"Искусственный интеллект (ИИ, Artificial intelligence, AI)" уже затронул такие темы, как интеллектуальный мониторинг инфраструктуры, сбор и обработка больших объемов информации, управление знаниями, технические и медицинские системы диагностики, создание

При подготовке обзора TAdviser узнал у отечественных компаний (и российских представителей зарубежных компаний) какие услуги в сфере искусственного интеллекта и машинного обучения они оказывают. Такие данные предоставили 14 участников рынка. Часть из них – это узкоспециализированные компании, бизнес которых сфокусирован на применении подобных решений. Часть – гиганты отечественного ИТ-рынка, для которых средства и технологии ИИ являются дополнением к другим решениям и услугам.

Услуги компаний в сфере искусственного интеллекта и машинного обучения

Собственные решения компаний в сфере искусственного интеллекта и машинного обучения

Решения сторонних разработчиков в сфере искусственного интеллекта и машинного обучения, с которыми работает компания

Российские проекты, в которых применяются технологии искусственного интеллекта и машинного обучения

Замена сотрудников роботами

Любой повторяемый диалог – рабочее место для робота. В результате современные российские контакт-центры активно внедряют роботизированные сервисы для обработки клиентских запросов, тем самым улучшают качество обслуживания.

Если темпы приема роботов на работу сохраняться, то через 5–10 лет операторы контакт-центров будут выполнять не более 20% поступающих задач – всё остальное будут делать роботы. Только в 2018 году роботы Naumen обслужили более 5 млн диалогов, - замечает Игорь Кириченко, исполнительный директор Naumen.

Сочетание ИИ с роботизацией бизнес-процессов

Еще один тренд – сочетание ИИ с роботизацией бизнес-процессов (RPA). В этой связке RPA выполняет простые повторяющиеся действия: переносят данные из одной системы в другую, открывают и закрывают программы, отправляют автоматические ответы.

ИИ дает роботам дополнительные навыки и помогает распознавать тексты, определять тип документа, извлекать значимые данные, чтобы затем передавать их в целевые информационные системы. Подобные комбинации технологий уже внедряют крупные банки, энергетические компании, розничные сети и другие участники российского рынка, - рассказывает Дмитрий Шушкин, генеральный директор «Abbyy Россия».

Расширение возможностей программных продуктов средствами ИИ и ML

Говоря о технологических трендах российского рынка искусственного интеллекта и машинного обучения, стоит упомянуть увеличение вычислительных возможностей, а также расширение функциональных возможностей программных продуктов в области поддержки самых разных источников данных и распознавания естественного языка.

Например, компания «Форсайт» активно развивает функциональность своих продуктов в сфере машинного обучения: мы интегрировали внутренний язык наших разработок с языком Python, который «заточен» для решения задач Deep Machine Learning. Таким образом, наши решения позволяют создавать эффективные алгоритмы машинного обучения для самых разных целей, стоящих перед предприятиями из различных отраслей (в частности, речь идет о возможностях продукта «Форсайт. Аналитическая платформа»), - рассказывает Алексей Выскребенцев, руководитель центра экспертизы решений компании «Форсайт».

Новые методы машинного обучения

Еще один из основных технологических трендов – новые методы машинного обучения, которые ускоряют разработку и реализацию проектов в области ИИ в условиях малого количества данных. Это, например, transfer learning. Метод заключается в том, что если обучить глубокую нейронную сеть выполнять одну задачу, можно использовать ту же архитектуру нейросети для обучения на другом наборе данных.

Мы используем такие разработки в решении ABBYY FlexiCapture: предварительно обучаем сеть для классификации документов на своей стороне, чтобы на стороне заказчика алгоритм мог начать работать с минимальным количеством размеченных документов, - рассказывает Дмитрий Шушкин, генеральный директор «Abbyy Россия».

Широкое использование ИИ для повышения качества обслуживания

Следующая тенденция связана с более широким использованием ИИ для повышения качества обслуживания, как онлайн, так и офлайн. В цифровых каналах это, в первую очередь, сбор и анализ информации о покупателе или пользователе через «цифровой след» - совокупность данных о поведении клиента на сайте, в мобильном приложении, в соцсетях, с целью лучше понять его и предложить ему наиболее подходящие товары и услуги.

В офлайне это могут быть технологии распознавания лиц, идентификации объектов и поведенческого анализа. В частности, уже создаются системы, превентивно угадывающие намерения людей.

Помимо этого, подобные решения помогают сделать обслуживание в точках продаж более адресным: определяют пол и возраст клиента, а в случае с частыми посетителями – подробную информацию о покупателе, что позволяет точнее понять, какие продукты будут ему интересны в данный момент.

Кроме того, такие технологии дают возможность проще и быстрее предоставлять сервисы, в том числе в режиме самообслуживания – например, оформлять SIM-карту или покупать билеты на транспорт, - поясняет Дмитрий Шушкин.

Повсеместное применение ИИ

Глобальная тенденция заключается в том, что все разработки и решения в области AI так или иначе будут применятся во всевозможных областях. Но результат от такого применения будет отличаться по масштабу эффекта.

Искусственный интеллект уже находится на уровне универсальных программных решений и механизмов, которые можно включить в свои сервисы. Определённо можно сказать, что искусственный интеллект охватит все ИТ-сервисы, - рассказывает Игорь Кириченко из Naumen.

Искусственный интеллект и машинное обучение появились еще в середине прошлого века. В последние годы, благодаря появлению новых фундаментальных методик, доступности огромных объемов накопленных данных и развитию аппаратных мощностей, интерес не просто вернулся, а забрался на самый пик технологий в цикле развития от Gartner. Это означает, что сейчас время самых больших ожиданий, когда искусственный интеллект часто считают «серебряной пулей», пытаются использовать во всех областях, даже в тех, где она или вообще не нужна, или можно обойтись традиционными алгоритмическими методами.

Еженедельно мы видим появление новых впечатляющих проектов на базе машинного обучения в различных областях: обработке речи и изображений, автопилотах и др. Велика вероятность, что через 2-3 года информационный шум вокруг Machine Learning спадет, и появится множество примеров рационального использование этих технологий, позволяющих компаниям получить сильное конкурентное преимущество, - полагает Дмитрий Тимаков, руководитель направления «Машинное обучение» компании «Норбит» (группа компаний «Ланит»).

По его мнению, Россия имеет хорошие шансы на включение в мировой рынок ИИ. На рынке труда есть отличные специалисты (в топе главной соревновательной площадки kaggle неизменно присутствуют россияне), есть примеры создания продуктов мирового уровня: например, голосовой помощник «Алиса» от компании Яндекс.

Сегодня мы видим, что крупный бизнес (ИТ, retail и т.д.) открывают свои внутренние подразделения для внедрения технологий машинного обучения. Есть несколько сфер, где искусственный интеллект может быть интегрирован в бизнес-процессы наиболее удачно, - замечает эксперт «Норбит».

К таким сферам, по его словам, относятся:

• персонализация предложений клиентам, создание релевантных рекомендательных сервисов нового поколения;
• автоматическая обработка пользовательского контента и действий: например, анализ отзывов, обращений, выявление ботов и т.д.;
• создание элементов концептов «Умный и безопасный город»: от предсказания пробок до интеллектуального управления дорожным движением;
• консультационная помощь врачам при проведении медицинских исследований;
• автоматизация производства в промышленности, системы технического зрения и т.д.

Дмитрий Чувиков из компании «Мивар» главными и первоочерёдными потребителями интеллектуальных систем называет бизнес-направления со следующими индикаторами:

• Множество различных транзакций в процессах оказания услуг.
• Структурированные и формализованные бизнес-процессы.
• Сложность и разнообразие при выборе вариантов действий.
• Высокий уровень стандартизации процессов.
• Потребность в информационно-консультационной поддержке здесь и сейчас.

Таким образом, по его мнению, наиболее актуальными для России сферами применения технологий искусственного интеллекта и машинного обучения являются: банковский сектор, ритейл, страховые компании, телеком, нефтяная промышленность, ВПК, беспилотный транспорт и «Умный город».

В финансовом секторе внедрения систем класса ИИ перестает быть прерогативой исключительно финтеха. Все больше классических банков и страховых компаний понимают экономическое обоснование эффективности использования ИИ в их процессах и создают финансовые продукты с использованием машинного обучения и компьютерного зрения.

По словам Владимира Арлазарова, к.т.н., генерального директора Smart Engines, в финансовом секторе технологии ИИ применяются для создания нового пользовательского опыта и анализа больших данных. Это объясняется тем, что у банков и страховых компаний накоплено много данных и их бизнес напрямую связан с выявлением зависимостей между ними. Уже сейчас нейронные сети принимают участие в принятии решений об одобрении кредитов и расчете стоимости страховки.

Что касается компьютерного зрения, то от рынка уже есть запрос на решения, обеспечивающие промышленное качество распознавания этикеток, маркировки на деталях, выкладки товара и др., - отмечает Арлазаров.

Он добавляет, что когда очередь дойдет до промышленных предприятий произойдет очередной серьезный прорыв.

Они могут экономить огромные средства, например, прогнозируя с помощью ИИ поломки оборудования. В России эту задачу пока решить достаточно сложно, потому что промышленности сначала необходимо собрать данные. В мире успешные проекты на базе компьютерного зрения и машинного обучения в промышленности уже есть, - отмечает эксперт Smart Engines.

Андрей Байбутов из «Корус Консалтинг», добавляет, что использование технологий машинного обучения в промышленных компаниях влечёт за собой сильное изменение внутренних бизнес-процессов, без которых невозможно достижение ощутимого результата.

Приведу простой пример. У промышленной компании есть ряд сложных технологических процессов, которые можно декомпозировать до небольших этапов/подпроцессов. На каждом таком этапе мы анализируем контролируемые параметры при «входе», проверяем на предмет качества продукт, которую передается на следующий этап. Даже если процесс изготовления довольно простой, инженеры физически не могут контролировать в каждую единицу времени то, что происходит с изменением параметров (температура, давление, % содержания и пр.). С помощью ИИ мы можем формировать модели на каждом из этапов, каждая из которых контролирует весь набор параметров на протяжении всего процесса изготовления товара и показывает узкие места. Это позволяет предвидеть вероятное возникновение брака в партии. Обладая такой информацией, компания может устранять все дефекты еще до того, как это произойдет, что конечно же, с учетом стоимости потенциальной упущенной прибыли позволяет экономить существенные деньги, - рассказывает Андрей Байбутов.

Именно поэтому рынок промышленности начинает потихоньку двигаться в сторону цифровизации процессов не только с точки зрения внедрения систем, но и использования изменения процессов и уровня компетенций внутри. В компаниях появляются аналитики данных и разработчики моделей, создаются data-офисы. Бизнес начинает понимать, что доход, который получает компания, может формироваться не только благодаря основной деятельности, но и благодаря работе с данными.

Игорь Кириченко, исполнительный директор Naumen, ссылаясь на опыт своей компании отмечает, что в России востребованы диалоговые системы и сервисы: голосовые роботы, чат-боты.

Роботизированные сервисы, способные вести диалог с клиентом, успешно внедрены и используются компаниями разных отраслей. В портфолио компании есть проекты, включающие в себя инновационные разработки на основе технологий обработки естественного языка, машинного обучения и математической лингвистики: порталы самообслуживания, решения по когнитивному поиску, которые обрабатывают тысячи документов из разных источников, и позволяют легко находить нужную информацию, также есть успешно реализованные проекты в области предиктивной аналитики - решения по интеллектуальному мониторингу ИТ-инфраструктуры, - рассказывает представитель Naumen.

Успешность применения технологий искусственного интеллекта зависит главным образом от наличия достаточного объема данных, которые требуются для эффективного обучения аналитических моделей. Особенно это отражается на результатах работы моделей глубинного обучения – нейронных сетей, считает Денис Афанасьев, генеральный директор CleverData.

Такие сферы бизнеса, как ИТ, телекоммуникации, финансы, а также онлайн-медиа могут похвастаться большим объемом пользовательских данных, глубокий анализ которых позволяет решать задачи клиентской аналитики и персонализированного маркетинга, - говорит Афанасьев.

Данные об активности каждого пользователя на сайте, в мобильном приложении, данные об онлайн и оффлайн продажах, реакции клиентской базы на коммуникации в различных каналах – из всех этих данных машина способна извлечь новые полезные знания об интересах, намерениях каждого потребителя. Она также может спрогнозировать вероятность отклика на коммуникацию и рекламное предложение, понять, кто из клиентов максимально лоялен, кого нужно немного подтолкнуть к покупке, а кто может в ближайшее время отказаться от предложений бренда и уйти в отток. В дальнейшем все эти знания позволяют оптимизировать коммуникации, онлайн-рекламу и предлагать клиентам новый уровень сервиса.

Во всем мире B2C-отрасли наиболее чувствительные для использования искусственного интеллекта и машинного обучения. И Россия тут не исключение – телеком, ритейл и финансы сегодня составляют основные индустрии, задающие темп в области применения AI и ML, отмечает Юрий Бондарь, заместитель генерального директора SAP CIS.

Кроме этого, стоит отдельно отметить металлургическую и горнодобывающую отрасли, которые также из-за высокой конкуренции на рынке вынуждены постоянно искать новые подходы к трансформации бизнес-процессов и использовать инновационные технологии.

Мы в SAP ведем свою статистику применения технологий AI и ML в различных бизнес-процессах компаний: около 25% приходится на производство, 28% - на продажи, 13% на HR, 26% на финансы, 4% - на закупки и 4% – на все остальное, - поясняет Юрий Бондарь.

Фактически любая отрасль, где исторически накоплен большой объем данных, уже использует новые технологии. Например, для поиска кандидата в компанию первичный отбор из присланных резюме может быстро сделать именно машина. В качестве входных данных ей необходимо только задать пожелания к будущему сотруднику. Она найдет и обработает профиль идеального кандидата, далее сопоставит его с данными в социальных сетях. На выходе у менеджера по подбору персонала уже будет готовый профиль кандидата, и ему останется лишь принять решение о необходимости собеседовании. Или обработка обращения в компанию: искусственному интеллекту уже давно по силам классифицировать запрос и перенаправить его в нужную службу поддержки, а также ответить на стандартные вопросы.

Еще один вариант - это распознавание образов. Компания BMW часто проводит рекламные кампании в разных странах и с помощью SAP Brand Impact заранее оценивает рынок на предмет появления бренда на разных площадках: на рекламных щитах, в фильмах, в видеороликах. В итоге формируется детальный отчет, сколько времени в эфире и в центре внимания человека появляется машина в профиль, анфас, сбоку, сверху. Конечно же, человеку такое сделать не под силу. А на стадионах во время футбольных матчей система видеораспознавания на основе искусственного интеллекта с точностью до миллисекунды оценит, где надо показать рекламу, на какой промежуток времени и выразит это в денежном эквиваленте, - рассказывает эксперт SAP CIS.

Хорошим примером использования искусственного интеллекта является автоматическая сверка счетов и поступивших платежных документов в финансовом блоке организаций. К примеру, в энергетической компании Alpiq таким образом сверяется более 90% поступивших платежных документов. Кроме этого, можно применять искусственный интеллект и в народном хозяйстве для визуального контроля важных узлов оборудования, которое находится в сложных и опасных зонах производства.

Александр Ханин, генеральный директор VisionLabs, отмечает, что начали появляться запросы на алгоритмы, автоматизирующие процесс контроля за соблюдением техники безопасности, упрощающие криминалистику, кадровый учет и прочие совершенно не связанные друг с другом задачи. При этом они отлично решаются с помощью искусственного интеллекта и машинного обучения. В приоритете, по его словам, находятся такие сферы применения, как распознавание образов, лиц, скелета, паттернов поведения, голоса и текста.

Высокую востребованность в системах видеоаналитики и распознавания лиц, замечают и в компании IVA Cognitive (ГК ХайТэк). По мнению гендиректора компании Алексея Цессарского, эти системы, основанные на работе с нейронными сетями, постепенно становятся неотъемлемой частью нашей жизни.

Это объясняется наличием огромного массива данных - ежедневно, минимум несколько раз в день, мы так или иначе попадаем в объективы видеокамер, ценность этих данных не вызывает сомнений как для бизнеса, так и для государства, - говорит он.

Евгений Колесников из «Инфосистем Джет» замечает, что за последний год в России ярко прослеживались такие области применения ИИ как работа с клиентами (индивидуальные предложения, сегментация, скоринг, оптимизация продуктовой матрицы, оценка чувствительности к цене и т.д.), работа с персоналом (сокращение простоев, оптимизация графика, контроль подрядчиков и т.п.), оптимизация производственных процессов (предотвращение брака и аварий, оптимизация складских запасов и цепочек поставки), обеспечение информационной и физической безопасности (выявление и предотвращение воровства клиентов, поставщиков, сотрудников, защита от проникновения на физические и информационные объекты и т.п.).

По мнению Ильи Ашихмина, руководителя научной лаборатории Digital Design, технологии искусственного интеллекта и машинного обучения находят широкое применение в автоматизации производственных процессов, анализе юридически значимого документооборота, решении задач видеоаналитики, повышении эффективности маркетинга и рекламы и в других многочисленных областях – начиная от научных исследований, заканчивая развлекательным сектором экономики.

Если говорить про специфику России, то тут стоит отметить, что в силу больших размеров нашей страны и острой необходимости в развитии инфраструктуры, наиболее перспективными, на наш взгляд, областями применения искусственного интеллекта являются задачи логистики и капитального строительства, которые позволяют значительно сократить затраты на решение этих задач. Помимо этого, существует большой запрос на повышение эффективности работы предприятий за счет цифровизации процессов принятия решений, базируясь на анализе огромного количества информации, который возможен только с применением современных методов оптимизации, - добавляет он.

• Что такое искусственный интеллект
• Исследования в сфере ИИ
• Стандартизация в области ИИ
• Влияние искусственного интеллекта
• Рынок технологий искусственного интеллекта
• Сферы применения ИИ
• Процессоры для искусственного интеллекта
• Искусственный интеллект (рынок России)
• Вредоносное машинное обучение (Adversarial Machine Learning, AML)

Опыт наших сотрудников в проектах развития территории и в получении государственной поддержки:

• 11 индустриальных, агро-, пром.парков, технопарков и 2 ТОСЭР ДВ получили целевые бюджетные средства на инфраструктуру,
• 15 проектов получили статус резидентов ТОСЭР и ОЭЗ,
• аккредитовано 15 промышленных площадок и парков при РОИВ - несколько муниципальных земельных участков переданы инвесторам в аренду - без проведения торгов
• 2 кластера - получили средства порядка 25 миллионов рублей на орг.деятельность и более 1,5 млрд на совместные проекты по МПиТ РФ
• более 400 проектов получили различные субсидии, льготы на сумму более 5 миллиардов рублей (не считая полученные земельные участки, одобрение властей, преференции, заемные средства льготные (под низкую ставку) или по среднерыночным ставкам

Об этих и других проектах

Еще информация об опыте компании Верное решение