Наибольшее количество компаний, использующих инструменты на основе больших данных и искусственного интеллекта, наряду с ИТ-индустрией насчитывается в телекоммуникационной отрасли и в финансовом секторе. Кроме того, «умные» решения активно «опробывают предприятия нефтегазового сектора и металлургические заводы, ретейлеры и транспортные компании. Согласно исследованию КПМГ, в России решения на основе искусственного интеллекта тестируют или внедряют 75% телеком-операторов, 40% банков, 25% нефтегазовых компаний, 17% металлургических предприятий, 5% розничных сетей и 1% транспортных компаний. Насколько эффективны такие начинания, представители этих отраслей рассказали участникам конференции «Технологии искусственного интеллекта 2019», организованной издательством «Открытые системы». (О конференции см. также «AI2019: С чего начать внедрение искусственного интеллекта?», Computerworld Россия, 29 мая 2019.)

Более 60% крупных российских компаний используют чат-боты и системы на основе разговорного искусственного интеллекта. Операторы чаще всего задействуют такие решения для обслуживания клиентов. К 2022 году, по прогнозам Gartner, разговорный искусственный интеллект будет поддерживать 20% всего клиентского сервиса.

Большинство вопросов при обращении клиентов в контактный центр «МегаФона» решает виртуальный помощник «Елена». В дополнение к нему в компании разрабатывают чат-бот «Суфлер», помогающий оператору найти нужную информацию в базе знаний. Голосовая биометрия позволяет обслужить клиента, не тратя время на традиционную процедуру идентификации. Клиенты также могут задать вопрос чат-боту или ассистентам «Алиса» и Google Assistant — это очень перспективные каналы взаимодействия, отметил Андрей Коньшин, руководитель проектов клиентского сервиса «МегаФон» по направлению искусственного интеллекта. Роботов начали применять и в исходящих коммуникациях — для маркетинговых исследований и продажи услуг. Виртуальный оператор звонит абонентам, для которых появились персональные предложения, и с их согласия подключает услугу. Качество обслуживания по каждому обращению контролируется с помощью речевой аналитики.

Андрей Коньшин: в «МегаФоне» боты используются не только при обращении клиентов, но и в исходящих коммуникациях

Так, в «Почту России» за месяц поступает около 500 тыс. звонков, 85% из них классифицируются роботами, и 100 тыс. обращений на первой линии поддержки полностью обрабатывается роботом, без привлечения оператора. «Не пренебрегайте роботами и чат-ботами, — призвал Дмитрий Булкин, директор по развитию компании Naumen. — За прошедший год наши роботы обслужили порядка 10 млн обращений в голосовом и текстовом каналах, а к концу текущего года этот показатель достигнет 30 млн — волна нарастает».

В Мосэнергосбыте на роботов переложили функцию приема показаний счетчиков, решив проблему неравномерной месячной нагрузки операторов контакт-центров. А благодаря роботу-коллектору на 15% повысилась собираемость платежей.

В ОТП Банке виртуальный ассистент успешно классифицирует 95% обращений по 20 высокочастотным тематикам; до 40% обращений чат-бот «закрывает» полностью. Вопреки расхожему мнению о том, что общение с роботом снижает лояльность клиентов, в данном случае лояльность повысилась вдвое.

Удачных примеров изменения бизнеса с помощью искусственного интеллекта накоплено уже немало. В научно-техническом центре «Газпромнефти» внедрили интеллектуальную поисковую систему, в дирекции научно-технических программ Минобразования — систему оценки проектных заявок и проверки соответствия проектной документации техническому заданию. В Главгосэкспертизе переход на цифровую модель экспертизы проектной документации позволил существенно сократить сроки проведения работ и в разы увеличить число обрабатываемых проектов.

Одна из самых актуальных бизнес-задач для искусственного интеллекта в финансовой сфере — борьба с фродом. В «Русфинанс Банке» потери, связанные с мошенничеством, в 2014 году достигли 500 млн руб. Это вынудило банк полностью изменить подход к решению вопросов безопасности и создать аналитический антифрод-центр, использующий технологии искусственного интеллекта для раннего выявления мошенничества, снижения прямых и косвенных операционных потерь. Базовым элементом стало внедрение процессной культуры менеджмента и персонала, подчеркнул Александр Яковлев, руководивший департаментом защиты бизнеса «Русфинанс Банка». По его словам, для эффективного применения искусственного интеллекта требуются определенная зрелость процессов и уровень цифровизации, обеспечивающий среду с чистыми данными, «тогда в этом есть смысл и добавленная стоимость, а не только маркетинг». Сотрудники центра прошли обучение технологиям бережливого производства и agile-методологии, и лишь к 2017 году подошли к этапу подготовки нейронных сетей. В итоге за пять лет уровень мошенничества удалось снизить более чем в десять раз при удвоении объемов продаж и сокращении персонала на 27%.

Еще одна область, где искусственный интеллект показывает высокую эффективность, — прогнозная аналитика для управления персоналом. Кадровые службы все чаще сталкиваются с проблемой «выгорания», следствием которого становится увольнение либо резкое снижение активности сотрудников. Причем «выгоранию» подвержены, как правило, ответственные и добросовестные работники. Их уход приводит к существенным потерям из-за низкой производительности труда, негативных изменений климата в коллективе, недополученной прибыли, а также дополнительных затрат на поиск и адаптацию нового работника. Руководителями подразделений «Ростелекома» оказалось очень востребовано решение, позволяющее с высокой вероятностью предсказать момент увольнения сотрудника по «собственному желанию». Такой прогноз дает возможность уменьшить потери, вовремя приняв меры для удержания работника или заранее начав искать ему замену.

В тяжелой промышленности накопленные исторические данные позволяют эффективно применять машинное обучение, выдавая точные рекомендации операторам оборудования. В комбинации с методами классической оптимизации такие инструменты дают возможность сокращать отходы сталелитейного производства, повышать качество продукции, более рационально использовать ресурсы и выполнять требования по защите окружающей среды. «Чтобы заработать денег предприятию, мы применяли не только машинное обучение, но и знания химии и физики», — рассказал Виталий Ширяев, руководящий в Новолипецком металлургическом комбинате исследованиями в дирекции по анализу данных и моделированию. Сократив потребление природного газа за счет оптимального распределения его между котлами, предприятию удалось добиться экономии более 14 млн руб. в месяц. Никакого дополнительного оснащения для этого не потребовалось.

Виталий Ширяев: «В комбинации с методами классической оптимизации машинное обучение дает возможность сокращать отходы сталелитейного производства, повышать качество продукции, более рационально использовать ресурсы, выполнять требования по защите окружающей среды»

Горнодобывающей и сталелитейной компании «Северсталь» проекты с применением машинного обучения помогают решать множество задач, направленных на улучшение бизнес-показателей. Это предсказание выхода из строя узлов агрегатов и рекомендации по их обслуживанию, обнаружение поломок с помощью компьютерного зрения, прогнозирование дефектов стали с выявлением причин их образования, советчики по технологии при производстве чугуна, выявление очагов травматизма в цехах, поиск проблемных точек на прокатных станах для повышения их производительности, а также анализ текучести кадров.

Выступавшие подчеркивали важность тесного сотрудничества исследователей данных с технологами, глубоко погруженными в оптимизируемый процесс. «Многие проекты взлетали потому, что мы добирались до Excel-файлов на компьютерах технологов, содержащих накопленную за несколько лет очень полезную информацию, на которую они действительно ориентируются», — сообщил Борис Воcкресенский, руководитель направления Data Science в компании «Северсталь Диджитал».

Борис Воскресенский: «Мы добирались до Excel-файлов на компьютерах технологов, содержащих накопленную за несколько лет очень полезную информацию»

Здравоохранение пока не входит в число отраслевых лидеров применения искусственного интеллекта, однако именно в медицине можно увидеть самые впечатляющие примеры. В пилотных проектах, которые ассоциация «Национальная база медицинских знаний» проводит в российских регионах, технологии искусственного интеллекта позволяют выявлять факторы риска сердечно-сосудистых катастроф в разы быстрее и точнее традиционной диспансеризации, а также находить на КТ-изображениях пропущенные врачами злокачественные новообразования. Однако в этой сфере особенно остро стоит вопрос доверия к результатам работы искусственного интеллекта, и крайне важно подчеркнуть, что задача его внедрения — не вытеснить врача из процесса, а помочь расширить его возможности.

«В будущем нас ждет симбиоз людей, программных роботов и искусственного интеллекта», — отметил Александр Максимов, представляющий компанию ОТР.

Аналитики считают подобную комбинацию искусственного и естественного интеллекта наиболее перспективным вариантом применения интеллектуальных технологиий, для нее даже придумали название — «кентавры». В шахматах так называют команды «компьютер плюс человек». Предполагается, что «кентавры» смогут снять с повестки проблему доверия к искусственному интеллекту.

В разговорах «про искусственный интеллект» наибольшее внимание обычно уделяется нейросетям, методам обучения и т.д. С одной стороны, это вполне понятно, с другой, на разработку кода машинного обучения как такового идет лишь очень малая доля расходов на внедрение средств искусственного интеллекта. Гораздо больше тратится на работу с данными, включая их сбор и верификацию, управление всеми сопутствующими процессами и, конечно, на «железную» инфраструктуру.

Надо отметить, что эта статья расходов именно в России часто оказывается особенно существенной: у нас по-прежнему не очень принято абонировать для экспериментов и пилотных проектов облачные мощности, предпочитение отдается закупке «железа» с расчетом в случае провала проекта использовать его в дальнейшем, в том числе, и для повседневных нужд.

Свое видение аппаратной основы искусственного интеллекта на организованной издательством «Открытые системы» конференции «Технологии искусственного интеллекта 2019» представили мировые лидеры в сфере «процессоростроения» — AMD, IBM, Intel, Nvidia, а также российский НТЦ «Модуль». (О конференции см. также «AI2019: С чего начать внедрение искусственного интеллекта?», Computerworld Россия, 29 мая 2019.)

Как справедливо отметил Алексей Перевозчиков, менеджер по продуктам и решениям IBM Power Systems в России и СНГ, «хороший» софт, например, IBM PowerAI Vision, не только радикально сокращает долю ручной работы при обучении модели, но и позволяет исполнять уже обученную модель почти на любом оборудовании вплоть до 20-долларового чипа FPGA. Но обучение, по его мнению, конечно же, лучше проводить на солидной аппаратной платформе, например — на базе IBM Power9.

Компания AMD в сфере искусственного интеллекта не так заметна, как ее соперники, однако ее предложение более чем конкурентоспособно. Тимур Палташев, старший менеджер Radeon Technology Group, представил новинки компании — графические ускорители Radeon Instinct MI50 и MI60, «первые 7-нанометровые графические процессоры». В зависимости от операции, MI60 превосходит в скорости предыдущий MI25 где на 20%, а где вчетверо. При этом системы с MI60 хорошо масштабируются — восьмипроцессорный сервер быстрей однопроцессорного в 7,64 раза. А платформа ROCm позволяет работать с популярными фреймворками — Caffe2, MXnet, PyTorch, TensorFlow.

Intel в области искусственного интеллекта делает ставку на процессоры общего назначения. Михаил Цветков, технический директор офиса Intel в России, назвал мифом утверждение, что для «обучения» искусственного интеллекта необходимы исключительно графические процессоры. Большинство компаний при внедрении искусственного интеллекта, по его словам, вполне обходится «обычными» чипами, благо с июля 2017 года, когда были представлены новые серверные процессоры архитектуры Skylake, производительность Xeon выросла аж в 285 раз. Ну а относительная дешевизна Xeon, как утверждают в Intel, позволяет проектам внедрения искусственного интеллекта оставаться в зоне безубыточности.

У Nvidia, разумеется, точка зрения прямо противоположная. Основа ее бизнеса в области искусственного интеллекта — графические процессоры и быстрорастущая экосистема вокруг них. Продукты компании используют крупнейшие производители, на базе референсной архитектуры Nvidia DGX POD свои решения выпускают лидеры ИТ-рынка, в том числе Dell EMC, NetApp, Pure Storage. Ну а тем, кому система предельной мощности не нужна или не по карману, Дмитрий Конягин, руководитель направления профессионального бизнеса Nvidia в России, предложил попробовать поработать с Jetson Nano, «карманным» ИИ-компьютером стоимостью менее 9 тыс. руб. За эти деньги можно получить систему с 128 ядрами Nvidia CUDA, четырехъядерным процессором ARM Cortex-A57, 4 Гбайт оперативной памяти и флеш-накопителем 16 Гбайт.

Отечественные процессоры семейства NeuroMatrix от «Модуля» гораздо менее известны, чем зарубежные чипы, хотя и существуют на рынке более 20 лет. Изначально сферой их применения была цифровая обработка сигналов и изображений, однако, как отметил Павел Виксне, начальник сектора проектирования процессорных ядер, особенности архитектуры дали им «вторую жизнь» в качестве процессоров для нейронных сетей. Ну а традиционное преимущество отечественных разработок — относительная дешевизна при неплохих величинах производительности и энергоэффективности.

В условиях, когда агрессивная траектория роста внедрения систем искусственного интеллекта на локальных и глобальных рынках сохраняется, а стремление предприятий и организации развернуть соответствующие системы находит все более широкое практическое воплощение, поставщикам этих средств самое время задуматься о капитализации имеющихся у них активов, утверждают в IDC.

По оценкам аналитического агентства, общемировые затраты на системы искусственного интеллекта в 2019 году достигнут 35,5 млрд долл. и увеличатся по сравнению с предыдущим годом на 44%.

Такой рост должен стать хорошим стимулом для ИТ-компаний, активно развивающих свои наработки в области искусственного интеллекта. Сегодня представители самых разных отраслей инвестируют в проекты, использующие программное обеспечение искусственного интеллекта, достаточно весомые средства.

Ожидается, что в течение ближайшего года наибольшие вложения в искусственный интеллект будут связаны с агентами автоматизированного обслуживания клиентов, выдачей рекомендаций по организации процесса продаж и его автоматизацией, а также с автоматизированными системами обнаружения и нейтрализации угроз. В эти области будет инвестировано соответственно 4,5 млрд, 2,7 млрд и 2,7 млрд долл.

По мнению аналитиков IDC, в 2019 году уровня в 2 млрд долл. достигнут инвестиции еще в пять направлений: автоматизированное профилактическое техническое обслуживание, диагностику и восстановление работоспособности систем, анализ и изучение мошеннических операций, автоматизацию интеллектуальных процессов, а также в виртуальных консультантов и системы выдачи рекомендаций.

«Сегодня мы можем увидеть существенный рост затрат на системы искусственного интеллекта практически в любой отрасли, – указала менеджер IDC по исследованиям Марианна Дакила. – Инициативы в сфере искусственного интеллекта помогают организациям оптимизировать операции, трансформировать клиентское восприятие и создавать новые продукты и сервисы».

Об этом свидетельствуют примеры их использования, в том числе интеллектуальная автоматизация бизнес-процессов, виртуальные консультанты и рекомендации по выбору товаров, а также фармацевтические исследования, средний ежегодный рост которых за пять лет оценивается в 38%.

Непрерывное совершенствование технологий, связанных с искусственным интеллектом, приводит к тому, что темпы роста расходов на них в ближайшие годы будут измеряться двузначными числами.

По словам Дакилы, в авангарде роста затрат на системы искусственного интеллекта находится ретейл. В 2019 году в автоматизированных агентов по обслуживанию клиентов, виртуальных торговых консультантов и системы выдачи рекомендаций по выбору товаров будет инвестировано 5,9 млрд долл.

Следующим крупным направлением является банковская сфера. Здесь инвестиции, которые в общей сложности составят 5,6 млрд долл., будут направлены на совершенствование средств распознавания угроз и предотвращения вторжения, выявление мошенничества и в расследования.

В пятерку ведущих секторов экономики, инвестирующих в искусственный интеллект, входят также дискретное производство, здравоохранение и перерабатывающая промышленность.

Самые высокие темпы наращивания затрат на системы искусственного интеллекта в период до 2022 года будут наблюдаться в органах федеральных и центральных правительств (44,3%), персональных и потребительских услуг (44,3%) и образования (42,9%).

Что касается технологий, самой большой статьей расходов на системы искусственного интеллекта станет программное обеспечение. В 2019 году на приложения и программные платформы искусственного интеллекта будет потрачено почти 13,5 млрд долл.

В пятилетней перспективе средние темпы роста затрат на программное обеспечение искусственного интеллекта будут находиться на уровне 47,3% в год.

Затраты на оборудование, «в основном на серверы», составят 12,7 млрд долл. Компании продолжат выстраивать инфраструктуру, необходимую для поддержки систем искусственного интеллекта.

По словам директора IDC по исследованиям Дэвида Шубмейля, в дополнение к консультационным услугам клиенты будут инвестировать в ИТ-сервисы, помогающие разрабатывать и внедрять системы искусственного интеллекта.

К концу рассматриваемого периода затраты на услуги, связанные с искусственным интеллектом, почти сравняются с затратами на оборудование.

«Мы видим, что затраты на программные платформы и приложения искусственного интеллекта по-прежнему растут, а разновидностей сценариев использования становится все больше, – добавил Шубмейль. – Несмотря на сохраняющиеся проблемы с персоналом, данными и другими вопросами, организации продолжают внедрять решения искусственного интеллекта, которые, по их мнению, улучшают результаты за счет снижения затрат, увеличения оборота, обеспечения более быстрого доступа к информации и повышения качества принимаемых решений».

Оценивая перспективы, в IDC ожидают, что инвестиции в системы искусственного интеллекта в 2022 году удвоятся и достигнут 79,2 млрд долл., а ежегодные темпы роста в период с 2018-го по 2022 год составят 38%.