Шлях до автоматизації: повільно, але вірно
Сьогодні штучний інтелект у тренді. Преса уважно стежить за розвитком технологій та влаштовує ажіотаж чи не навколо кожного стартапу. Ми схильні переоцінювати вплив технологій у короткостроковій перспективі та недооцінювати їх вплив у довгостроковій. Але штучний інтелект не змінить роботу організацій та обов’язки співробітників одночасно.
Amazon – безумовний світовий лідер із впровадження ІІ. Компанія активно використовує його як у продуктах, так і у внутрішніх процесах протягом усієї історії існування та витрачає величезні ресурси на розробку (тільки у 2018 році в Amazon було відкрито понад 500 вакансій у цій сфері). На ІІ та машинному навчанні побудовані технології розпізнавання голосу Echo/Alexa, доставка продуктів за допомогою дронів Prime Air та сервіс у магазинах Amazon Go. Але незважаючи на безперечні успіхи Amazon, Джефф Безос у своєму листі акціонерам у 2017 році стримано зазначає, що ІІ та машинне навчання впливають і будуть значуще впливати на компанію у сферах прогнозування попиту, пошукового ранжирування продуктів, рекомендацій щодо продуктів, розміщення товарів, виявлення шахрайства, перекладів — однак цей вплив буде досить непомітним.
Впровадження ІІ – гра довга навіть у великих компаніях. Але це не означає, що від цієї ідеї слід відмовлятися. Навпаки, завдяки ІІ продукти та процеси стануть ефективнішими та простішими у застосуванні; рішення зваженіші; обробка даних та аналітика – швидше і точніше. Просто подібно до того, як найрозумніші інвестори «багатіють повільно», керівники компаній повинні переходити до використання ІІ та когнітивних технологій поступово, систематизовано і без зайвих емоцій. Як це зробити — розповідає Томас Девенпорт, який кілька десятиліть займається промисловим використанням ІІ та когнітивних технологій у бізнесі.
Когнітивні технології: що це таке і навіщо вони потрібні
ІІ використовує можливості, які раніше були доступні лише людям, — знання, розуміння та сприйняття. Їх називають когнітивними технологіями. Вони потрібні на вирішення конкретних і досить нескладних завдань — ідентифікації зображень, трактування сенсу.
Сім когнітивних технологій ІІ
Сьогодні технологій ІІ вже досить багато, і їх можна застосовувати різними способами для вирішення різноманітних завдань. ІІ у широкому розумінні включає сім основних технологій:
- Статистичне машинне навчання. Використовується для автоматизації процесу навчання та підбору моделей до даних. Технологія ефективна для детального маркетингового аналізу. Це одна з найпоширеніших технологій ІІ.
- Нейронні мережі. Це складні форми машинного навчання. Штучні нейрони застосовуються для оцінки вхідних даних та співвідношення їх з вихідними. Їх активно використовують для виявлення шахрайства при видачі кредитів та прогнозування погоди.
- Глибоке навчання. Це нейронні мережі, що складаються з безлічі шарів змінних або функцій. Допомагають у розпізнаванні зображень та голосу, розумінні сенсу тексту.
- Обробка природної мови. Важлива для аналізу та «розуміння» мови та тексту. Технологія лежить в основі створення чат-ботів та інтелектуальних агентів.
- Експертні системи з урахуванням правил. Набір логічних правил, розроблених експертами-людьми. Корисні для областей, де багато різних вступних, наприклад, у страховому андеррайтингу, схваленні кредитів.
- Фізичні роботи. Потрібні для автоматизації фізичної діяльності. Допомагають здійснювати та прискорювати роботу на виробництві та складах.
- Роботизована автоматизація процесів. Автоматизація структурованих цифрових завдань та інтерфейсів із системами. Використовується для заміни кредитних карток, валідації онлайн-реквізитів.
Розробки великих технологічних компаній у галузі ІІ
Сучасні можливості з використання ІІ в бізнесі доступні завдяки дослідженням та розробкам гігантів на кшталт Google, Facebook та IBM, які мають у своєму розпорядженні для аналізу величезні обсяги даних. Крім того, у цих компаній налагоджені міцні зв’язки з вченими та є можливість вкладати кошти у розвиток ІІ .
Google. Компанія співпрацювала з професором зі Стенфордського університету Ендрю Ыном у проекті Google Brain, у рамках якого вивчалася технологія глибокого навчання, купувала IT-компанії для певних потреб, наприклад DeepMind, що спеціалізується на глибокому навчанні.
До 2012 року ІІ навчився розпізнавати фотографію кота в інтернеті.
У 2014 році була створена програма AlphaGo, яка зуміла перемогти одного з найкращих гравців у го у світі.
У 2015 році Google також відкрила безкоштовний доступ до своєї бібліотеки машинного навчання TensorFlow, яка стала проектом з відкритим кодом і здобула популярність серед компаній більш вузької спрямованості, які використовують ІІ.
У 2016 році команда Google Brain зуміла суттєво покращити точність перекладів Google-перекладача.
Facebook. Дослідженнями ІІ в компанії займається Ян Лекун із Нью-Йоркського університету.
Facebook має додаток для розпізнавання зображень Lumos, який аналізує фотографії в Facebook і Instagram і пропонує користувачам персоналізовану рекламу. Lumos також допомагає ідентифікувати заборонені порнографічні матеріали або матеріали, що містять насильство, ненормативну лексику, неправомірне використання брендів та логотипів та заклики до терористичної діяльності.
Технології Facebook досі дають збої. Можуть заблокувати рекламу, але не помітити расистські публікації. Нещодавно російські хакери навмисне розмістили на Facebook фальшиві новини, але автоматизовані фільтри цього не помітили.
IBM. Компанія не вважається гігантом великих даних та інтернету, але володіє сучасними когнітивними технологіями разом з комп’ютером Watson.
Саме Watson зміг обіграти людину у телегрі Jeopardy! в 2011 році. Тепер Watson вміє не лише відповідати на запитання, а й розпізнавати зображення, аналізувати метеорологічні дані, працювати з інтернетом речей, проводити базовий статистичний аналіз та організовувати звітність. Watson має набір програмних інтерфейсів (API) — невеликих модульних програм, які можна комбінувати. Вони отримують дані, виконують конкретне завдання та видають результат. Перевага Watson у тому, що він є надійною «платформою» для роботи когнітивних технологій.
Чи є сенс впроваджувати ІІ в бізнес
Скептики стверджують, що нові технології не настільки важливі, як старіші: поїзди, автомобілі та електрика. Однак технології, які здатні мислити та діяти відносно автономно, значно підвищують продуктивність, що веде до зростання економіки та підвищення рівня життя .
Є побоювання, що зростання продуктивності праці за рахунок застосування когнітивних технологій призведе до того, що багато людей втратить роботу. У той же час, когнітивні технології допоможуть протидіяти негативному ефекту від старіння робочої сили та скорочення частки працюючого населення .
Пітер Друкер ще 1959 року зазначав, що галузі з найвищою часткою працівників інтелектуальної праці — охорона здоров’я, освіта та професійні послуги — демонструють найгірше зростання продуктивності . Сьогодні машини можуть багато зробити в цих сферах.
Фармацевтична компанія витрачає близько 12 років на дослідження, розробку, тестування та запуск продукту. Декілька компаній, включаючи Pfizer, Novartis і Celgene, працюють з IBM Watson, щоб швидше виявляти та виводити на ринок нові ліки.
Приклади застосування когнітивних технологій у бізнесі
Когнітивні технології можуть позитивно впливати на багато галузей, а в деяких із них вже відбулися зміни. Вони можуть значно підвищити ефективність маркетингу та продажів: технології машинного навчання можуть аналізувати, які клієнти з найбільшою ймовірністю придбають конкретні продукти та послуги.
Cisco Systems відмовилася від моделей, які розробляють люди: вони неточні та створюються надто повільно. Група аналітиків та фахівців з обробки даних щокварталу генерує моделі «схильності до покупки», використовуючи технології машинного навчання у рамках програми Global Customer Insights. Уже створено десятки тисяч моделей, які враховують кожного потенційного покупця (їх понад 100 млн.) кожного продукту Cisco у кожній країні.
У сфері обслуговування з клієнтами ефективно взаємодіють програми обробки природної мови. Вони дають точні відповіді у час доби.
Компанії використовують когнітивні технології й у логістиці — щоб оцінювати кількість складських запасів та уникати дефіциту. Системи машинного навчання замінюють фіксовані щоденні маршрути динамічними, які в реальному часі коригуються в залежності від погоди та завантаженості доріг. Когнітивні технології використовуються для підвищення продуктивності та надійності промислового обладнання.
Найбільше в цій галузі досягла успіху компанія GE. Дані з датчиків, встановлених на вироблених GE двигунах, сканерах МРТ та КТ та інших апаратах, записуються та зберігаються у віртуальному макеті. Ця цифрова модель самостійно діагностує неполадки та сигналізує про необхідність ремонту та обслуговування, що практично усуває простої обладнання. У GE вже близько мільйона віртуальних макетів, і компанія постійно збільшує їхню кількість.
Можливості впровадження ІІ
Технології ІІ не завжди зрозумілі «простим смертним» і часом дублюють один одного функціонал. Тому не розбиратимемося в тонкощах технологій, а подивимося, які можливості для бізнесу дає ІІ.
Автоматизація процесів
ІІ добре справляється з автоматизацією цифрових та фізичних завдань. «Роботи» – частіше це не фізичні роботи, а код на сервері – вводять, поглинають та обробляють інформацію з кількох ІТ-систем :
- переносять дані із систем електронної пошти та кол-центрів до систем запису — наприклад, для обробки запитів на зміну адреси або додавання нових послуг;
- замінюють загублені банківські картки без втручання;
- використовують одночасно кілька систем для оновлення записів та забезпечення взаємодії з клієнтами;
- усувають помилки при виставленні рахунків за послуги у білінгових системах банків, витягуючи інформацію з кількох типів документів;
- “читають” юридичні документи, виявляють нестиковки;
- генерують інвестиційну інформацію (стислий огляд інвестицій клієнта за певний період) для страхових компаній.
Всі ці проекти вже поширені частково тому, що в них застосовується РАП — найдешевша з технологій автоматизації, яку досить просто впровадити. Програми РАП не здатні навчатися та вдосконалюватися, проте розробники поступово підвищують їхню інтелектуальність.
З метою скорочення видатків у NASA запустили проекти РАП. Лише у кадровій службі завдяки цій технології 86% запитів обробляють без людського втручання.
Когнітивний аналіз
Ще одна широка сфера застосування ІІ – використання алгоритмів для виявлення закономірностей у великих масивах структурованих даних та для інтерпретації їх значень. Це найстаріша форма ІІ, якій уже кілька десятків років. Однак тільки тепер вона набула широкого поширення і стала максимально автоматизованою. Ось кілька варіантів використання когнітивного аналізу:
- прогнозування можливих покупок конкретної людини (моделювання схильності до покупки);
- виявлення кредитного та страхового шахрайства в режимі реального часу;
- аналіз гарантійних даних для виявлення проблем, пов’язаних з безпекою та якістю автомобілів та інших продуктів промислового виробництва;
- збір та аналіз інформації від датчиків для виявлення та прогнозування поломок промислового обладнання;
- автоматизація персоналізованого націлення реклами.
Когнітивний аналіз відрізняється від традиційної аналітики: він використовує більшу кількість даних та високу деталізацію. Моделі тренують на невеликій частині доступних даних. Ця форма ІІ навряд чи позбавить роботи людей, оскільки когнітивний аналіз застосовується, щоб покращити продуктивність у областях, де працюють тільки машини , наприклад при купівлі програмованої реклами, для якої потрібна високошвидкісна обробка даних та автоматизація, що виходить за межі людських можливостей.
Когнітивний аналіз також використовують для інтеграції даних для підвищення якості аналітики. Спостереження за даними вимагає багато часу і сил, але завдяки машинному навчанню можна виявляти ймовірні збіги – дані однієї людини або компанії, але представлені в різних форматах та в різних базах даних.
GE використала цю технологію, щоб інтегрувати дані постачальників, і в перший рік заощадила $80 млн. Тепер GE застосовує цей підхід до клієнтських даних та даних про продукти.
У сфері аудиторських послуг когнітивний аналіз використовується для отримання умов підлягають аудиту контрактів.
Для використання когнітивного аналізу необхідний великий обсяг даних, частина яких має бути «маркована» з урахуванням результатів прогнозування. Наприклад, якщо компанія збирається використовувати дані від датчиків, щоб прогнозувати проблеми в роботі обладнання, їй потрібна інформація про значну кількість несправностей. Вона стане основою для навчання системи. Ця форма навчання називається навчанням із учителем.
Когнітивне залучення
Проекти такого типу залучають співробітників та клієнтів до участі у процесі, надаючи їм багату мовну чи образну персоналізовану інформацію та послуги .
Ось найбільш поширені галузі застосування когнітивної залученості:
- інтелектуальні агенти, які цілодобово обслуговують клієнтів, спілкуючись з ними природною мовою та виконуючи різноманітні завдання, наприклад зміна пароля та звернення до служби підтримки;
- внутрішні сервісні сайти компанії, де співробітники отримують відповіді на всілякі питання – від проблем ІТ-характеру до пільг працівникам;
- системи рекомендації продуктів та послуг для інтернет-магазинів, що підвищують персоналізацію, залучення та кількість продажів;
- системи рекомендацій, які дозволяють складати персоналізовані плани лікування з урахуванням стану здоров’я кожного пацієнта та анамнезу.
Інтелектуальні агенти та інші моделі когнітивної залученості поки що далекі від досконалості.
У 2017 році у Facebook дійшли висновку, що чат-боти програми Messenger не можуть відповісти на 70% запитів клієнтів без участі людини. Після цього відкриття Facebook та інші компанії обмежили використання роботів.
Когнітивне залучення поки що нездатне забирати робочі місця у людей — у службі підтримки, відділі продажів або ще де-небудь. Як правило, компанії використовують цю технологію, щоб підвищити швидкість обслуговування та швидкість реагування на запити (наприклад, глибокої ночі), не розширюючи штат. При цьому багато співробітників зізнаються, що хотіли б передати рутинні завдання машинам.
З чого почати?
Якщо ви задумалися про впровадження когнітивних технологій у своїй організації, спочатку варто відповісти на запитання:
- Які технології потрібні організації, щоб досягти своєї мети?
- Будете самі розробляти чи купувати?
- Як їх слід впроваджувати?
Єдино вірних відповідей ці питання немає. Організаціям варто визначити, що саме їм підходить, залежно від конкретних умов і завдань, що стоять перед ними.
Якщо ваша компанія має великий обсяг структурованих даних про клієнтів, технологія машинного навчання, ймовірно, допоможе вам краще зрозуміти їх переваги. Якщо вам потрібно розпізнавати зображення, варто звернутися до нейронних мереж глибокого навчання.
При прийнятті технологічних рішень також важлива кваліфікованість та досвід організації та співробітників у галузі когнітивних технологій. Досвідченим компаніям доводиться приймати більше рішень, ніж тим, хто починає впроваджувати когнітивні технології.
Procter & Gamble та American Express працюють зі штучним інтелектом з 1980-х років. Досвід дозволяє їм:
- розробляти власні когнітивні програми;
- керувати набором розрізнених когнітивних інструментів, а не єдиною когнітивною платформою;
- розробляти програми, використовуючи інструменти з відкритим кодом;
- наймати штатних розробників та спеціалістів з обробки даних.
Все перераховане вище недоступне організаціям, які мають значного досвіду у сфері когнітивних технологій.
Перш ніж розпочати обговорення стратегій щодо впровадження ІІ в бізнес-процеси, варто згадати про проблеми, які перешкоджають інтеграції когнітивних технологій у роботу компаній.
В опитуванні про поінформованість про когнітивні технології, проведене в 2017 році компанією Deloitte, більшість респондентів (47%) заявили, що найскладніше інтегрувати нові технології з існуючими системами та бізнес-процесами. Але й інші труднощі. Двоє з п’яти респондентів сказали, що технології та фахівці, які ними займаються, коштують надто дорого. Приблизно третина опитаних наголосила на нестачі кадрів, які мають достатній досвід роботи з когнітивними технологіями. Стільки ж респондентів непокоїть проблема недостатнього рівня розвитку технологій. При цьому 92% опитаних погодилися із твердженням: «Моя компанія впроваджувала б інновації ефективніше, якби ми більше вкладали у розвиток ІІ та когнітивних технологій».
Стратегії впровадження ІІ
Томас Девенпорт пропонує кілька стратегій впровадження когнітивних технологій у діяльність компаній. Розкажемо про найпростіші – які підходять для новачків.
Стратегія 1. Використання когнітивних компетенцій для обробки транзакцій
Один із найпростіших і найкорисніших способів розпочати впровадження когнітивних технологій — застосування когнітивних компетенцій, вбудованих у бізнес-додатки. Це системи обробки транзакцій, які використовуються для взаємодії з клієнтами, управління ланцюжком поставок та персоналом. Більшість компаній вже впровадили такі системи, але потреба у них лише зростає.
Практика показує, що простіше додати інтелектуальні компетенції до системи, яка вже використовується, ніж змушувати співробітників освоювати новий додаток.
Розроблена Salesforce система ІІ компетенцій Einstein доповнює додатки для роботи з клієнтами когнітивними та аналітичними функціями. Більше 20 функцій Einstein можуть використовуватися у продажах, маркетингу, сфері послуг, електронній комерції та інших сферах. Функціонал Einstein включає прогнозну оцінку та пріоритизацію потенційних клієнтів, автоматизацію введення даних, персоналізацію реклами та рекомендацій продуктів та класифікацію зображень. У сфері аналітики система Einstein Discovery знаходить у даних закономірності, не вимагаючи висування гіпотез. US Bank вже оцінив здатність Einstein до прогнозної оцінки потенційних клієнтів, що базується на технології машинного навчання. Система допомагає виявляти людей, яким можуть знадобитися послуги з управління капіталом. Einstein дозволила компанії в 2,34 рази збільшити кількість конверсій за пропозицією про надання послуг.
Використання когнітивних компетенцій не становить особливої технічної складності. Когнітивні технології впроваджують у свої системи планування ресурсів SAP, Oracle та Workday.
Крім компетенцій на основі машинного навчання, SAP розвиває «розмовну комерцію», в якій активно використовуються чат-боти, а також технології розпізнавання зображень та осіб. Набір ІІ-компетенцій, що отримав назву Leonardo Machine Learning, також входять спеціалізовані рішення, включаючи управління готівкою у фінансовій сфері, відеоаналіз для управління брендом та аналіз звернень до служби підтримки при виникненні несправностей. Пропонуючи свої продукти, SAP робить доступними ІІ-інструменти із закритим та відкритим кодом, до якого можуть звертатися її системи.
Стратегія 2. Роботизована автоматизація процесів
Застосування інструментів роботизованої автоматизації процесів – відносно нескладна стратегія впровадження когнітивних технологій. У невеликих організаціях РАП часто впроваджують самотужки. Але оскільки нові системи починають взаємодіяти з ІТ-додатками, варто заздалегідь проконсультуватися з IT-фахівцями.
Головна особливість РАП (і плюс і мінус одночасно) полягає в тому, що вона не змінює системи, до яких підключається . Це забезпечує простоту застосування, але обмежує можливості зміни системної архітектури.
Основний мінус РАП – недостатня інтелектуальність технології. РАП не може виключати зайві етапи процесу, культивувати інтелект, навчатися та діяти розумно. Але постачальники технології намагаються навчити РАП «розуму-розуму».
Один із провідних постачальників технології РАП, компанія Blue Prism, уклала партнерство з IBM для наділення своїх РАП-продуктів інтелектуальними компетенціями.
Представники компанії UIPath вже оснастили свій продукт машинним зором.
Work-Fusion, яка спеціалізується на автоматизації фінансових процесів, поєднує РАП з машинним навчанням та чат-ботами.
Великий постачальник РАП, компанія Automation Anywhere, розробила досить сильні аналітичні компетенції та функції подання звітності.
Що може зробити для організації технологія РАП на етапі:
- Взяти він цілі процеси чи його етапи, наприклад автоматично збирати і обчислювати дані з багатьох джерел.
- Інтерпретувати та витягувати основну інформацію з документів, контрактів та рахунків та автоматично зіставляти їх із претензіями для аудиту витрат.
- Вчитися на власному досвіді та орієнтуватися на поведінку людей для автоматизації виняткових випадків.
- Діяти розумно — наприклад, у процесі виконання замовлень визначати, чи знаходиться вантажівка доставки на складі, зіставляти номер вантажівки із системою керування замовленнями та відправляти сигнал для відкриття воріт складу.
- Сприймати довкілля: застосовувати машинний зір, розуміти мовні накази тощо.
10 найкращих думок
1. Штучний інтелект впливає роботу організацій та обов’язки співробітників. Але це тривалий процес.
2. ІІ використовує можливості, які раніше були доступні лише людям, – знання, розуміння та сприйняття. Їх називають когнітивними технологіями.
3. ІІ у широкому розумінні включає сім основних технологій : статистичне машинне навчання, нейронні мережі, глибоке навчання, обробку природної мови, експертні системи на основі правил, фізичних роботів, роботизовану автоматизацію процесів.
4. Сучасні можливості використання ІІ в бізнесі доступні завдяки дослідженням і розробкам технологічних компаній-гігантів, таких як Google, Facebook і IBM. Їм доступні для аналізу величезні обсяги даних, є зв’язки з вченими та можливість вкладати величезні кошти.
5. Технології, які здатні діяти відносно автономно, значно підвищують продуктивність , що веде до зростання економіки та підвищення рівня життя.
6. Впровадження когнітивних технологій у роботу компанії дає можливість: автоматизувати та прискорювати рутинні процеси; проводити когнітивний аналіз великих обсягів даних із точною деталізацією; забезпечувати когнітивну залученість співробітників та клієнтів.
7. До початку впровадження когнітивних технологій в організації важливо зрозуміти: які технології вам потрібні , щоб досягти своєї мети, чи будете ви самі розробляти чи купувати готові і як ви збираєтеся їх впроваджувати.
8. При прийнятті технологічних рішень також важлива кваліфікованість та досвід організації та співробітників у галузі когнітивних технологій.
9. Один із найпростіших і найкорисніших способів розпочати впровадження когнітивних технологій — застосування когнітивних компетенцій, вбудованих у бізнес-додатки. Причому краще додати інтелектуальні компетенції до попередньої системи, а не змушувати співробітників освоювати новий додаток.
10. Роботизована автоматизація процесів – технологія, доступна для впровадження навіть у невеликих компаніях, які не мають досвіду впровадження когнітивних технологій. Її просто підключити, вона не змінює існуючу систему, але поки що ця технологія недостатньо інтелектуальна.
Читайте саммарі книги Яна Лекуна «Як навчається машина. Революція в галузі нейронних мереж та глибокого навчання» .
Читайте саммарі книги Деніела Саскінда «Майбутнє без роботи. Технології, автоматизація і чи варто їх боятися» .
Читайте саммарі книг Пітера Друкера «Практика менеджменту» , «Ефективний керівник» та саммарі книги Елізабет Едерсхейм «Найкращі ідеї Пітера Друкера» .