Статья

Боты повсюду: когда люди станут не нужны

мобильная версия

Пока бизнес рассуждает о пользе машинного обучения и нейросетей, искусственный интеллект постепенно захватывает рынок, вытесняя с него специалистов самых разных профессий. О том, где ИИ заменил людей, чего ждать бизнесу в связи с использованием машинного обучения и почему надо быть в теме уже сегодня, расскажем в этой статье.

В феврале 2018 г. Герман Греф предложил создать в России министерство искусственного интеллекта, как в ОАЭ. Пока такое предложение выглядит немного забавно. Но оно показательно: машинное обучение уже играет настолько важную роль, что мы не можем относиться к нему как к модному недолговечному тренду.

Мы не будем заглядывать слишком далеко в будущее, а расскажем, что российский бизнес использует уже сегодня, – и что это значит для вас.

Кратко об ИИ и машинном обучении

Искусственный интеллект – свойство машин выполнять некоторые интеллектуальные функции человека. Технологии ИИ не «думают», как человек, но могут решать нестандартные задачи, развиваться и становиться эффективнее.

Machine Learning (ML, машинное обучение) – область разработки ИИ. Это метод, по которому искусственный интеллект способен самостоятельно учиться на примерах и ошибках – извлекать закономерности и делать выводы из данных. То есть действовать в суровой реальности, где все задачи разные, а возможных решений много.

Значение машинного обучения для бизнеса в том, что оно сокращает издержки: уменьшает расход времени, денег, сил, человеко-часов. Вы не платите зарплату кассиру, если вместо кассира в магазине «работают» компьютерное зрение и биометрические считыватели. Вы не тратите целый день на анализ проектной документации, если алгоритмы машинного обучения делают это за секунду.

Примеров хватает и в повседневности: автомобильные навигаторы прокладывают маршрут, Google Translate переводит текст, робот-пылесос убирает комнату, а системы компьютерного зрения распознают лица.

Совершенная аналитика

Машинный интеллект (МИ) анализирует большие массивы данных точнее и быстрее, чем человек. Поэтому банки, страховые компании и ритейл используют аналитические системы на основе машинного обучения.

Хороший пример – банк «Уралсиб». Банк применяет машинное обучение, чтобы минимизировать риски, предотвращать фрод, проверять заемщиков, оценивать их платежеспособность и делать прогнозирование более точным. Это помогло «Уралсибу» выдать в 2017 г.у в 2,9 раза больше кредитов физлицам, чем в 2016 г. Качество выдач при этом возросло.

Сбербанк идет еще дальше и в 2018 г. начинает оценивать залоговую недвижимость с помощью нейросети.

Технологии машинного обучения используют почти все банки для скоринга (предварительной оценки заемщика). А в страховании оно помогает оценивать риски, распределять страховые выплаты и выявлять мошенничество.

Чем точнее аналитика, тем больше денег сохранит бизнес и тем меньше неправильных решений примет. Но у МИ-аналитики есть еще одно следствие – все бо́льшая персонализация в маркетинге и рекламе.

Персонализация в торговле и e-commerce

Владелец бизнеса не может знать все о каждом клиенте. Машинный интеллект может: он собирает данные о том, что и когда покупал человек, сколько секунд читал описание товара и как часто возвращается на сайт. На основе этих данных можно изменить ассортимент, сделать интересную рекламную акцию и предложить каждому покупателю то, что ему подходит. Рассмотрим примеры.

Торговая сеть «Перекресток» внедрила машинное обучение для маркетинга. Маркетинговый машинный интеллект учитывает сотни поведенческих факторов: частоту и сумму покупок, приемлемые цены, любимые категории товаров. Все целевые акции «Перекрестка» основаны на этих данных.

«М.Видео» использует «умный поиск» на сайте. Это тоже система на основе машинного обучения. Она анализирует, как ведут себя посетители, что смотрят, какие вводят запросы и как реагируют на результаты поиска. В итоге поиск работает лучше для каждого посетителя – система «понимает», что человек имеет в виду, и показывает релевантные запросу товары.

Машинное обучение помогает создавать персонализированные email-рассылки. Система определяет, кому из клиентов отправить письмо, и подбирает тему и предложение для каждого получателя отдельно. В результате процент открытия писем повышается на 20-25% по сравнению с обычными рассылками. Благодаря email-персонализации, разработанной компанией DigitalContact, один из российских банков увеличил количество кликов с рассылок в 5 раз, а конверсию в заявки – в 3 раза.

С машинным обучением не надо «бить по площадям» – можно делать точечные акции и предложения, которые лучше сработают и обойдутся дешевле. Прибыль бизнеса растет. Лояльность клиентов – тоже.

Обработка заказов и обращений

Взаимодействие с покупателями в интернете можно автоматизировать. Для этого в e-commerce используют чат-ботов.

Чат-бот – это виртуальный помощник-собеседник. Он работает в мессенджерах и соцсетях. Чат-боты принимают заказы, отвечают на вопросы и просто разговаривают с клиентами. Если ситуация нестандартная, бот позовет на помощь оператора. Чат-ботов используют тысячи компаний – от «Сбербанка» и «Сапсана» до локальных интернет-магазинов.

Бот каршеринга YouDrive отвечает на вопросы клиентов о сервисе и помогает решать технические проблемы с машиной. Он на 65% снизил число звонков в техподдержку. Боты мобильных операторов помогают разобраться с тарифами, подключить новые услуги или получить детализацию звонков. Их используют Мегафон, Билайн, МТС. Бот Aviasales ищет билеты со скидками. Пользователь выбирает направление – а бот сообщает, когда появляются билеты. Бот «ВкусВилл» помогает покупателям найти ближайший магазин и подбирает индивидуальные скидки.

Робот Aviasales сам ищет билеты

Чат-боты удобны во многих отношениях. Им не надо думать и копаться в FAQ– они отвечают мгновенно. Их можно создать и настроить без программиста, через специальный сервис – например, Yamichat. Работают они круглосуточно, и им не надо платить. Бот пока не равен по функционалу живому оператору, но уже может взять на себя часть его работы.

Оптимизация производства

В промышленности машинный интеллект оптимизирует закупки, логистические цепочки и сам производственный процесс.

Подразделение «Яндекса» Yandex Data Factory внедряет на предприятиях технологии на основе машинного обучения. В металлургии эти технологии предсказывают, из каких слитков получится листовая сталь с дефектом. В нефтехимической отрасли – подбирают оптимальные параметры для установки газофракционирования, и т. д.

При этом машина отслеживает качество продукции, расход сырья и десятки других факторов. С такими данными производство гораздо легче оптимизировать. А в промышленности даже оптимизация на 1–2 % приводит к большой экономии. Например, Магнитогорский металлургический комбинат в сотрудничестве с YandexDataFactory экономит до 275 млн. рублей в год.

Помимо промышленности, машинный интеллект проникает и в фармацевтическое производство. Компьютеризированная система odgAssist.Pharmacy помогает контролировать работу персонала и качество препаратов.

Сокращение и реформирование персонала

Машинный интеллект заменяет:
Операторов поддержки и колл-центров – на смену приходят чат-боты
Аналитиков – аналитические способности ИИ выше, чем у людей
Юристов. В феврале 2018 г. сервис pravoved.ru запустил робота-юриста по имени Федор Нейронов. Он проводит онлайн-консультации и отвечает на несколько тысяч вопросов в день
Продавцов и кассиров в ритейле. В России автоматизированных магазинов пока нет, но в США недавно открыли магазин Amazon Go без сотрудников
Водителей. Недавно в Москве состоялась пробная поездка беспилотной машины Яндекса. Когда появится законодательная база, регулирующая использование беспилотников, часть таксистов и дальнобойщиков лишится работы.

Если МИ выполняет все больше функций – человеку остается все меньше. В офисах российских компаний уже сегодня работает меньше людей, чем могло бы, не будь машинного обучения.

Вскоре нейросети смогут взять на себя любую работу, подразумевающую обработку информации. Даже ПФР собирается рассчитывать пенсии с помощью искусственного интеллекта.

С уменьшением штата снижаются расходы на персонал. Но возникают новые сложности: бизнесу нужны специалисты нового типа, которые могут работать в связке с технологиями и делать то, что не умеют программы. На рынке труда таких мало. Гораздо меньше, чем линейных сотрудников, способных обслуживать только рутинные процессы. Интересно, что машина частично заменяет и HR-специалистов. Он уже умеет подбирать сотрудников для бизнеса.

Подбор сотрудников

«Ростелеком» с 2017 г. набирает операторов колл-центра с помощью технологий машинного интеллекта. Рекрутеры «Ростелекома» не успевали качественно обработать тысячи резюме, но для МИ это не проблема.

Интересное решение не только для телекоммуникационных компаний – сервис «Робот Вера». Компьютерная Вера сама анализирует резюме, находит нужных кандидатов, звонит им и проводит видео-собеседования – словом, выполняет черновую работу по поиску и первичной фильтрации. Штатный HR-специалист вмешивается только на последнем этапе – общается с кандидатами, которых для него отобрал робот.

Вера ведет себя как настоящий эйчар

В США работают еще более продвинутые сервисы – Untapt и Cognisess. Помимо прочего они выясняют, разделяет ли кандидат корпоративные ценности компании.

И что все это значит?

Машинный интеллект – технология крайне адаптивная. Она может принести пользу любому бизнесу, причем действует по разным направлениям – анализирует процессы, контролирует работу сотрудников и общается с клиентами. И вот к чему это приводит (или приведет в ближайшем будущем).

Практически любому бизнесу придется внедрять машинное обучение. Это неизбежно, потому что нейросети на его основе слишком эффективны и функциональны, чтобы их не использовать. Даже салон красоты на окраине города выиграет от автоматизации маркетинга. Тем более это касается корпораций, торговых сетей, промышленных предприятий, которые МИ меняет на всех уровнях.

Новые технологии появляются постоянно и очень быстро. По прогнозам предпринимателя Марка Кьюбана, в ближайшие 10 лет технологии будут развиваться еще быстрее, чем за последние 30 лет. Герман Греф уверен, что почти все процессы в Сбербанке удастся автоматизировать к 2020 г. (включая работу бухгалтерии и бэк-офиса).

Это значит, что в любой момент может распространиться та технология, которая изменит вашу сферу бизнеса. К этому надо готовиться заранее. Отслеживайте технологические новинки, не бойтесь внедрять их в числе первых.

Машинное обучение высвобождает ресурсы на развитие. Когда рутинную работу выполняют машины, у владельца компании появляется время, чтобы совершенствовать сервис, выводить на рынок новые продукты, масштабироваться. Бизнес, который игнорирует это, начнет отставать – вплоть до неконкурентоспособности.

У клиентов появляются новые требования. Покупатель не хочет тратить лишнее время на поиск и выбор товара. Компании, которые не смогут обеспечить персонализацию и уровень сервиса, возможные только при помощи машинного обучения, будут проигрывать.

Машинный интеллект – это тренд, который не собирается угасать. 73 % разработчиков, не знакомых с технологиями искусственного интеллекта, собираются их изучать в 2018 году. Это настоящая гонка вооружений: кто первый оптимизирует бизнес-процессы и сделает клиенту лучшее предложение, тот и выиграет.

Возможности машинного интеллекта ограничены, но это временно

Пока МИ чувствительнее всего проявляет себя в большом бизнесе. Банки внедряют системы оценки рисков и обработки документов, корпорации и промышленные компании  – аналитические системы. Разработка МИ-систем обходится дорого, а типовых решений пока довольно мало. Это нормально: машинный интеллект пережил второе рождение и только становится на ноги.

Машинный интеллект – не волшебная палочка. Это многофункциональный инструмент с большим потенциалом. И учиться им пользоваться лучше всего на практике – ведь время не ждет.