Современный этап в развитии цивилизации можно охарактеризовать как противоречивый, с одной стороны это обострившаяся борьба за ресурсы и экономические войны, с другой стороны бурное развитие нано- и информационных технологий, робототехники, инновационных разработок в области искусственного интеллекта. Как отмечают многие исследователи, мы стоим на пороге Четвертой промышленной революции или Индустрии, базисом которой является новый технологический уклад на основе цифровой экономики. «Эпоха цифровизации дает компаниям новые возможности, и бизнес приобретает союзников в лице новых технологий, благодаря которым могут измениться привычные для корпораций институты и механизмы принятия корпоративных решений. При этом тенденции цифровизации ставят немало задач перед государством и компаниями, направленных на поиск областей и способов применения инноваций, областей, в которых алгоритмы, а не люди, могут стать более эффективными для решения задач бизнеса».
В этой связи активно обсуждается вопрос применения искусственного интеллекта, или как отмечают профессионалы «машинного обучения» в корпоративном управлении. Согласно экспертным заключениям, совершенствование архитектуры искусственного интеллекта ведет к сокращению затрат и, как следствие этого, все большее количество предприятий и компаний будут осваивать и внедрять технологии ИИ, что в свою очередь дает толчок к развитию инноваций в данной области и получения дивидендов, как разработчиками ИИ, так и компаниями их внедряющими.
В частности, согласно опросу Gartner ГТ-директоров за 2019 год, число IT-директоров внедряющих так называемые ИИ-решения выросло до 37% в 2019 году, по сравнению с 25% в 2018 году.
Однако, применение технологий искусственного интеллекта (ИИ) предполагает необходимость просчитать риски и последствия применения таких технологий, оценить целесообразность и экономическую обоснованность их использования в крупных и средних компаниях работающих на российском рынке.
В рамках данной статьи на примере отечественных компаний рассмотрим внедрение технологий искусственного интеллекта в систему управления бизнес-процессами российских компаний. Постараемся установить взаимосвязь применения технологии искусственного интеллекта и эффективности управления компаниями, а также экономической целесообразностью такого применения.
Начать разговор по данной проблематике следует с определения сущности искусственного интеллекта применительно к системе управления бизнес процессами.
Системы, проявляющие поведение, свойственное человеку, называются системами искусственного интеллекта, сокращённо ИИ.
На самом деле это самостоятельное научное направление, объединяющее многие научные дисциплины.
По одному из определений, искусственный интеллект — это наука и технология, включающая набор средств, позволяющих компьютеру на основании накопленных знаний давать ответы на вопросы и делать на базе этого экспертные выводы, т.е. получать знания, которые в него не закладывались разработчиками.
Наука под названием «искусственный интеллект» входит в комплекс информационных наук, а создаваемые на её основе технологии относятся к информационным технологиям.
Таким образом, искусственный интеллект — это технология, способная самостоятельно выполнять задачи, для решения которых раньше требовались люди. Используют термины искусственный интеллект (AI), машинное обучение (ML) и глубокое обучение (DL) как взаимозаменяемые. Рассмотрим это в широком смысле.
Искусственный интеллект в широком смысле делят на четыре области:
Автоматизированный интеллект — помогает в решении простых, рутинных и стандартных задач;
Вспомогательный интеллект — помогает людям выполнять задачи быстрее и лучше;
Расширенный интеллект — помогает принимать правильные решения в сложных и стрессовых ситуациях;
Автономный интеллект — помогает автоматизировать принятие решений без участия человека.
Машинное обучение — это программы и алгоритмы, которые получают доступ к информации, применяют к ней заложенные алгоритмы, делают выводы и принимают новые решения, направленные на другие объекты или ситуации. Собирая больше информации, алгоритмы учатся, и каждый последующий вывод становится точнее.
Глубокое обучение — используя искусственные нейронные сети, искусственный интеллект учится понимать и разбирать неструктурированные данные, такие как звуки, изображения и видео. После сбора и обработки информации искусственный интеллект делает вывод, который влияет на принятие того или иного решения.
Есть множество других определений, обобщая их, мы под системами ИИ будем понимать компьютерные системы, использующие в своей работе технологии ИИ.
Системы ИИ условно делятся на два класса — сильный (или общий) ИИ и слабый (или прикладной) ИИ.
Сильный, или универсальный, искусственный интеллект, сравнивают с человеческим интеллектом — т.е. интеллект ИИ способен обучаться, и не уступает по интеллекту человеку, а во многих смыслах даже превосходит их.
Все остальные системы, в том числе системы ИИ, которые окружают нас сейчас, называются слабым ИИ, они выполняют работу по заранее заданному алгоритму, например, они могут осуществлять поиск по запросам в Интернете, принимать типовые корпоративные решения и.т.д. Помощь такого ИИ делает жизнь более комфортной, а работу более эффективной производительной.
Такие системы всё более и более совершенствуются, уже сейчас многие конкретные виды работ системы с ИИ делают быстрее человека.
Следует отметить, что в процессе работы со слабым ИИ ведется большая подготовка. Машины обучают вести поиск информации, распознавать речь распознавать лица, делать логические выводы и.т.д.
Для обеспечения систем ИИ учёным углубились в изучение таких вопросов, как представление знаний — это позволило создать так называемые экспертные системы (ЭС, системы, которые на основе баз знаний помогают в принятии решений). Очень важными стали методы самообучения машин (появились интеллектуальные обучающие системы), попытки повторить работу нервной системы человека. Последнее вылилось в создание искусственных нейронных систем (ИНН).
Таким образом, в основе всех исследований по ИИ лежит идея моделирования процессов человеческого мышления с помощью компьютера.
Сам ИИ, как наука, относится к когнитивным наукам, т.е. наукам, связанным с приобретением (сбором, накоплением, восприятием) знаний, способностью к обучению (самообучению).
Помимо названных выше направлений методы ИИ, по мнению Пройдакова Э.М. применяются в следующих технологиях:
- разумные сенсоры;
- обработка естественного языка;
- машинное зрение;
- глубинное обучение;
- экспертные системы;
- распознавание текстов, речи, изображений;
- бизнес-аналитика;
- интеллектуальные системы информационной безопасности;
- машинный перевод;
- другие технологии и направления развития.
Предполагается, что ИИ, сравнимый с интеллектом человека, будет иметь неограниченную сферу применения и кардинально изменит наше существование. Исследовательские работы по созданию сильного ИИ активно ведутся, однако, это дело далекого будущего.
В январе 2016 г. основатель Всемирного экономического форума в Давосе Клаус Шваб назвал искусственный интеллект одной из основных движущих сил четвёртой промышленной революции. Он сказал: «Эта четвёртая промышленная революция идёт на нас, как цунами, а её основной движущей силой являются достижениями в области искусственного интеллекта, робототехники, нанотехнологий, интернета вещей и других областей науки».
В настоящее время, по мнению большинства ученых, происходит качественный переход от вычислительной эры к эре когнитивной, компьютеры нового типа быстро учатся работать со структурированными, неструктурированными и нечётко структурированными данными, начинают замещать труд людей при решении большого количества когнитивных задач.
Задачи систем ИИ охватывают различные предметные области, среди которых лидирующее положение занимают бизнес, оборонная промышленность, производство, медицина, проектирование и системы управления. Существует множество подходов к классификации систем ИИ по различным критериям. В приведенной ниже таблице рассмотрена классификации ИИ по выполняемым задачам.
|
Вид системы |
Выполняемые функции |
|
|
1. Экспертные системы |
Диагностика, контроль, прогноз, проектирование, управление. |
|
|
2. Обучающие системы |
Изучение языков, обучение, тестирование, справочники. |
|
|
3. Системы распознавания образов |
Анализ текста, графики, образов, интеллектуальные интерфейсы |
|
|
4. Системы планирования решений |
Игровые задачи, построение расписаний, |
|
|
задач |
планирование, принятие решений |
|
|
5. Информационно-поисковые системы |
Разработка поисковых запросов, анализ Веб-контента, агентные технологии |
|
|
6. Системы обработки данных |
Интеллектуальный анализ данных, проектирование хранилищ данных |
|
|
7. Робототехнические системы |
Моделирование поведения объектов, проектирование роботов. |
|
Поскольку предмет нашего исследования затрагивает управленческий аспект систем ИИ, остановимся подробнее на экспертных системах.
Еще в 2014 году первая компания Гонконгский венчурный фонд Deep Knowledge Ventures включила в состав совета директоров ИИ, задачей которого стала оценка рейтинговых проектов, рассматриваемых на Комитете по инвестициям. Оценка проектов проводилась параллельно членами совета директоров и ИИ. В случае совпадения голосов, проект принимался, если мнения директоров и коллеги ИИ расходились, то анализ проводился с учетом новой информации, представляемой ИИ, и голосование проводилось до тех пор, пока разногласия не были исчерпаны.
Подобно этому случаю в ближайшем будущем технологии ИИ на основе big data смогут применяться в корпоративном управлении, поскольку неоспоримым плюсом этих технологий является возможность анализировать большие массивы данных без значительных ресурсных затрат. Возможность использования технологии ИИ особенно актуальна, когда объект управления и его внешняя среда представляют собой комплекс сложных процессов и факторов, которые значительно влияют друг на друга, а также в условиях сложноструктурированных, многокритериальных задач. Остановимся на них более подробно.
DevOps — это информационная технология, которая предполагает тесное сотрудничество между разработчиками и специалистами по информационно-техническому обслуживанию. Однако, она имеет свои недостатки, а именно, страдает от проблемы идентификации. Слишком часто компании используют DevOps для перехода в облако, не изменяя внутренние процессы, связанные взаимодействием разработки и эксплуатации.
Технология Agile. ИТ-специалисты определяют agile, как практику быстрого реагирования на изменения в бизнесе, и модель для быстрой разработки программного обеспечения в сотрудничестве с бизнесом.
Big Data технология больших данных. Часто большими данными называют просто анализ накопленных компанией данных, и во многих ситуациях правильнее использовать термин «анализ».
В последнее время появилось большое количество решений, которые можно условно разделить на два класса:
— виртуальные помощники руководителя проекта;
— искусственный интеллект в системах управления проектами.
Рассмотрим некоторые из них:
Виртуальные помощники руководителя проекта PMOtto.ai
В 2017 году Allan Rocha и Ricardo Vargas представили PMOtto — сервис персонального виртуального помощника руководителя проекта, объединяющий в себе функции чат-бота и интерфейс взаимодействия с системами управления проектами и портфелями проектов, например с Microsoft Office 365 Project Online. Участники проекта могут свободно общаться с PMOtto посредством смартфона или веб-чата. Сообщать статус выполнения задач, информировать о рисках, запрашивать необходимую информацию. PMOtto распознает речь и текст, и преобразует это в команды для информационных систем.
Кроме того, PMOtto может давать рекомендации по реализации проекта, основываясь на результатах машинного обучения и реализованных в нем алгоритмах. Разработчики утверждают, что PMOtto представляет собой комбинацию различных профилей с более чем 20-летним опытом управления проектами!
Французский стартап Lili.ai, созданный с целью внедрения методов искусственного интеллекта для оптимизации бюджетов проектов и повышения эффективности проектного управления, представляет Лили — виртуального помощника по проектному управлению. Лили неплохо зарекомендовал себя, получил несколько наград, в том числе награду CogX AI Rising Star Award, является участником престижного конкурса X-Prize. Лили ведет профессиональный блог liliai.blog
В 2018 году Центр дистанционного обучения Группы компаний «Проектная ПРАКТИКА» представил прототип виртуального помощника руководителя проекта — чат-бота «Иван из Проектной ПРАКТИКИ». Работающий через Telegram, Иван (@ivanpm_bot) мог поделиться опытом внедрения проектного управления, предоставить по запросу руководителя проекта шаблоны проектных документов.
Construction IQ (ранее известный как Project IQ) — интеллектуальный помощник для проектов строительства в которых применяется платформа Autodesk BIM 360. Construction IQ собирает и анализирует данные о качестве и безопасности строительных объектов, возможных рисках проекта. Например, выявляет работы с высокой вероятностью сдвига сроков и другие риски. Construction IQ извлекает информацию из зафиксированных данных проекта — результатов наблюдений и аудитов, журналов технадзора, фотографий, технических заданий, отчетов исполнителей и других проектных документов. Все это используется для идентификации, анализа и приоритезации рисков проекта. Результаты анализа рисков, выполненные Construction IQ представляются пользователям в Project Home — едином окне, отображающем ключевую информацию о проекте, включая прогресс по работам, интерактивную модель объекта, данные с камер и.т.п.
Управлять проектами с использованием решения Битрикс24 помогают программные роботы — они могут создать новые задачи проекта, назначать или менять ответственных исполнителей, актуализировать статус исполнения задач, отправлять необходимые письма и выполнить прочие поручения.
На платформе Битрикс24 также был разработан функционал Битрикс24.Ассисетнт, который позволяет работать с популярными голосовыми помощниками, например, такими как Яндекс Алиса или Google Assistant. С использованием Битрикс24.Ассисетнт можно раздавать задания сотрудникам и коллегам, назначать встречи в календаре, общаться в Битрикс24.Чат.
Платформы создания виртуальных помощников. Одной из наиболее продвинутых платформ создания виртуальных помощников руководителей проектов и других чат-ботов является Azure Bot Service, предоставляющая исчерпывающий инструментарий для создания решений корпоративного уровня.
Другим примером является Dialogflow. Инструментарий Dialogflow объединенный с такими системами как, например, Redbooth, может использоваться для управления проектами. Infosys Nia Contracts Analysis — это платформа искусственного интеллекта, которая автоматизирует бизнес-процессы и ИТ-процессы, позволяет клиентам использовать технологии искусственного интеллекта для самого широкого круга задач. В частности, использует машинное обучение и семантическое моделирование для помощи в управлении контрактами, ускорении проверки контрактов и снижения рисков их заключения. Мы остановились только на некоторых примерах платформ, имеющих отношение к рассматриваемой проблематике.
Рассмотрим области применения технологий искусственного интеллекта в российском бизнесе.
Редакция vc.ru узнала у представителей российских компаний о том, как они используют технологии искусственного интеллекта. Рассмотрим это более подробно.
Банковская отрасль одной из первых начала применять ИИ и продолжает активно развивать это направление.
«Сбербанк» еще в январе 2017 года заявлял о планах заменить три тысячи сотрудников на одного робота-юриста. А в июле того же года президент банка Герман Греф заявлял, что у специалистов без знаний технологий искусственного интеллекта нет перспектив. Компания использует эти технологии, чтобы обслуживать клиентов в колл-центре, бороться с мошенничеством, персонализировать предложения для клиентов и повышать эффективность сотрудников.
Наглядным примером является совместный проект «Сбербанка» и МФТИ по применению технологии искусственного интеллекта в колл-центре. Задача этого проекта, «Нейроинтеллект iPavlov», — разработка алгоритмов глубинного машинного обучения для создания разговорного искусственного интеллекта с учётом архитектурных принципов работы мозга. Эта технология снизит нагрузку на сотрудников и повысит качество работы с клиентами.
Также банк развивает проект по персонификации предложений клиентам. Технология даёт рекомендации по финансовым решениям на базе алгоритмов прогнозирования поведения, использующих данные о прошлых тратах и другие источники. Система прогнозирует паттерны поведения клиентов, предугадывает те или иные их действия и может сгенерировать совет, который, например, поможет сэкономить деньги. Ещё одно важное направление в ИИ-технологиях — обучение с подкреплением (Reinforcement Learning). Обучение с подкреплением может быть внедрено во все приложения, где есть обратная связь от клиента.
«Сбербанк» применяет машинное обучение и технологии искусственного интеллекта для того, чтобы дать возможность сотрудникам работать более эффективно. Система ИИ минимизирует рутинные процессы, берёт на себя всю рутинную работу и, тем самым, предоставляет возможность сотрудникам сосредоточиться на решении более сложных, интеллектуальных задач, а также снизить человеческий фактор при принятии решений.
В 2017 года команда «Яндекс» разработал для «Райффайзенбанка» модель, для прогнозирования спроса на наличные в банкоматах.
Практически все сервисы «Яндекса», решающие задачи пользователей, используют технологии искусственного интеллекта. Это и нейронные сети, и градиентный бустинг. Мировой уровень качества этих технологий обеспечивается за счёт основной экспертизы, которая есть у «Яндекса», — создание поиска.
Кроме того, компанией представлен метод машинного обучения CatBoost — это наследник метода «Матрикснет», который применяется почти во всех сервисах «Яндекса». Yandex Data Factory планирует использовать CatBoost в своих коммерческих проектах. По результатам тестов новый алгоритм показывает повышение точности на реальных практических задачах.
Компания «Яндекс» разрабатывает ИИ-приложения для оптимизации производства в промышленности.
Компания ABBYY использует технологии ИИ в решении ABBYY FlexiCapture, универсальной платформе для интеллектуальной обработки информации. Она определяет тип документа, извлекает из него данные и отправляет их в информационные системы: в CRM, в учётные системы, в системы управления закупками.
Внедрением технологий ИИ поделился руководитель пресс-службы МТС Дмитрий Солодовников. С помощью технологий машинного обучения компания МТС прогнозирует желание абонента воспользоваться тем или иным сервисом. Ему делается предложение ещё до того, как абонент сам обратится к компании за подключением услуги. Это экономит время клиента и одновременно повышает уровень продаж. Технологии искусственного интеллекта помогают МТС узнать, какие услуги понадобятся клиенту. Так компания увеличивает продажи и эффективность рекламных кампаний.
Простой пример: успешно используют облачный сервис «Вторая память». Когда пользователь сталкивается с недостатком оперативной памяти, МТС предлагает ему установить приложение, позволяющее хранить данные в облаке. Такой подход повышает эффективность кампаний в среднем на 20% по сравнению с традиционным таргетингом.
Кроме того, технологии искусственного интеллекта позволяют МТС строить «умные», самонастраивающиеся в зависимости от нагрузки сети; планировать развитие сети, исходя не только из количества жителей района, но и из профилей, проживающих в нём людей; а также использовать аналитику данных для эффективного управления персоналом — настраивать гибкий график сотрудников, работающих в салонах МТС.
Прогнозирование посещаемости розничных точек с применением технологий машинного обучения позволило МТС на 15% сократить фонд рабочего времени и при этом повысить качество обслуживания за счет перераспределения ресурсов.
Как отмечает PR-директор «Мегафон Северо-Запад» Кермен Манджиев, «с помощью технологий искусственного интеллекта «Мегафон» оптимизирует работу салонов. Также на основе анализа больших данных оператор разработал линейку тарифных планов, тем самым повысил эффективность работы розничных магазинов».
Уже несколько лет оператор работает с Big Data для увеличения эффективности собственного ритейла. Анализ данных позволяет открывать салоны там, где находится больше абонентов, корректировать их расположение под максимальный трафик, а также управлять ассортиментом каждого салона с учетом потребностей жителей района. Всё это позволяет значительно увеличить эффективность работы каждой торговой точки.
Приведенные примеры наглядно показывают, что применение технологий ИИ в управлении бизнес — процессами российских компаний помогает снижать затраты и увеличивать доходы, оптимизировать рабочие процессы и повышать производительность.
В подтверждение сделанных нами выводов приведем статистические данные.
МОСКВА, 12 декабря 2019 г. Всероссийский центр изучения общественного мнения (ВЦИОМ) и Проектный офис по реализации национальной программы «Цифровая экономика» Аналитического центра при Правительстве Российской Федерации (АЦ) представляет данные исследования об отношении российских предпринимателей к технологиям искусственного интеллекта (ИИ).
Большинство представителей бизнеса (91%) знают о технологиях искусственного интеллекта (ИИ). При этом 43% не используют и не планируют использовать искусственный интеллект в работе компании. Используют технологии искусственного интеллекта почти треть компаний (31%), а около четверти (23%) планируют их внедрять.
Среди причин отказа от использования технологии искусственного интеллекта представители бизнеса называют отсутствие потребности в данных технологиях (37%), а также ненужность конкретно в их сфере деятельности (28%). Каждый десятый (11%) заявил об отсутствии знаний о данных технологиях, и только 8% опрошенных отказываются от планов по внедрению искусственного интеллекта из-за необходимости крупных финансовых вложений.
Из компаний, которые уже используют технологии искусственного интеллекта, 82 % оценивают их использование как эффективное. Наиболее распространенными положительными эффектами называются рост скорости (20%) и повышение удобства работы (14%).
О недостатке квалифицированных специалистов в области технологий искусственного интеллекта заявили 69% опрошенных. При этом доля отметивших недостаток квалифицированных специалистов выше среди тех, кто еще не использует, но планирует внедрять технологии ИИ в своей компании – 83%.
Однако не все компании планируют инвестировать в обучение и повышение квалификации своих сотрудников в сфере технологий искусственного интеллекта – этим вопросом в ближайшие 2-3 года планируют заняться лишь 28% компаний.
Почти половина (42%) представителей бизнеса, использующих или планирующих использовать технологии искусственного интеллекта, считают низким уровень риска, связанного с окупаемостью технологий искусственного интеллекта в перспективе ближайших 5-10 лет.
Абсолютное большинство опрошенных (91%) считают, что государство должно способствовать развитию технологий искусственного интеллекта, в первую очередь за счет создания и финансирования программ профессионального образования (54% представителей бизнеса).
Таким образом, применение технологий искусственного интеллекта в практике современного российского бизнеса экономически обосновано и целесообразно.
Использованные источники:
- Искусственный интеллект в России: перспективы и препятствия// БИТ. Бизнес & информационные технологии №10.2019г.- samag.ru
- Инвестиции в будущее: искусственный интеллект – Финансы на vc.ru
- Михайлов А. Как искусственный интеллект помогает управлять проектами. https://habr.com/-2019 г.
- Никишова М. Перспективы применения искусственного интеллекта в корпоративном управлении. Управленческие науки в современном мире // Management Sciences in the Modern World: Сб. докл. науч.-практ. конф.: Финансовый университет при Правительстве Российской Федерации; научный журнал «Стратегические решения и риск-менеджмент». – СПб.: ИД «Реальная экономика», 2018.с. 233.
- Пройдаков Э.М. Современное состояние исследований в области искусственного интеллекта// Цифровая экономика 3(3) 2018г. М., с.50
- Пройдаков Э. М. Современное состояние искусственного интеллекта // АНО «Модернизация», Москва, 2018г.С.129-130
- http://www.wciom.ru — Исследования об отношении российских предпринимателей к технологиям искусственного интеллекта (ИИ)., М., 2019 г.
