интеллект), определяющий разумную, мыслящую машину. Почти сразу амбициозная задача создания искусственного интеллекта увлекла тысячи ученых из многих стран мира. Поэтому Искусственный интеллект на рубеже XX и XXI века рассматривался в многочисленных книгах и публикациях исключительно с позиции компьютерного разума, математических методов и вычислений. И такой литературы было огромное количество. Весь мир словно сговорился, что Искусственный интеллект — это и есть машинный разум. Других вариантов даже не подразумевалось. Все это сбивало с толку, так как новая мыслящая система, прежде всего, была связана с социальной психологией. Компьютер здесь используется лишь как вспомогательное счетное устройство.

Таким образом, во внешнем информационном поле всё крутилось вокруг компьютера, математических методов и вычислений. В таких условиях трудно было по-новому объяснить природу Искусственного интеллекта. Объяснить с совершенно другой точки зрения.

Но с 1956 года, с появления термина «Искусственный интеллект», к 2010 году так и не была на практике создана думающая машина, и теория машинного разума подошла к кризису. Теория машинного разума перестала доминировать и объективно начала распадаться на различные теоретические направления, в том числе, сама теория «разумной машины», нейронные сети, мультиагентные системы и т.п. До сих пор не решен принципиальный вопрос: доказуема ли теоретически (математически) возможность или невозможность создания разумной машины. На этот счёт существуют две противоположные точки зрения. Одни ученые считают математически доказанным, что компьютер в принципе может выполнить любую функцию, осуществляемую естественным интеллектом. Другие, наоборот, считают математически доказанным, что есть проблемы, доступные для решения исключительно человеческому интеллекту, но принципиально недоступные компьютеру.

Основная проблема теории машинного разума состоит в том, что за более чем полувековой период времени «машинный интеллект» на практике так и не был создан. Более того, вопрос возможности создать мыслящий компьютер до сих пор остается исключительно теоретическим.

С Искусственным Управленческим Интеллектом все было наоборот. Была накоплена богатейшая практика – сотни успешных внедрений интеллектуальной системы управления в организациях, не доставало лишь ясной, завершенной теории. Получались превосходные результаты, но не было полного их обоснования. В процессе создания теории Искусственного интеллекта были проведены всесторонние исследования в области социальной психологии трудовых коллективов, изучена действенность систем управления в условиях различных национальных менталитетов, проанализирован опыт транснациональных компаний по созданию эффективных филиалов за рубежом и т.д. И только когда накопилась критическая масса в теории и практике, всё стало понятно и объяснимо.

По всем определениям создан настоящий Искусственный интеллект. Он соответствует не только понятию «искусственный» (целенаправленно созданный человеком), но и понятию «интеллект», т.к. основа его – природное коллективное мышление группы людей. Название «Искусственный Управленческий Интеллект» также позволяет дистанцироваться от понятия «Искусственный интеллект», определяющего компьютерный разум, который невозможно создать.

Получены семь рецензий докторов наук (докторов физико-математических, экономических, технических, философских, психологических наук) на теорию Искусственного Интеллекта и научно-практическую работу Рациональная модель трудовых отношений «Искусственный управленческий интеллект» ().

Таким образом, с 2011 года существует научная теория, дающая целостное представление о природе Искусственного интеллекта и обосновывающая факт его создания. Практическим воплощением научной теории является специальная интеллектуальная система управления организациями в условиях различных менталитетов — Искусственный управленческий интеллект. Как следствие, с 2011 года данная система управления официально носит название «Искусственный управленческий интеллект».

Искусственный интеллект (ИИ) напрямую соотносится с Data Science – наукой о данных, которая направлена на извлечение бизнес-ценности из массива информации. Эта ценность может заключаться, например, в расширении возможностей прогнозирования, знании о закономерностях, обоснованном принятии решений. В более узком значении ИИ – это алгоритмы и методологии обработки информации. Искусственный интеллект оперирует огромными массивами, анализирует поступающие данные и разрабатывает на их основе адаптивные решения.

Искусственный интеллект применяют в различных областях, в том числе в маркетинге и бизнесе. По прогнозу PwC, благодаря искусственному интеллекту валовый внутренний продукт (ВВП) в отдельных странах увеличится на 26%, а прирост глобальной экономики составит почти 16 трлн долларов. В этой статье мы рассмотрим, как современные цифровые технологии применяют на российском рынке, что может «умный» алгоритм, какой он дает результат, какая ему требуется информация и почему использование ИИ дает компаниям преимущества перед конкурентами.

Применение

Искусственный интеллект способен быстро вывести бизнес на принципиально новый уровень, это одна из его ключевых функций и задач. Вот несколько проблем, которые можно решить с помощью алгоритмов машинного обучения:

  1. Оперативное реагирование. В некоторых сферах бизнеса принципиальное условие успеха – быстро анализировать поступающие данные и моментально на них реагировать – например, в биржевых операциях. В отличие от обычных алгоритмов, которые не способны без предварительного обучения самостоятельно адаптироваться к новым условиям и данным, искусственный интеллект обеспечивает такую возможность.
  2. Разработка маркетинговой стратегии на основе предоставленных данных и заложенных целей. Искусственный интеллект помогает в работе маркетолога: не только анализирует опыт предыдущих продаж, но и использует прогнозирование для «предсказания» будущих, а также учитывает поведение конкурентов и общую ситуацию на рынке.

  3. Человеческий фактор. Даже у самого профессионального и опытного сотрудника бывают неудачный день и неверные решения. У искусственного интеллекта – нет, вместо эмоций у него функции, а технология и информация заменяют переменчивое настроение.

  4. Борьба с мошенничеством. Самообучающиеся нейронные сети помогают анализировать поведение пользователей и выявлять подозрительные операции, а также создавать алгоритмы для предотвращения финансовых потерь. Результат: система становится менее уязвимой, а это ключевое условие доверия клиентов.

  5. Увеличение прибыли. Использование машинного обучения в одной только системе ценообразования способно обеспечить прирост выручки на 5%, а при условии комплексного подхода доходы компании могут вырасти в несколько раз.

Искусственный интеллект в бизнесе: примеры

Пекарни

Предприятия, которые работают с продуктами питания, должны следить за их сроком годности и своевременно проводить списание. Например, в булочных и пекарнях срок реализации – всего один день, до 30% хлебобулочной продукции ежедневно списывают.

Задача предприятия: сократить убытки, но не ассортимент, так как покупатели хотят иметь широкий выбор.

Решение: использование искусственного интеллекта позволило спрогнозировать спрос на ближайшие 3-4 дня, причем точность предсказания составила 90%. Все, что потребовалось – проанализировать данные из 1С за последние два года и обучить алгоритм. Благодаря прогнозу, сети удалось оптимизировать работу цеха, снизив объем списываемой выпечки до 15% и не потеряв при этом в ассортименте. Задача была решена, а положительным «побочным эффектом» стало сокращение расхода сырья и увеличение маржи.

Супермаркеты

Задача: в магазинах сети была введена система лояльности (карты постоянного клиента) и действовали специальные скидки в «счастливые часы», но эффективность этих акций никак не измерялась, а прибыль увеличилась незначительно.

Решение: самообучающаяся программа проанализировала историю покупок клиентов с картой лояльности и, использовав данные за несколько лет, подобрала для каждого из них оптимальную систему поощрений. Если покупатель не интересовался акциями и скидками, искусственный интеллект высылал ему другие оповещения, например, описание ассортимента или даты поступления в продажу любимых товаров. Покупателей, которые интересовались акцией «счастливые часы», компьютер информировал о выгодных предложениях и о том, когда начнется следующая акция. Также в магазине использовали такую функцию программы, как отправка персонализированных смс. Результат: своевременная информация повысила лояльность покупателей, повторное обращение клиентов увеличилось на 80%, выросла и прибыль, и маржа. Задача была полностью решена.

Области применения искусственного интеллекта

  1. Банковское дело (управление рисками, прогнозирование, чат-боты в мобильных банковских приложениях).

  2. Информационная безопасность (технологии борьбы с мошенничеством, анализ старых угроз и предупреждение новых, сведения для создания общей базы данных).

  3. Промышленность (контроль производственных процессов, их оптимизация, диагностика оборудования, информация о поломках, профилактические мероприятия, автоматизация).

  4. Торговля (анализ покупательской активности и эффективности маркетинговых стратегий, управление закупками, разработка персонализированных программ лояльности, глубокая аналитика).

  5. Медицина (ведение документации, диагностика).

Это только малая часть возможностей ИИ. Безусловно, решение всех вышеперечисленных задач доступно и человеку – но потребует гораздо больше времени и ресурсов. Для разработки самообучающейся системы на первом этапе тоже нужны вложения, но в перспективе ее помощь в обработке больших массивов данных неоценима.

Отдельные сегменты бизнеса преобразились с появлением искусственного интеллекта, например:

Чат-боты. Алгоритмы машинного обучения заменяют собой кол-центры и помогают выполнить такую задачу, как предоставление клиенту помощи и информации круглосуточно, в праздничные и выходные дни. «Умная» программа учится на собственных ошибках и со временем превосходит живого оператора по компетентности. Результат: значительное увеличение лояльности клиентов, создание положительного имиджа компании.

Управление данными. ИИ собирает, систематизирует, анализирует и хранит информацию компании, составляет на ее основе прогнозы и/или отслеживает состояние оборудования.

Автоматизация. Самообучающийся алгоритм берет на себя выполнение регулярных рутинных задач и освобождает человеческие ресурсы для решения более творческих задач. Например, программа может полностью автоматизировать бронирование гостиниц и помещений для конференций, рассылку приглашений на встречи, покупку авиабилетов, составление маршрутов. Таким образом вся административная сфера может быть передана искусственному интеллекту. Автоматизация существовала и раньше, но сфера ее применения была ограничена.

Прогнозирование. В отличие от искусственного интеллекта, человек не может быть полностью беспристрастным и объективным. Кроме того, для достоверного прогноза нужно обработать значительное количество данных, и компьютер отлично справляется с этим.

Искусственный интеллект и бизнес-процессы

С помощью ИИ бизнес получает практически безграничный доступ к новым возможностям расширения деятельности и увеличения прибыли. Даже один алгоритм способен значительно улучшить показатели, а комплексный подход тем более дает хорошие результаты.

Что берет на себя ИИ:

  • Рутинные административные задачи, о которых мы уже говорили выше.

  • Повышение продуктивности специалистов за счет оптимизации рабочих процессов.

  • Техническую и информационную поддержку клиентов.

  • Снижение роли человеческого фактора в принятии решений.

  • Улучшение коммуникаций внутри компаний, включая преодоление языкового барьера.

  • Контроль финансовых операций, обнаружение подозрительной пользовательской активности.

  • Контроль за информационной безопасностью, соблюдение конфиденциальности данных.

  • Разработку маркетинговых стратегий.

  • Прогнозирование как в ближайшей перспективе, так и на более отдаленное будущее.

Внедрение искусственного интеллекта

Работа с ИИ проходит в несколько этапов. Первый и основной шаг – предпринимателю необходимо собрать максимум информации о продажах за последние годы – такой массив данных называется DataSet. К счастью, с введением онлайн-касс эти сведения сохраняются автоматически, а система синхронизируется с ними буквально в несколько кликов, без ручного ввода. Иногда можно обойтись простой систематизацией уже имеющихся сведений, хотя, конечно, в некоторых случаях придется потратить больше времени и сил.

Разработка самообучающегося алгоритма потребует финансов и времени, однако на степень расходов будет влиять сфера бизнеса. Например, торговые сети могут воспользоваться уже готовыми решениями, а не создавать рекомендательный алгоритм с нуля. Одна из функций таких систем – увеличение выручки. В среднем ИИ окупается уже через три месяца использования, а затем начинает приносить чистую прибыль за счет значительной оптимизации расходов и увеличения продаж.

Основные шаги по внедрению ИИ:

1. Сбор и цифровизация информации для анализа, ее ввод в программу обработки данных.

2. Создание алгоритма с нуля или доработка на основе фреймворка.

3. Обучение и самообучение алгоритма.

4. Создание новой комплексной маркетинговой стратегии предприятия и всех бизнес-процессов с учетом возможностей ИИ.

Использование искусственного интеллекта постепенно становится необходимостью во всех отраслях бизнеса. Вопрос только в том, кто внедрит современные технологии среди первых и получит быстрый результат, а кто подтянется в самом конце, чтобы хотя бы просто остаться на рынке. Согласно исследованиям McKinsey, Data Science имеет значительное влияние на маркетинг и продажи, а рыночные аналитики настоятельно рекомендуют внедрять искусственный интеллект уже сегодня.

Познакомьтесь с нашими решениями Data Science и другими кейсами в портфолио.