Работа на расстоянии: индивидуальный подход

29.05.2020
За прошедшие два месяца многие компании перевели своих сотрудников на удаленную работу. При этом столкнувшись с массой проблем, в силу непривычной ситуации и неотработанных методик. Рассчитывать, что эта ситуация останется уникальной и не повторится в будущем, наивно. Скорее всего, удаленная работа станет для многих компаний привычным делом. Как же правильно все организовать, рассказывают специалисты компании «Синимекс»: Алина Курчаткина, руководитель отдела кадрового развития (Дирекция по организационному развитию и поддержке бизнеса), Андрей Степанов, заместитель директора по разработке (Дирекция по производству) и Владимир Власин, руководитель отдела информационных технологий (Дирекция по производству).


Какие шаги необходимо предпринять в первую очередь при организации удаленной работы?

Алина Курчаткина: Первым делом нужно создать рабочую группу по организации удаленной работы компании из руководителей направлений или подразделений. Рабочая группа должна не только генерировать свои предложения, но и по возможности собрать предложения от сотрудников и проанализировать, как перестроить текущие процессы работы. Далее необходимо сделать следующее.

По каждому подразделению определить бизнес-процессы, которые не могут останавливаться из-за перехода на удаленную работу, и те, которые можно временно заморозить/притормозить. По критичным процессам назначить ответственных и их исполнителей.

Далее, нужно собрать информацию о наличии у сотрудников техники: возможно, у кого-то из сотрудников дома нет ноутбука или компьютера, гарнитуры или камеры для видеосвязи. Также необходимо собрать актуальные контакты сотрудников.

Затем создать чат или страницу FAQ на корпоративном портале, где сотрудники могут задавать вопросы по организации удаленной работы.

И наконец, составить положение и общие правила по удаленной работе. В большинстве компаний часть документооборота бумажная, поэтому надо продумать, как с ним работать, как собирать подписи и печати, можно ли быстро перевести в электронный документооборот (ЭДО).

Без заголовка.png 

   Алина Курчаткина, руководитель отдела кадрового развития (Дирекция по организационному развитию и поддержке бизнеса)

Андрей Степанов: Общие рекомендации – начать, как всегда, с анализа изменений и рисков, которые в связи с этим появились. Понять, что меняется в процессах в связи с переходом на удаленную работу. Нужно оценить эти изменения и степень их влияния на общий результат. По каждому такому риску разработать решение по его ликвидации, минимизации ущерба или придумать «обходной» путь. И конечно, непрерывно работать над этими проблемами, собирать обратную связь, анализировать, разрабатывать новые решения.

Как контролировать удаленных сотрудников?

А. К.: Для эффективной работы сотрудников из дома необходимо создать единые каналы связи для всего персонала (использование разных видов связи будет создавать путаницу) и виртуальный планинг/доску задач. Важно составить правила удаленной работы, где будут прописаны: организация обмена информацией, каналы связи, графики работы сотрудников, способы получения задания и отправки результатов, отчетность и списание рабочего времени, правила онлайн общения.

Также необходимо уделить внимание постановке задач: задание должно быть коротким, конкретным и не допускать разных толкований. В живом общении мы можем переспросить, подойти и посмотреть, что и как делает другой человек. В виртуальном пространстве мы опираемся только на письменный источник.

Без заголовка1.png 

Андрей Степанов, заместитель директора по разработке (Дирекция по производству)

А. С.: Все очень просто, в ИТ-сфере многие уже имеют все необходимое. Я бы выделил следующие направления. Сначала нужно настроить инструментарий постановки и контроля задач. Так как с переходом на удаленную работу усложнились коммуникации, надо ставить задачи максимально понятно (SMART), давать как можно больше информации письменно. Затем настроить доски задач. Сделать процессы прозрачными для всей команды. Далее разобраться с контролем потраченного времени. Вы всегда должны понимать, чем занимался сотрудник и какой результат был достигнут. Вовремя вносить корректировки и давать обратную связь. Следом настроить инструменты для контроля качества выполняемых задач. Тут уже, конечно, все зависит от специфики, роли т. п. У разработчиков это автотесты, ревю кода. Важными составляющими будут ввод расписания (график работы), проведение ежедневных встреч по утрам. А также настройка инструментов асинхронных и синхронных коммуникаций. И напоследок – научиться доверять своим сотрудникам.

Какие технологии и решения рекомендуются для использования при такой работе?

А. С.: Из предыдущего вопроса по пунктам получаем обязательные инструменты. Во-первых, это система постановки и контроля задач, во-вторых, инструмент учета рабочего времени – это может быть или внутри системы постановки и контроля задач, или самостоятельная система. В-третьих, я бы назвал систему совместной работы над артефактами (система управления исходным кодом, вики-система и т. п.). Четвертым и пятым пунктом могут стать корпоративный календарь и системы для синхронных (видеоконференции) и асинхронных коммуникаций (групповые мессенджеры, почта).

Какие облачные сервисы подойдут лучше всего?

Владимир Власин: По большому счету те облачные сервисы, которые мы привыкли использовать в повседневной жизни – это малая часть всего многообразия облачных технологий. В данном случае я говорю о SaaS (Software as a Service). Многие компании с большим успехом используют подобные облака. В качестве простого примера можно привести сервисы коммуникации Google, Yandex или MAIL.RU. Они пользуются большой популярностью. Но в каждом случае нужно подходить взвешенно и индивидуально, считать, насколько выгодно для компании будет перевести сервис в облако. Оптимальной на текущий момент является некая гибридная схема, когда часть инфраструктуры находится в облаках, а часть сервисов функционирует на собственных мощностях.

Без заголовка2.png 

Владимир Власин, руководитель отдела информационных технологий (Дирекция по производству)

А. С.: Индивидуальные сервисы не предполагают, что вы работаете в команде. Если вы автономны в решении своей задачи, то можете ими пользоваться. А если мы говорим про командную работу, то корпоративные сервисы позволяют значительно улучшить эффективность выполнения таких задач. Групповые сервисы позволяют осуществлять коммуникации прямо внутри этой системы, не теряя контекст, то есть вам не нужно тратить время на копипаст/пересказ информации, она не искажается.

Хороший инструмент групповой работы в совокупности с правильно выстроенным процессом его использования позволяет достичь практически линейной масштабируемости вашей команды за счет параллельно выполняемых задач.

Какие системы и бизнес-процессы сегодня можно было бы безболезненно вывести в облако для удаленной работы?

А. С.: Начать нужно с того, что системе или процессу не обязательно быть облачным, чтобы с ним эффективно работать удаленно. Вообще слово «облако» можно понимать по-разному. Если мы говорим про инфраструктуру (iaas), то конечно, следует отдать инфраструктуру в ЦОД, снизить риски того, что у вас отключат электричество или вы не сможете попасть в офис. Сейчас это даже дешевле, чем поднимать инфраструктуру у себя. Если мы говорим про платформу (paas) или готовую систему (saas), то однозначного ответа быть не может. Потому что системы компании не существуют в вакууме, иногда интеграция облачной системы может стоить дороже, чем разработка самой системы. Все зависит от стратегии развития вашего ИТ, уровня зрелости. Начать нужно с того, что навести порядок в процессах, выделить сервисы, автоматизировать ручную работу. И, как я уже говорил, начните с проблем, которые появились после перехода на удаленную работу. Если качество работы сервиса не пострадало при таком переходе, лучше потратить средства на решение реальных проблем.

Какие рекомендации вы могли бы дать специалистам ИБ-подразделений по поддержке удаленных сотрудников? 

В. В.: Самой простой рекомендацией может быть фраза: «Предоставьте сотрудникам корпоративное оборудование, изначально настроенное исходя из требований ИБ вашей организации». Если такой возможности нет, необходимо составить чек-лист с требованиями к оборудованию и ПО, которому будет разрешен доступ в корпоративную локальную сеть. В этих требованиях уже можно написать об антивирусном ПО, политике паролей, сетевых ограничениях при подключении к корпоративной сети, удаленном доступе сотрудников ИТ или ИБ и прочие правила, существующие в организации.

А. С.: В зависимости от того, где вы работаете. Если в офисе специалисты ИБ запаяли вам USB-порты и смотрят через камеру в ваш монитор, то вам не повезло и вряд ли у вас получится работать удаленно.

Но в большинстве компаний все не так плохо. По сути, после перехода на удаленную работу ничего не изменилось. Как раньше нужно было блокировать компьютер, когда от него отходите, так и сейчас. Доступ ко всем ресурсам компании через VPN. Все операции пользователей протоколируются.

Как мотивировать удаленно работающих сотрудников?

А. К.: Так же, как и сотрудников в офисе. Необходимо анализировать их потребности и привязывать результаты труда к их удовлетворению. Например, одни мечтают о признании, другие – о финансовом благополучии, третьи – о продвижении. Важно проявить индивидуальный подход и не забывать, что в офисе мы многое считываем по невербальным сигналам, а при работе удаленно нужно все это перевести в слова и дать больший объем регулярной обратной связи.

А. С.: Так же, как и сотрудников в офисе. Изменились только сами коммуникации. Старайтесь чаще общаться с сотрудниками, назначьте регулярные встречи один на один.

Какие задачи решает ИТ-отдел? Каких специалистов желательно оставить в офисе для поддержки и решения неотложных вопросов?

В. В.: Особой задачей ИТ-специалистов является предоставление корпоративных сервисов удаленным сотрудникам с тем же качеством, что и сотрудникам, работающим в офисе. В крайнем случае с незначительным ухудшением, которое в первую очередь образуется на пути подключения сотрудников к корпоративным сервисам и не управляется компанией.

Если же в офисе остается часть оборудования, через которое осуществляется деятельность сотрудников, то желательно оставить специалистов, которые могли бы производить достаточно простые операции с рабочими станциями или сетевым оборудованием. Например, перезагрузить зависший компьютер, организовать новое рабочее место, подготовить технику для удаленного сотрудника и другие подобные вопросы. На самом деле можно вообще не оставлять ИТ-специалистов в офисе, а разрешить им приезжать из дома, но только если при решении вышеописанных задач они не будут нарушать SLA. Подчеркну еще раз, что качество сервисов не должно становиться хуже.

Как настроить сотрудников, помочь им быстрее адаптироваться к новым условиям?

А. К.: Многие, услышав, что им предстоит работать удаленно, воспринимают это как уникальную возможность отдохнуть. Когда они понимают, что это далеко не так, начинает появляться первый признак лени – прокрастинация. Работники знают, что им нужно выполнить задачу, но не могут себя заставить – быт поглощает. Необходимо сразу объяснить сотрудникам, что переход на удаленную работу не равен отпуску. Сотрудники должны понять, что их ждут графики, дедлайны и контроль со стороны руководителя. Составьте свод правил по удаленной работе, спрашивайте у подчиненных, с какими трудностями они столкнулись, выработайте правила отчетности о выполненной работе.

Чтобы сотрудник не чувствовал себя одиноко вдали от коллектива, поддерживайте корпоративные ритуалы, переведя их в новый онлайн-формат: поздравления с днями рождения, пятничные чаепития и т. д.

А. С.: Мы проводим опросы среди сотрудников по удаленной работе. Выявляем различные проблемы и помогаем им. Стараемся обеспечить всем необходимым. Также нужно стимулировать неформальное общение сотрудников, они должны чувствовать себя частью команды и коллектива.

Какие типичные ошибки и заблуждения бывают у заказчиков относительно удаленной работы и как заранее уберечь их от этих «грабель»?

А. С.: Типичное заблуждение – что сотрудники всегда хотят отлынивать от работы, и если за спиной не стоит босс, то работа останавливается. На самом деле это не так. Те сотрудники, которые замотивированы, получают удовольствие от работы, будут работать удаленно с еще большей отдачей, поскольку они меньше времени тратят на дорогу в офис и меньше отвлекаются. А те, кто не хочет работать, и в офисе, скорее всего, только создавали видимость деятельности. Мотивируйте своих сотрудников, и вы увидите, что и при удаленной работе можно быть очень эффективными.

С начала массового перевода на удаленную работу прошло почти два месяца. Что изменилось за это время?

А. С.: Мы привыкли работать удаленно. Вошли в новый ритм, подготовили новый график, освоили новые инструменты и подходы. В определенном роде это даже полезно для компании. Мы стали более гибкими. И уже сейчас думаем, как применять приобретенные навыки после отмены ограничений.

В. В.: С конца марта для нас практически ничего не изменилось. Изначально идеология нашей работы была построена на принципах удаленного сопровождения, и именно в сложившейся ситуации это помогло предоставлять корпоративные сервисы без ухудшения качества. Одним из главных ресурсов компании являются люди, и наша задача всегда заключалась в обеспечении их возможностью реализовывать себя в любое время. Поэтому еще до массового перевода на удаленную работу у большинства сотрудников была возможность трудиться дистанционно, в отличие от многих других компании с иной сферой деятельности. 

А. К.: В целом, у наших сотрудников не возникло проблем с переходом на удаленную коммуникацию, значит, мы оказались готовы к такому повороту событий. Мы справились с организацией рабочего процесса, с постановкой и контролем задач у удаленных сотрудников. В некотором смысле, эффективности в работе даже прибавилось, т.к. нет отвлекающих факторов как при офисной работе: не тратится время на дорогу, коллеги не отвлекают чаепитиями и перекурами, никто не дергает внезапными вопросами «у меня тут срочный вопрос, подскажи..». Лично я сейчас замечаю, что объективно работаю больше и дольше, чем в офисе. В основном это связано с тем, что коммуникации в удаленном режиме стали медленнее. Но самая ощущаемая проблема среди сотрудников – это ощущение одиночества. Им не хватает общения, они скучают по команде, офису, возможности перекинуться парой слов на кухне. Конечно, организовываются чаты, «виртуальные кухни» и внутренние семинары, но для тех, кто привык к живому общению, перестроиться всё ещё сложно. Есть и те, кто самостоятельно решает, что им комфортнее работать в офисе, потому что физически они не могут работать дома, им сложно сконцентрироваться. Глобально в компании сейчас политика максимальной социальной офлайн-изоляции, но мы надеемся, что в скором времени, мы все сможем вернуться к работе в офисе в прежнем режиме.

Комментарий компании «Синимекс»:

«Считаем, что перевод сотрудников на удаленную работу прошел безболезненно: компании удалось оперативно выстроить корпоративную коммуникацию, проявить гибкость и при этом не потерять свою эффективность. Адаптация – это тот опыт, который сотрудники компании «Синимекс» обязательно будут использовать и применять в будущем».


Материал издания IT Manager по ссылке.

Искусственный интеллект в клиентской поддержке

22.05.2020
Мы проанализировали, как бизнес относится к применению чат-ботов и что прогнозируется по данному направлению, а также поговорили с экспертами и участниками рынка (включая Just AI, Voximplant, NAUMEN, Cleverbots, Anybots, CraftTalk, JivoSite, «Синимекс Дата Лаб», Redmadrobot Data Lab, Celado AI) о настоящем и будущем разговорного ИИ в обслуживании клиентов. 

К технологиям искусственного интеллекта (ИИ) безусловно относят обработку естественного языка (natural language processing, NLP). И когда речь заходит о применении разговорного ИИ, первое, что приходит в голову, это клиентская поддержка, считают авторы обзора Just AI рынка чат-ботов. По оценкам аналитиков KPMG, чат-боты занимают вторую строчку среди самых популярных инструментов цифровизации у российских компаний (первое место у анализа больших данных и предиктивной аналитики). Их выводы также подтверждают, что чат-боты чаще всего используются для обслуживания клиентов.

Как показывают опросы российского бизнеса, компании видят реальные положительные эффекты от внедрения ИИ-решений. Например, согласно данным KPMG, 51% отечественных компаний ввели хотя бы одного чат-бота в свои бизнес-процессы и этот инструмент попал в тройку технологий, которые принесли наибольший экономический эффект.

Как будет расти рынок чат-ботов

По оценкам Business Insider, объем мирового рынка чат-ботов вырастет с $2,6 млрд в 2019 году до $9,4 млрд к 2024 году (примерно 190 млрд. руб. и 688 млрд руб., соответственно; по курсу ЦБ РФ на 16.05.2020). При этом совокупный годовой рост (CAGR) ожидается на уровне 29,7%. 

В России объем российского рынка разговорного ИИ, чат-ботов и интеллектуальных ассистентов к 2023 году должен достичь отметки в 33 млрд руб., считают эксперты Just AI. Их прогноз на 2021 год — 9,6 млрд руб.

В Mail.ru Group связывают ожидания активного роста рынка чат-ботов до 2024 года с крупными шагами ИT-сектора в 2018-2019 годах в разработке технологий обработки естественного языка (NLP).

Технический директор «Синимекс Дата Лаб» Кирилл Дубовиков тоже объясняет нынешний повышенный спрос на чат-боты тем, что за прошлые два года технологии NLP совершили большой скачок вперед, что позволило начать реализовывать практически полезные диалоговые системы.

«Думаю, что эти прогнозы не скорректирует в меньшую сторону даже нынешняя непростая ситуация, связанная с пандемией – наоборот, сейчас коммуникации еще стремительнее переходят в онлайн.»

Максим Цуканов

руководитель направления CRM и клиентской аналитики SAS Россия/СНГ

Первый взрыв интереса к этой теме уже прошел, считает Алексей Марин, ведущий разработчик компании «Медиа-тел». По его мнению, рынок сейчас перенасыщен продуктами компаний разного уровня.

«Классические кейсы давно решены тысячами заслуженных корпораций и молодыми энергичными стартапами. В технологическом плане решения бьются за доли процента точности распознавания речи и сопоставления запросов ответам».

Алексей Марин

ведущий разработчик компании «Медиа-тел», группа компаний Devoteam

Однако при этом огромное количество, казалось бы, простых сценариев до сих пор остаются нереализованными или реализованными плохо, добавляет Марин.

Каким компаниям нужны чат-боты

В России чат-боты наиболее широко используются в телекоме, финансовых институтах и ритейле (75%, 60%, 50%, соответственно), подсчитали эксперты KPMG. Компании из этих отраслей активно пользуются услугами колл-центров и заинтересованы в автоматизации клиентских сервисов для сокращения расходов. 

«Эти отрасли всегда были ИТ-трендсеттерами в бизнесе, они уже давно внедряют чат-ботов во всех текстовых каналах, а сегодня массово начинают разрабатывать и голосовых помощников – для обработки входящих обращений, для исходящих обзвонов и даже продаж (что раньше казалось невозможным)». 

Юлия Рыжих

директор по маркетингу Just AI

С этим согласен Артур Камский, сооснователь Anybots. По его словам, в крупном и среднем бизнесе все больше компаний начинают использовать автоматизированных агентов поддержки (помимо банков и телекома он также называет страхование). Чаще всего речь идет об интеграции в чат на сайте или в приложении, но уже встречаются и голосовые помощники на горячих линиях.

При этом Камский считает, что для малого бизнеса использование ручного труда пока еще оказывается эффективнее по соотношению цена-качество. Однако Юлия Рыжих Just AI убеждена: малый и средний бизнес тоже активно использует разговорных ботов. Он в основном коммуницирует с клиентами через чаты (т.н. conversational commerce), так как пользователям такой способ общения удобен. По словам представителя Just AI, самые популярные кейсы для компаний малого и среднего бизнеса — чат-бот на первой линии поддержки, где он закрывает наиболее частотные запросы, сбор данных для доставки, подтверждение записи или заказа, опросы. 

Алгоритмы с ML успешно применяются в банковской сфере и другими крупными компаниями, у которых есть большие данные для их обучения, поясняет Тимур Валишев, СЕО и сооснователь JivoSite. По его мнению, небольшим компаниям больше подходят чат-боты, работающие по древовидному сценарию: бот задает вопросы, а пользователь либо кликает готовые ответы, либо вводит свои варианты. 

В Mail.ru Group отмечают, что боты эффективны и нужны бизнесу при выполнении двух условий: если пользователи часто обращаются к компании с типовыми задачами, а эти задачи решаемы без участия человека.

Помимо бизнеса чат-боты применяются также государственными или муниципальными структурами, например, в Москве.

«Во-первых, чат-бот берет на себя часть трафика, что уменьшает нагрузку на реальных сотрудников. Во-вторых, снимает часть рутинной работы и освобождает ресурсы для выполнения более сложных задач, которые невозможно делегировать». 

Борис Маяцкий

Представитель продукта «Общегородской контакт-центр» ДИТ Москвы

76% москвичей хотя бы раз разговаривали с чат-ботами или роботами-операторами, свидетельствуют данные ДИТ Москвы из исследования о развитии искусственного интеллекта в столице.

Почему чат-боты нужны пользователям

Клиент, который хочет получать сервис в круглосуточном режиме, охотнее будет писать, а не звонить. По оценке Google, 65% людей предпочитают обращаться через чаты. У компании CraftTalk есть данные, что в России эти показатели еще выше, рассказал ICT.Moscow гендиректор этой компании Денис Петухов.

«WhatsApp и Telegram остаются еще не такими насыщенными с точки зрения рекламных контактов платформами, и для большинства являются нативными каналами коммуникации». 

АдамТураев

Strategy Director компании Cleverbots

Тураев считает более логичным бота, симулирующего общение с человеком для поддержки пользователей, встроить в один из наиболее популярных для целевой аудитории мессенджер.

В этой области есть два противоположных тренда, считает Юрий Чайников, генеральный директор Redmadrobot Data Lab:

  1. увеличение доли голосовых ботов благодаря развитию технологий распознавания и синтеза речи;
  2. предпочтение людьми текстовых каналов из-за растущего количества голосового телефонного спама и ряда других причин.

Эксперт отмечает, что голосового бота сделать сложнее и риск недовольства пользователей выше. Чайников рекомендует обкатать практику на текстовых ботах, а потом браться за голосовых.

В Mail.ru Group разделяют голосовых ботов и голосовых ассистентов и говорят о низкой эффективности первых. В компании считают, что текстовые боты проще в освоении, они интуитивны и быстрее помогают пользователю решить вопрос.

В чем сложности и особенности создания бота

Для создания сложных чат-ботов используются алгоритмы машинного обучения, методы понимания естественного языка (NLU), решения для интеграции с внешними каналами (например, мессенджерами), системы распознавания и синтеза речи. 

Создать чат-бота при помощи специального конструктора просто, но он сможет решать только самые простые задачи, хотя часто и этого бывает достаточно. По словам Максима Цуканова из SAS Россия/СНГ, сложности могут быть на уровне технологий, которые лежат в основе чат-бота — в построении моделей для машинного обучения, в анализе естественного языка для этой цели. 

«Доступность открытых диалоговых фреймворков дает возможность компаниям относительно недорого разрабатывать чат-боты с использованием ИИ. Хотя это накладывает довольно высокие требования к наличию у разработчиков соответствующего опыта и компетенций, чтобы успешно нивелировать ограничения таких фреймворков».

Ленар Рахматуллин

руководитель направления услуг ИТ-инфраструктуры ICL Services

Адам Тураев из Cleverbots не видит особых проблем непосредственно в разработке и эксплуатации чат-ботов. По его мнению, основные проблемы появляются на этапе подготовительной работы. 

«Необходимо проверить большое количество гипотез, определиться с пользовательскими сценариями, выбрать набор технологий и т.п. Связано это с тем, что сейчас мало кейсов на рынке ИИ-технологий, мало базы для анализа успешного опыта, поэтому компаниям приходится где-то рисковать и много ошибаться».

АдамТураев

Strategy Director компании Cleverbots

Вслед за этим возникает другая сложность — дообучение чат-бота.

«Чаще всего это связано с тем, что данные, с помощью которых обучали конкретного бота, становятся недостаточно полными (добавился какой-то новый продукт или сервис у компании), и бота нужно дообучать или переобучать».

Алексей Айларов

сооснователь и СЕО Voximplant

Артур Камский из Anybots отмечает трудности, связанные с распознаванием контекста беседы и извлечением намерения пользователя.

«Особенность разработки чат-ботов в том, что ты никогда не можешь быть уверен, что предусмотрел все возможные варианты запроса. В отличие от, например, разработки приложений, где ты чаще всего можешь определить все возможные варианты взаимодействия пользователя с интерфейсом».

Артур Камский

сооснователь Anybots

Когда речь идет об автоматизации сложных сценариев диалога, предусмотреть все возможные сценарии практически невозможно, соглашается Борис Маяцкий из ДИТ Москвы. Поэтому разработчикам важно не только правильно настроить ботов, а именно продумать возможные типы запросов от пользователей и верные на них ответы, но непрерывно актуализировать знания и дообучать бота, поясняет эксперт.

Особенность чат-ботов в том, что это не столько программа, сколько дизайн диалогов, говорит Алексей Марин, ведущий разработчик компании «Медиа-тел» (ГК Devoteam). 

«Особенно это справедливо для такого гибкого языка, как русский, где нет жесткого порядка слов, где перестановка двух слов местами может в корне поменять смысл запроса, для построения диалога и «узнавания» текущей потребности собеседника чаще требуется не опыт и знания классического программиста, а лингвистика и даже психология».

Алексей Марин

ведущий разработчик компании «Медиа-тел», группа компаний Devoteam

При внедрении чат-бота обычно недооценивается объем работы по интеграции с другими подсистемами и необходимость изменять бизнес-процессы, говорит Юрий Чайников из Redmadrobot Data Lab.

 

Чего ждать от чат-ботов и голосовых помощников в будущем

Интеграция роботов в инфраструктуру клиентского сервиса будет более глубокой. Это будет происходить по мере того, как подходы к применению диалогового искусственного интеллекта в корпорациях станут более зрелыми, а также по мере роста доверия к технологиям. По мнению Андрея Зайцева из NAUMEN, со временем боты получат доступ к информационным системам с клиентскими данными и смогут подходить к обслуживанию предиктивно, предугадывая причины обращений в поддержку с опорой на историю коммуникации и персонализируя общение с каждым клиентом.

Про доступ таких систем к базам данных о клиенте, его договору, информации о подключенных услугах, правах доступа, номенклатуре товаров, остатках на складе и т.д. говорит и Алексей Марин из «Медиа-тел». При этом он добавляет, что для голосовых помощников, кроме всего вышеперечисленного, требуются еще качественные системы распознавания речи, учитывающие акценты и, возможно, сленг, а также системы, умеющие разбирать речь на фоне шумов.

Юлия Рыжих из Just AI видит будущее голосовых ботов в развитии технологий биометрии. По ее мнению, это решит задачу быстрой идентификации клиента и откроет больше сервисных возможностей.

У некоторых решений уже сегодня есть доступ к пользовательским данным. Например, виртуальный помощник для клиентов «Мегафона» «Елена», которая работает на основе искусственного интеллекта и объединяет в себе большое количество разных систем и инструментов.

«Абонент еще не успел задать вопрос, а «Елена» уже определила его текущий профиль, основываясь на всех доступных ей данных, прогнала по предиктивным моделям, определила наиболее вероятный вопрос, основываясь на последних событиях в жизни клиента, и предложила свой вариант, превратив полученные данные в голосовой ответ, понятный клиенту». 

Игорь Доронин

директор по клиентскому сервису «Мегафона»

К наиболее вероятным трендам в области создания ботов Алексей Марин из «Медиа-тел» относит возможность извлечения и накопления знаний из диалогов (т.е. самообучение чат-ботов), бинарную социализацию чат-ботов (способность чат-ботов связываться между собой для обмена «знаниями» и «навыками»), а также «навыки» получения данных, стандартизацию способов предоставления информации для возможности извлечения информации для обучения чат-ботов. 

Многие эксперты говорят также и о все большей персонализированности чат-ботов. Так, Борис Маяцкий из ДИТ Москвы считает, что персонализированные виртуальные помощники будут подстраиваться под отдельного человека для решения его рутинных задач.

Основатель Celado AI Антон Балакирев считает, что в ближайшее время чат-боты будут умнеть за счет большего накопления информации компаниями, которые их внедряют.

«Меньше будет ботов с вариантами ответов-вопросов, реже будут переключения на оператора. Будут добавляться функции не только информирования, но и совершение действий».

Антон Балакирев

основатель Celado AI

Время примитивных чат-ботов прошло, резюмирует Марин из «Медиа-тел».

Как применяют чат-ботов на практике

Ритейл

Одна из проблем, с которыми столкнулись в Wildberries, заключалась в том, что клиенты часто не могут кратко и понятно сформулировать свой вопрос или запрос информации. Так, чат-боту необходимо определить, на какую из распознанных тем необходимо ответить в первую очередь. 

«Если количество слов в сообщении клиента и значимость этих слов для чат-бота одинаковы, то фактически нельзя сделать выбор в пользу одной из тем для первоначального ответа. Мы решили эту проблему с помощью расстановки приоритета тем. На данный момент это является ключевым фактором в анализе обращений клиентов Wildberries. На основании такого списка приоритетов происходит выбор основной темы обращения клиента для предоставления ему консультации».

Кристина Спирева

руководитель клиентского сервиса Wildberries

Разработчики

Адам Тураев из Cleverbots рассказывает о кейсе с компанией «Герофарм», в рамках которого требуется разработать решение для диагностики дефектов произношения, сигнализирующие о возможном нарушении развития мозга у детей от 2 до 7 лет.

«Эту преддиагностику мы проводили с помощью аудиозаписей, которые записывают дети в рамках выполнения определенных заданий в чат-боте в игровой форме. Потом мы анализируем эти аудиозаписи и определяем, есть ли дефекты в произношении того или иного звука. Сейчас мы находимся на этапе сбора и разметки датасета. К работе подключен профессиональный логопед, который пока вручную проверяет эти записи и отмечает, где корректно, где некорректно произнесен звук». 

АдамТураев

Strategy Director компанииCleverbots

На следующем этапе проекта компания планирует обучить модель на этом датасете и научить систему уже автоматически определять эти дефекты, исходя из звуковых волн.

Город

В декабре 2019 года на сайте mos.ru был запущен бот с использованием нейронной сети. Чат-бот отвечает на вопросы пользователей сайта, связанные с городскими сервисами, и консультирует по использованию услуг портала.

«Изначально для запуска использовали данные, собранные за время работы поддержки. Бот обучался на примерах диалогов, которые вели операторы при консультации пользователей портала. Уже после запуска бот взял на себя около 20% трафика. На текущий момент бот активно обучается, используя знания обрабатываемых поддержкой ответов». 

Борис Маяцкий

Представитель продукта «Общегородской контакт-центр» ДИТ Москвы

    Источник по ссылке.

Качественный скачок

17.04.2020

Генеральный директор компании «Синимекс» (Cinimex) Андрей СЫКУЛЕВ рассказал обозревателю «Стандарта» Якову ШПУНТУ о том, как влияют на бизнес компании-интегратора процессы цифровой трансформации, которые происходят у его заказчиков, какие технологии при этом востребованы и почему не стоит спешить с внедрением тех из них, которые считаются наиболее модными.

 – Как вам удается расти быстрее отечественного ИТ-рынка? Какие факторы стали определяющими для бизнеса Cinimex в 2019 году?

– ИТ-рынок растет, и это хорошо заметно, даже на бытовом уровне. Технологий вокруг нас становится все больше. Например, остановочные павильоны городского транспорта уже оснащены информационными табло, а скоро на дорогах появятся «умные» автобусы с системой распознавания лиц. Когда речь заходит об оценке роста ИТ-рынка, возникает вопрос о единицах измерения. Как правило, он измеряется в денежных показателях, и с этой точки зрения роста можно добиваться исключительно за счет увеличения стоимости продуктов и услуг. При этом цены растут под влиянием целого комплекса факторов. Например, отрасли не хватает многих ресурсов – прежде всего, квалифицированных кадров. Их дефицит приводит к росту заработной платы – и как следствие, к увеличению затрат на персонал.

Что касается бизнеса нашей компании, то он также показывает рост. Сейчас у Cinimex около 30 крупных клиентов, ежегодно к ним добавляется две-три компании, которые приносят заказы и расширяют портфель наших решений. Также мы захватываем новые сегменты, находя заказчиков вне финансового сектора, с которым традиционно работаем. Спрос на услуги разработки архитектурно сложных решений под заказ появляется со стороны промышленных предприятий и представителей розничной торговли, хотя раньше ими интересовались исключительно финансовые и телекоммуникационные компании.

Что касается выхода на внешние рынки, то мы работаем в этом направлении. У нас есть проекты для зарубежных заказчиков, которые мы успешно реализовали.

 

– Какая доля доходов Cinimex приходится на финансовый сектор? С представителями каких еще отраслей вы сотрудничаете наиболее плотно?

– На заказчиков из финансового сектора приходится основной объем работ. Мы специализируемся на интеграции разнородных систем, что в наибольшей степени востребовано в банках и финансовых организациях, которые были и остаются одними из самых ИТ-емких структур. Счет системам, которые они используют, может идти на сотни, и их интеграция является востребованной услугой.

По мере накопления информационных систем, представители других отраслей начинают осознавать необходимость в упорядочивании взаимодействия между ними. Особенно если счет применяемым системам пошел на десятки, что все чаще встречается в промышленности и в рознице. Системы должны взаимодействовать, и этот процесс надо упорядочить, в том числе организовав единый интерфейс управления. Когда разные системы работают обособленно, задача интеграции не ставится.

 

– Как меняется структура спроса на продукты и решения Cinimex? Наблюдаете ли вы падение интереса к решениям на базе технологий зарубежных вендоров и рост конкурентоспособности российской продукции?

– Мы регулярно сталкиваемся с перегревом спроса на решения, базирующиеся на некоторых технологиях. При этом широкую известность получило довольно точное описание жизненного цикла технологий Hype Circle, авторство которого приписывают Gartner. Сначала интерес к той или иной технологии растет, подогреваемый прессой и маркетинговыми подразделениями вендоров. Возникают завышенные ожидания. Но когда люди сталкиваются с тем, что технология работает совсем не так, как они ожидали, наступает разочарование. И только после того, как выявляются направления, где применение технологии приносит хороший результат, начинается ее восходящее развитие, которое выводит инновации на «плато продуктивности».

Сейчас, например, технология blockchain находится на нисходящей «ветке разочарования», ажиотаж вокруг нее спадает на глазах. Но через некоторое время уйдет пена, вызванная неоправданными ожиданиями, и начнется усиленное применение там, где использование blockchain будет оправдано.

С искусственным интеллектом (ИИ) все несколько сложнее. Это зонтичный термин, объединяющий десятки технологий, которые находятся на разных стадиях цикла. Компьютерное зрение уже вышло на «плато продуктивности». А вот все, что связано с беспилотным транспортом, близко к достижению пика завышенных ожиданий.

Что касается выбора между отечественными и зарубежными продуктами, то тут тоже наблюдается определенный ажиотаж. Далеко не все решения так просто заместить. Среди зарубежных систем есть такие, развитие которых шло десятилетиями, и в одночасье разработать российские аналоги физически невозможно. При этом, в условиях геополитической напряженности и торговых войн нужно иметь свои ИТ-решения, так что развивать это направление нужно.

 

– В прошлом году была создана компания «Синимекс Дата Лаб». Расскажите, пожалуйста, подробнее об этом функциональном подразделении.

– Подходы к использованию технологий ИИ существенно отличаются от того, к чему многие привыкли, именно по этой причине мы и создали «Синимекс Дата Лаб». Есть большой интерес, который выражается в увеличении количества разного рода пилотных проектов, направленных на то, чтобы «потрогать и пощупать», а что реально можно делать с помощью таких технологий. При этом данная группа решений находится на нисходящей фазе предложенного Gartner цикла: пройден пик ожиданий и наблюдается некое разочарование. В то же время появляются вполне зрелые примеры продуктивного применения ИИ, так что интерес не спадает.

 

– В 2019 году особое внимание в России уделялось технологиям искусственного интеллекта. Какие решения и сценарии применения ИИ вызывают у ваших клиентов повышенный интерес?

– Прежде всего, анализ данных. И хотя данное направление развивается уже десятки лет, не так давно в этой сфере появились новые алгоритмы, которые позволяют выявлять скрытые зависимости. Анализируют свои данные сейчас практически все компании, накопившие их более-менее крупные массивы.

Очень большой интерес наши заказчики проявляют к технологиям компьютерного зрения, анализа и синтеза речи. Они достаточно зрелые для того, чтобы находить им массу применений. «Синимекс Дата Лаб» занимается как раз этими направлениями. Все остальное пока находится на стадии экспериментов и далеко от готовности к практическому применению.  Что касается средств разработки, то мы применяем инструментарий с открытым кодом. У него есть свои слабые стороны, но плюсов все же больше. Тарификация имеющихся на рынке проприетарных коммерческих средств зависит от объемов обрабатываемых данных, и цена применения таких решений получается слишком высокой. 


   – Насколько велика цена ошибки при создании систем ИИ? 

– Она может быть экстремально высокой. Можно вспомнить пример, когда ошибка в ПО привела к двум авиакатастрофам. Или нашумевший случай с ПО беспилотного автомобиля, который слишком поздно «заметил» переходящую дорогу велосипедистку. В итоге она была сбита. И произошло это по той причине, что разработчики просто не предусмотрели такой сценарий, а ИИ посчитал пострадавшую неподвижным объектом. 


- Насколько велика цена ошибки при создании систем ИИ?

- Она может быть экстремально высокой. Можно вспомнить пример, когда ошибка в ПО привела к двум авиакатастрофам. Или нашумевший случай с ПО беспилотного автомобиля , который слишком поздно «заметил» переходящую дорогу велосипедистку. В итоге пешеход была сбита. И произошло это потому, что разработчики просто не предусмотрели такой сценарий. И ИИ посчитал пострадавшую серией неподвижных объектов.


- То есть вы считаете, что ИИ не заменит человека?

Да, нейросеть может идентифицировать объекты, и делает это быстрее человека. Но проводить аналогию с человеческим мозгом не вполне корректно. Для обучения нейросети нужны десятки тысяч картинок, а чтобы научить ребенка отличать кошку от собаки, нужно показать ему картинку или само животное максимум три раза, часто достаточно и двух раз.


– Появление национального регулирования в сфере ИИ, а также его стандартизация затормозит или, наоборот, упорядочит подходы к развитию этого класса технологий? Возможны ли сценарии, при которых регулирование станет драйвером развития новых технологий?

– Стандарты нужны, но они должны появляться де-факто. Что касается упорядочивания в сфере ИИ, то, как показывает мой жизненный опыт, регулирование чаще становится тормозом для развития технологий. Хотя, если оценивать меры, которые предпринимает государство, то, безусловно, усилия по развитию информационной инфраструктуры, по подготовке кадров или актуализации нормативной базы важны и полезны. Но государству не стоит заходить на территорию, где реализация частных инициатив приводит к появлению и воплощению новых идей и решений.

Правильный подход демонстрирует Центральный банк, применяя «песочницы» для тестирования норм регулирования. Кроме того, идет работа по упразднению давно устаревших, но до сих пор действующих норм в рамках так называемой регуляторной гильотины.


– Какие цифровые технологии будут определять развитие глобальной и российской ИТ-отраслей в перспективе ближайших лет?

– Безусловно, все, что так или иначе связано с искусственным интеллектом. Помимо этого, сфера ИТ продолжит демократизироваться. Причем, чем доступнее для широких масс будет та или иная технология, тем интенсивнее она будет развиваться – за счет массовости спроса.

Уже виден предел для развития традиционной элементной базы вычислительной техники. На смену классической фоннеймановской архитектуре предлагается целый спектр других, где используются разные физические принципы, многие из которых базируются на логике, отличающейся от традиционной бинарной. Но в любом случае, через замаячивший на горизонте квантовый порог индустрия так или иначе перешагнет. И это будет качественный скачок. 

О ДИВНЫЙ, НОВЫЙ МИР!

11.03.2020
Главный редактор нашего журнала Эльчин Гулиев и генеральный директор компании СИНИМЕКС Андрей Сыкулев встретились, чтобы поговорить о перспективах развития Искусственного Интеллекта (ИИ) в банковской системе.
Э.Г.: Андрей, вы позиционируетесь как сервисная компания. Прежде чем перейти к ИИ, можете рассказать, что вкладывается в понятие сервисной компании?
 
А.С.: В ИТ-компаниях есть две модели бизнеса – продуктовая и сервисная. Продуктовые компании разрабатывают тиражные продукты, условно говоря, коробку. Например, 1С – это типичный представитель продуктовой компании с «коробкой», хотя сервисная составляющая у них тоже присутствует. Сервисные компании как наша адаптируют чужие продукты под потребности клиента, внедряют их и осуществляют сопровожде-ние либо ведут специальную разработку под потребности клиента. У нас коробки нет вообще. Это другой бизнес, другая организация и модель. У нас были попытки сделать коробку, но не получилось.
 
Э.Г.: Много компаний вы ведете?
 
А.С.: Больших компаний – порядка 20. И порядка 20 очень больших компаний, это в основном банки.
 
Э.Г.: Могу предположить, что ваши банковские клиенты – это по большей части крупные банки.
 
А.С.: Только крупные банки. В них, как правило, установлено более сотни различных систем, и вопрос их интеграции является острым и всегда актуальным. Это как раз то, чем мы исторически занимаемся.
 
Э.Г.: Как Вы смотрите на будущее Вашего бизнеса с учетом того, что крупные банки создают большие технологические подразделения, выделяют их в самостоятельные технологические компании?
 
А.С.: Этот тренд существует и развивается, все занимаются agile. С одной стороны, мы в этом видим угрозу своему сервисному бизнесу, постоянно прорабатываем возможные альтернативные варианты собственного развития, держим в голове возможное переключение на продуктовый бизнес. С другой стороны, наш 22‑летний опыт говорит о том, что этот процесс носит волнообразный характер: сегодня все идут в инсорсинг, завтра – в аутсорсинг. Для нас очевидно главное, банки никогда не станут ИТ-компаниями, потому что прежде всего это разные психологии и разные мотивации. Для ИТ-компании на карту поставлено все, и один провальный проект – это удар, от которого сложно оправиться. Для крупного банка это в большей степени игры в песочнице, провалился один проект – попробуем другой. И здесь возникает вопрос эффективности и рационального использования ресурсов: а стоит ли рисковать и отвлекать средства на то, что не является основным бизнесом и не приносит дополнительной стоимости. Наигравшись, банкиры начинают считать. В свое время популярным стало определение банка
как ИТ-компании с банковской лицензией, сейчас это уже реже звучит.
 
Э.Г.: Олег Тиньков активно использовал эту формулировку. У Тинькова, кстати, инсорсинг или аутсорсинг?
 
А.С.: Я думаю, что они используют смешанную модель. Заинсорсить все экономически нецелесообразно, да и невозможно. А вообще – он большой молодец! Создать банк с нуля, делать то, что они делают, – это круто. Я не со всем согласен, правда, но в целом – впечатляет.
 
Э.Г.: А с чем Вы не согласны в случае Тинькова?
 
А.С.: Некоторые вещи мне кажутся слишком рискованными. Например, выпуск собственной платформы Искусственного Интеллекта. Возьмем для примера «Алису». «Яндекс» вложил в нее колоссальные средства, а она по‑прежнему далека от совершенства, есть зарубежные лидеры, тот же «Гугл», «Алекса», есть собственные голосовые помощники у ведущих западных банков. Я не могу сказать, что там все безоблачно, не так просто научить «голосовое чучело» понимать, что от него хотят,чтобы это было практично и целесообразно для конечного пользователя. Запросить свой баланс, то, что все помощники умеют делать, это не сложно. Более сложные задачи требуют гораздо больших вложений, и не факт, что их стоит делать. Чтобы научить виртуального помощника понимать на слух, например, диктуемые реквизиты, нужно потратить значительные ресурсы. Пока ты будешь тратить средства на подобные функции, скорее всего, рынок предложит, а потребители научатся использовать другие способы выставлять и оплачивать счета, по QR-коду или как‑то по‑другому.
 
Э.Г.: Зачем тогда банки разрабатывают собственные платформы?
 
А.С.: Мне кажется, это делается больше для рекламы либо это вообще не банковская история, а параллельный ИТ-проект. Создается платформа, которая потом может быть использована для других задач и в других сферах.
 
Э.Г.: Возможно. А вы по ИИ что‑нибудь разрабатываете?
 
А.С.: Мы, как сервисная компания, не ведем самостоятельную разработку ИИ. Мы берем технологии, которые уже зарекомендовали себя как экономически обоснованные, такие как компьютерное зрение, анализ текстов, и адаптируем их под нужды клиентов. Эти технологии уже применяются в ритейле и других отраслях и могут быть успешно применены и в банковской сфере.
 
Э.Г.: Вообще тема ИИ уже несколько лет является одним из главных трендов, и не только на банковском рынке. При этом встречаются самые разные трактовки ИИ, от простых алгоритмов до осознавших себя личностей. Что вы понимаете под ИИ?
 
А.С.: ИИ в нашем понимании, или Узкий ИИ, – это самообучающийся алгоритм. Представьте себе нейронную сетку, которой вы «скармливаете» размеченные данные, и она, пересчитав эти данные, далее начинает принимать правильные решения. Простой пример, вы предоставляете ИИ стопку фотографий с кошками и стопку – с собаками. Проанализировав эти фотографии, ИИ научится отличать кошек от собак и далее сможет безошибочно принимать решение точнее, чем человек.
 
Э.Г.: Сложно представить, что человек не может отличить кошку от собаки.
 
А.С.: Речь идет не только о том, чтобы определить, где кошка, а где собака, речь идет об определении, описании и классификации всех объектов на фотографии, во всех подробностях и с огромной скоростью. Вообще, Искусственный Интеллект – это достаточно широкое понятие, которое зародилось еще в XIX веке, если не раньше. Просто в последнее время рост технологий позволил оцифровать огромный массив данных, а компьютерные мощности дали возможность эти данные обсчитывать, обрабатывать, классифицировать и принимать по ним определенные решения. Именно по такому принципу работают голосовые помощники, компьютерное зрение, анализ речи. Это то, что относится к машинному обучению, самообучающимся алгоритмам. В различных футуристических исследованиях используется понятие Generic AI, Общий Искусственный Интеллект. Его также называют Сильный ИИ, или Полный ИИ. Но это пока еще из серии научной фантастики. Компьютер не может выбрать себе цель, поставить задачу, испытать эмоции. Это будет еще не скоро, и непонятно, будет ли вообще. Вообще, современная наука еще до конца не разобралась, как устроен человеческий мозг, поэтому все допущения и сходства ИИ и человеческого мозга носят условный характер.
 
Э.Г.: Каковы общие перспективы использования ИИ?
 
А.С.: По данным исследовательских компаний, эффект от внедрения ИИ в экономику в мировом масштабе может достичь 20% от мирового ВВП. ИИ уже сейчас по силам выполнять работу, связанную с монотонным физическим трудом, менеджментом качества, диагностикой. В сельском хозяйстве, например, с помощью ИИ уже сейчас может быть организован сбор фруктов. Программа может различить яблоко, определить, что это зрелое, не червивое яблоко. Далее нужно просто связать интерфейс с механической рукой, которая собирает яблоки. Компания, которая разработала технологию борьбы с сорняками с помощью ИИ, была недавно продана в США за 300 млн долл. Не так много по меркам Силиконовой долины, но это не соцсеть, это промышленная компания, что уже прецедент.
 
Э.Г.: А как дела обстоят в банках, что банки используют уже сегодня?
 
А.С.: Хороший пример приводил в своем годовом отчете Банк JP Morgan. Целая глава этого отчета посвящена использованию ИИ. По их данным, сегодня они применяют ИИ практически во всех направлениях работы – от общеофисных задач до бухгалтерии. В качестве замечательного примера приводится работа с кредитными договорами, на которую раньше должно было быть затрачено 360 тыс. человеко-часов в год, а теперь с помощью ИИ тратятся секунды.
 
Сегодня очень ценно то, что во многих операциях алгоритмы могут быть использованы без долгого предварительного обучения, что называется, «внедрены с колес».
 
Чат-боты уже вовсю применяются в банках, общеофисные механические административные задачи успешно решаются с помощью ИИ, комплаенс, рисковые модели все больше пополняются моделями, построенными на нейросетях, что значительно увеличивает их точность.
 
Э.Г.: Польза для банка очевидна и понятна: сокращение расходов, улучшение качества риск-менеджмента, антифрод и т.д. Насколько внедрение ИИ облегчает жизнь клиентам банка?
 
А.С.: С внедрением ИИ повышается скорость работы банка, а скорость – это очень важный для клиента критерий, одно из важных конкурентных преимуществ. Появляется целый ряд удобных возможностей, облегчающих взаимодействие с банком, возможность моментального получения ответа на вопрос или запрос, проведения быстрых платежей. ИИ позволяет преодолеть так называемый человеческий фактор, а следовательно, и уменьшить количество ошибок, в том числе в вопросах оценки кредитных заявок, определении фрода, что также очень важно для клиента. В целом же с развитием ИИ банк становится все менее заметным и все более незаменимым для клиента.
 
Э.Г.: Согласен. В то же самое время люди, выполняющие «механические» работы, будут заменяться ИИ, а это более половины всех ныне существующих профессий. Многие люди лишатся работы, и сам рынок труда претерпит сильные изменения.
 
А.С.: Когда появились экскаваторы, тоже возник вопрос, что будет с землекопами. Часть из них освоили профессию экскаваторщика, кто‑то стал проектировать экскаваторы, а кто‑то так и остался землекопом, где‑то еще нужен и такой труд. Общий тренд, наверное, такой, что рынок труда в монотонных отраслях не исчезает, а становится более гибким и подвижным.
 
Э.Г.: Есть такие профессии, где ИИ не заменит человека ни при каких условиях?
 
А.С.: Человек на долгие годы останется «царем природы» там, где нужна интеллектуальная работа.
 
Э.Г.: С развитием ИИ границы понятия «интеллектуальной работы» очень сильно размылись. Еще лет двадцать пять назад программирование или написание статей считались очень интеллектуальными видами деятельности.
 
А.С.: Написание статей – это и сейчас очень интеллектуальный процесс, особенно если это статьи аналитического характера с неожиданными выводами, а не просто статистический отчет или новостная статья. Там, где в работе присутствует творческая составляющая, ИИ еще очень долгие годы не сможет превзойти человека.
 
Э.Г.: Где окажется человечество с массовым развитием ИИ?
 
А.С.: Внедрение ИИ в жизнь человека будет происходить постепенно, и, скорее всего, мы этого замечать не будем, как не замечаем сейчас. Жизнь постепенно будет становиться все более удобной. Еще буквально десять лет назад незнание иностранного языка являлось серьезным препятствием к чтению текстов на иностранных языках, которых ты не знаешь. В лучшем случае можно было рассчитывать на подстрочный машинный перевод, где смысл искажался до неузнаваемости. Сегодня онлайн-переводчики ведущих компаний, разработанные на основе алгоритмов машинного обучения, позволяют моментально получать качественный перевод. Навигаторы в смартфоне дают возможность не думать о маршруте, можно давать
команды навигатору, получать подсказки. Процитирую мировых авторитетов в области развития и внедрения ИИ: «Искусственный Интеллект – это новое электричество».
 
Э.Г.: ИИ, как в свое время и электричество, высвободит человеку массу свободного времени. На что оно будет тратиться, чем будут заниматься люди?
 
А.С.: Я не считаю, что в человеческом обществе с развитием ИИ произойдут коренные изменения. Этого не произошло с внедрением электричества, не произойдет и сейчас. Часть работ, которые выполняет сейчас человек, будет выполнять ИИ. При всем при этом люди так же будут работать, творить, создавать новое, кто‑то будет ходить на службу, кто‑то будет заниматься творчеством, кто‑то сможет позволить себе не работать.
 
Э.Г.: Какой алгоритм на жизнь Вы бы посоветовали себе, если бы только заканчивали школу и стояли перед выбором профессии?
 
А.С.: Я бы пошел по тому пути, по которому пошел. А вообще, может быть, я бы обратил свое внимание на развитие навыков быстрочтения, приемов запоминания, краткого и точного изложения своих мыслей. Молодому человеку, который учится в школе, я бы посоветовал учиться учиться, тренировать мозг для получения новых знаний. Самое главное – не переставать
и уметь учиться, развиваться и двигаться вперед.
 
Э.Г.: Андрей, спасибо! Успехов нам всем в новом дивном мире!
 
А.С.: Эльчин, спасибо Вам!

Бизнес осознал потребность в зрелом управлении данными

02.12.2019

Компания проходит несколько стадий на пути к пониманию того, что им нужно зрелое управление данными. Большие данные и аналитика существенно помогают бизнесу. О том, как оптимизировать и монетизировать данные с помощью систем управления, с какими сложностями можно столкнуться, как получить пользу от внедрения, как узнать своего клиента лучше с помощью цифровых технологий, говорили участники секции «BI и большие данные» на CNews FORUM 2019: Информационные технологии завтра.

Кирилл Дубовиков: Правильная постановка задачи может определять до 80% успеха

О развитии технологий искусственного интеллекта для обработки больших данных рассказал Кирилл Дубовиков, технический директор «Синимекс Дата Лаб».

_YZ_0095.jpgCNews: Что обычно понимается под технологией Data Science/Big Data? Что это на практике?

Кирилл Дубовиков: Data Science и Big Data представляют из себя две разные дисциплины. Data Science решает бизнес-задачи с помощью сбора, обработки и анализа данных. Big Data – это больше про инженерию, когда есть потребность в обработке большого объема данных, подсчете или соединении нескольких их источников.

В программном обеспечении есть такое понятие как вертикальное и горизонтальное масштабирование. Вертикальное означает, что масштабирование происходит за счет добавления мощности к существующей машине. Горизонтальное – за счет еще одной машины в вашем пуле ресурсов. На практике вертикально масштабировать намного дороже и сложнее, чем горизонтально: купить 10 компьютеров дешевле, чем в 10 раз улучшить сервер по характеристикам.

Big Data – это технологии и инженерные практики, которые позволяют собрать большие объемы данных, которые не помещаются на один компьютер, и обработать их на большом количестве машин. Зачастую, Big Data технологии помогают решать задачи в Data Science. К примеру, на многих проектах требуется обрабатывать большое количество данных, которые не посчитаешь на одном сервере, или же требуется параллельно выполнить много ресурсоемких расчетов.

Big Data – это технологии и инженерные практики, которые позволяют собрать большие объемы данных, которые не помещаются на один компьютер, и обработать их на большом количестве машин. Зачастую, Big Data технологии помогают решать задачи в Data Science. К примеру, на многих проектах требуется обрабатывать большое количество данных, которые не посчитаешь на одном сервере, или же требуется параллельно выполнить много ресурсоемких расчетов.

CNews: В каких сферах Data Science используют чаще всего? Какие тренды можно наблюдать на российском рынке данных технологий?

Кирилл Дубовиков: В настоящее время область применения технологий практически ничем не ограничена: во всем мире, и в России в том числе, неуклонно растет количество собираемой информации. Каждый день в таких сферах как производство, ритейл, банкинг, ИТ, логистика и медицина копится множество данных. В то время как методики, используемые в Data Science и в статистике, универсальны и применимы к любым данным и к решению многочисленных прикладных задач. На российском рынке Data Science используют по большей части те компании, которые заботятся о цифровой трансформации и собирают большие объемы данных. К ним, как правило, относятся производство, ритейл и финансовый сектор.

В банковском секторе алгоритмы машинного обучения используются в управлении рисками и в сфере безопасности, например, в случаях махинаций с картами и счетами.

Технология способна заметить аномалии, исходя из накопленной истории случаев мошенничества, и предупредить незаконные действия. При этом, в банках уже давно существуют fraud-detection системы, основанные на жестких правилах, способные распознать случай мошенничества при помощи заранее определенных критериев оценки.

С другой стороны, модели машинного обучения позволяют разработать систему с нечеткой логикой, которая ищет подозрительные действия и нетиповые операции, совершаемые клиентами банка, заранее не занесенные в fraud-detection систему. Совмещение жестких правил и алгоритмов Data Science дает преимущество – система становится гибкой и начинает обнаруживать новые поведенческие шаблоны злоумышленников. Также в финансовой сфере подобные технологии используются для тарификации, персонификации кредитных предложений и вкладов, предпринимаются попытки для скоринга юридических лиц.

В ритейле алгоритмы машинного обучения тоже востребованы: можно наблюдать динамику передвижения людей в магазине, выкладку товаров на полках. В сфере торговли набирает популярность технология прогнозирования спроса при помощи моделей машинного обучения, особенно это касается вопросов логистики и бережливого подхода к ней. К примеру, если у компании есть десятки тысяч торговых точек, и продуктовый каталог составляет сотни тысяч записей, человеку уже невозможно составить точное распределение товаров на основе прогноза спроса по всем позициям. А алгоритмы машинного обучения удачно справляются с этой задачей. Яркий пример, где сокращение логистических издержек играет ключевую роль – это аптеки. Если лекарства привозятся в аптеку, то в соответствии с внутренними процессами фармакологических компаний, они в ней регистрируются, и дальше их перевозить нельзя. В случае, если товара осталось много и срок годности подходит к концу, то нельзя развезти лекарства по аптекам, где наблюдается дефицит. По правилам, партия лекарств сначала возвращается на центральный склад, проходит ресертификацию, и только потом отправляется в другую аптеку. При таких условиях точность алгоритмов играет важную роль.

В производстве часто возникает потребность в решении задачи предиктивного обслуживания – способа заранее определить неполадки в дорогостоящем производственном оборудовании. С помощью алгоритмов можно спрогнозировать, что может пойти не так, и уменьшить длительность и количество ремонтов оборудования, оберегая цикл производства от непредвиденных остановок. Данные для машинного анализа собираются с большого количества сенсоров, измеряющих состояние этих установок.

Также в сфере промышленности, к примеру, в нефтехимической отрасли, популярна тонкая настройка производственных процессов, где на одном из этапов производства происходит химическая реакция внутри сложного аппарата. Зачастую существует зависимость от условий внешней среды и особенностей сборки оборудования, поэтому каждый производственный процесс имеет уникальные характеристики и требует тонкой настройки. Алгоритмы могут подстраиваться под все заданные условия, находить взаимосвязь между внутренними и внешними факторами, подстраивать процесс так, чтобы, например, увеличить полезный выход реакции. Важным фактором является то, что они могут следить за реакцией и условиями 24/7 без остановок и с меньшими затратами, в сравнении с существующими процессами мониторинга.

CNews: От чего зависит успешность реализации проектов на базе данных технологий? Можете привести пример успешного проекта?

Кирилл Дубовиков: Успешность проектов определяют много факторов. Дисциплина достаточно молодая, и в ней происходит много изменений. С точки зрения управления проектами, важно понимать разницу между методологиями управления проектами по разработке ПО и проектами по анализу данных.

Правильная постановка задачи крайне важна для проектов по анализу данных: она может определять до 80% успеха. Здесь, как и в проектах по разработке, присутствует принцип текучих абстракций: с одной стороны, заказчик при постановке задачи не должен знать все детали технологии, с другой стороны, неточная формулировка может очень сильно повлиять на способ решения задачи, достигнутые результаты и, в конце концов, на бизнес-процессы. Поэтому тем, кто ставит задачи и разрабатывает идеи, важно получить экспертизу в базовых понятиях анализа данных и составить общее понимание о возможностях алгоритмов машинного обучения. При этом не обязательно разбираться в сложных доказательствах теорем. Главное, чтобы было представление о том, какую бизнес-ценность могут принести данные технологии в существующих условиях, какие задачи могут решаться, а какие лежат за гранью возможностей алгоритмов машинного обучения.

Успешно реализованным проектом с хорошей формулировкой задачи и корректными ожиданиями можно назвать проект для одного из наших клиентов – зарубежной микрофинансовой организации. В рамках проекта требовалось реализовать скоринговую модель для оценки риска невозврата долга. Нетиповой особенностью проекта было то, что история транзакций клиентов была недоступна: ее приходилось восстанавливать, анализируя текстовые сообщения, переданные с телефона пользователя по его согласию. В дополнение к этому, мы собрали большое количество данных из социальных сетей и государственных порталов, на основе которых создали скоринговую модель. Заказчики оказались довольны.

Отличительная черта нашей команды в том, что мы умеем реализовывать надежные системы для промышленного использования и не останавливаемся на стадии реализации модели. У компании больше 20 лет опыта и экспертизы в разработке ПО, поэтому мы решаем задачу более широко: смотрим на нее как на ИТ-систему, которую нужно реализовать таким образом, чтобы она приносила пользу бизнесу. Разработка модели машинного обучения – лишь часть процесса. Мы всегда стараемся сформулировать цель проекта так, чтобы не только разработать качественную модель, но и поставить заказчику законченное решение бизнес-задачи.

CNews: С какими проблемами чаще всего встречаетесь при реализации проектов с использованием Data Science/Big Data?

Кирилл Дубовиков: Существуют проблемы, связанные с инфраструктурной и инженерной составляющей. К проектам по анализу данных часто относятся как к научным исследованиям, но на самом деле за ними должен стоять хорошо отлаженный инженерный процесс, который позволяет сотрудникам не тратить время на рутинные операции. К примеру, в разработке ПО есть инженерная практика DevOps, которая занимается автоматизацией процесса поставки ПО, начиная от сборки и заканчивая передачей в промышленную эксплуатацию.

Для Data Science проектов DevOps применять сложно, так как весь инструментарий нацелен на работу с исходными кодами, а в аналитических проектах есть еще одна неотъемлемая составляющая – данные. Долгое время не существовало хороших систем для версионирования данных, а это важно, так как в Data Science проектах используется большое количество взаимосвязанных стадий обработки данных. Версионирование данных важно и для экспериментальной части проекта, где нужно обеспечивать воспроизводимость каждого эксперимента. Также большой проблемой является фиксация результатов экспериментов. К примеру, специалист по анализу данных может осуществлять сотни экспериментов в неделю. Через месяц работы становится невозможно определить, какие результаты значимые, а какие нет.

Для решения этих задач стали разрабатываться специализированные системы трекинга экспериментов и контроля версий данных. Далеко не все команды знают и умеют применять эти инструменты, что отрицательно сказывается на проектах. При этом важно не только использовать инструменты, но и связать их в единый инженерный процесс.

CNews: Что ждет данную технологию в будущем? Что может ее заменить?

Кирилл Дубовиков: Сейчас мы находимся на стадии использования слабого искусственного интеллекта (Weak Artificial Intelligence) – алгоритмов, решающих когнитивные задачи. Например, простые способности человека – распознавание объектов на изображении или речь. Но на этом возможности алгоритмов не ограничиваются. К примеру, с их помощью можно решать задачи, которые человеку не под силу: вычислить взаимосвязи в данных, в которых множество таблиц и колонок, найти шаблоны принятия решений и обобщить их. На выводы, которые человек будет делать месяцы или годы, рутинно обрабатывая тысячи строк данных, машина потратит секунды. Разумеется, данные технологии еще далеки от истинного искусственного интеллекта (Strong Artificial Intelligence) – компьютерной системы, способной мыслить и рассуждать как человек. Реализация истинного ИИ все еще принадлежит к области научной фантастики.

Область продолжает развиваться, ученые открывают способы решения новых задач и улучшают качество решений уже работающих алгоритмов. Многие технологии уже давно вышли на уровень, способный приносить пользу бизнесу. Тем не менее, степень внедрения этих технологий все еще низкая, во многом из-за того, что дисциплина анализа данных еще не успела полностью превратиться из науки в ремесло. Мы в «Синимекс Дата Лаб» учавствуем в процессе индустриализации анализа данных и машинного обучения для того, чтобы с каждым годом все больше компаний могли извлекать пользу из данных.

 Публикация размещена на сайте CNews.ru