«Умная» автоматизация. Ваш новый коллега — искусственный интеллект

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


В Accenture считают, что технологии стоят на пороге новой революции - революции искусственного интеллекта, и именно ему и системам машинного обучения посвящен отдельный раздел исследования Accenture Technology Vision 2016. Что же такое «умная» автоматизация и как она может помочь банку?

«Умной» автоматизацией в Accenture называют автоматизацию бизнес-процессов и операционной деятельности, связанную с использованием систем искусственного интеллекта (AI, artificial intelligence). Уже сейчас системы искусственного интеллекта используются в самых разных отраслях индустрии. Приведем лишь несколько примеров:

  • Обработка естественного языка (natural language processing, NLP) применяется финансовыми компаниями в антифрод-системах для мониторинга электронных коммуникаций как внутри компании, так и в открытых источниках для выявления социальных сущностей и связей между ними (социальное профилирование и формирование социального графа).
  • Распознавание образов позволяет идентифицировать человека по его фотографии и используется банками и силами правопорядка для борьбы с мошенниками.
  • Представление знаний позволяет анализировать огромные массивы данных для выделения из них полезных элементов, к примеру имен персонала, стоимости операций и количества жалоб, что позволяет определить причину снижения прибыльности отделения.
  • Логические рассуждения и планирование помогают управлять работой автоматических систем от домохозяйства до огромного склада (тому примером логистические комплексы Amazon), а также позволяют делать предсказания о поведении фондового рынка, сделав возможным существование нового класса финтехкомпаний - робо-советников (robo-advisors).

Хотя существуют скептики, утверждающие, что подобная автоматизация приведет к полной замене человека автоматами, это не так. К примеру, полностью автоматизированный завод Siemens все равно обеспечивает 1150 рабочих мест. Правда, если раньше эти позиции были связаны непосредственно с изготовлением продукции, то теперь большинство из них - должности в сфере мониторинга, обслуживания автоматов и программирования.

Пионеры AI-индустрии не стремятся избавиться от рабочих мест и создать дегуманизированное автоматическое будущее

Подобных примеров возникает все больше, и цель «умной» автоматизации - не только ускорение и повышение эффективности частых операций. Подобная автоматизация расширяет возможности создания новых продуктов и услуг в ранее недоступном масштабе. По мнению Accenture, пионеры AI-индустрии не стремятся избавиться от рабочих мест и создать дегуманизированное автоматическое будущее, напротив - используют автоматизацию для создания новых, более продуктивных, взаимоотношений между людьми и машинами, повышая производительность человека.

В отличие от прежнего подхода, когда системы искусственного интеллекта рассматривались как всего лишь дополнение к уже существующей IT-инфраструктуре, теперь они ведут к радикальному изменению методов построения инфраструктуры, являясь фактически ее новым слоем. Это облегчает процесс автоматизации, ведь инструментов, позволяющих AI-системам обрабатывать данные и обучаться, становится все больше. Среди них назовем систему распознавания образов от Google с открытым исходным кодом и AI-платформу Amelia от IPSoft, автоматизирующую работу со знаниями и общающуюся с клиентами более чем на 20 языках.

70% опрошенных руководителей компаний заявили, что их инвестиции в AI-системы значительно увеличились за последние два года, и 55% респондентов планируют активно использовать системы машинного обучения и встроенные AI-решения наподобие Amelia

Подобные решения делают индустрию AI точкой интереса как для крупных компаний, так и для инвесторов. За последние четыре года только в США количество компаний, разрабатывающих решения на основе искусственного интеллекта, увеличилось в 20 раз. Согласно опросу Accenture, 70% опрошенных руководителей компаний заявили, что их инвестиции в AI-системы значительно увеличились за последние два года, и 55% респондентов планируют активно использовать системы машинного обучения и встроенные AI-решения наподобие Amelia.

На практике внедрение систем «умной» автоматизации означает для компаний возможность увеличения гибкости процессов, уменьшения сложности систем и бизнес-процессов, уменьшение времени вывода на рынок новых продуктов и способность постоянно экспериментировать с новыми продуктами и услугами.

Например, платформа Paxata позволяет аналитикам фокусировать усилия на значимых данных, находя их в огромных корпоративных «озерах данных». Adobe Target автоматизирует не только персонализацию рекламы, но и позволяет с ней экспериментировать, что дает маркетологам возможность тестировать свои идеи без вовлечения IT-службы. Британский стартап Bloomsbury.ai выпускает на рынок решение, позволяющее людям без навыков в программировании заниматься аналитикой больших массивов данных, утверждая, что при должной подготовке эту технологию можно будет использовать практически для чего угодно - от создания произведений искусства до потребительских продуктов.

Как и в случае с платформенной экономикой, Accenture предлагает двухфазный план развития для внедрения в компании «умной» автоматизации.

В первую фазу плана, подготовительную, входят следующие этапы:

  1. Определить, какие возможности AI и систем анализа данных использует ваша компания в настоящий момент. Провести анализ возможностей и недостатков. Понять преимущества, обеспечиваемые AI-системами, от принятия решений до само-эволюции и обнаружения возможностей для инноваций. Определить, как бы была перестроена компания для реализации подобных преимуществ.
  2. Провести инвентаризацию трудоемких бизнес-процессов и определить возможности по инвестированию в автоматизацию и машинное обучение. Это поспособствует улучшению операционных возможностей и масштабированию аналитики.
  3. Определить конкретные приложения, требующие частых ручных обновлений, быстрого масштабирования, получения агрегатов данных или высокой степени персонализации. Если приложение использует данные - это один из кандидатов для внедрения таких систем искусственного интеллекта, как системы машинного обучения.
  4. Спроецировать эти приложения и варианты их использования на ваши текущие бизнес-процессы и корпоративную стратегию для определения приоритетов развития и понимания вашей позиции - догоняете ли вы конкурентов или пытаетесь получить новые преимущества.
  5. Разработать план создания, покупки или сотрудничества с партнерами для поддержки работы с данными и реализации ваших ноу-хау по автоматизации.
  6. Определить последствия автоматизации задач - изменения ролей и навыков персонала, организационных нужд, процессов. Определить, что изменится после того, как автоматизированные задачи перестанут требовать внимания людей, ранее занимавшихся ими.
  7. Создать стратегию перехода организации на новые бизнес-процессы, обучения персонала новым навыкам и внедрения изменений.

Годовой план непосредственно внедрения систем «умной» автоматизации в Accenture видят следующим образом:

  1. Пересмотреть кандидатов на проекты автоматизации, определенных в подготовительном плане. Реализовать технологию искусственного интеллекта, автоматизирующую один из этих бизнес-кейсов. Определить ее количественное влияние на бизнес и использовать финансовую экономию для реализации следующих проектов.
  2. Создать план действий, необходимых для масштабирования проекта автоматизации. Правильное планирование позволит сгладить переход и использовать рабочую силу параллельно с автоматизированными элементами бизнеса.
  3. Развить внутри компании навыки работы с системами машинного обучения, внедрив решение, использующее конкретные данные для специфического бизнес-кейса. Это решение должно использовать передовые аналитические технологии, к примеру, связанные с персонализацией.
  4. Провести пилотный проект системы машинного обучения, определяющей новые связи в данных. Провести обзор результатов с прицелом на выявление новых возможностей для роста и инноваций, к примеру выделение нового сегмента клиентов или создание нового продукта.
  5. Критически пересмотреть варианты использования систем машинного обучения. Настроить процесс обеспечения качества для принятия или отклонения решений и последующих действий, принимаемых на основании данных систем машинного обучения. Убедиться, что аналитики компании подтверждают полноту и точность используемых данных и возможность использования алгоритмов.
  6. Создать программу обучения, чтобы обеспечить высокий уровень знаний ваших аналитиков и разработчиков ПО в различных областях AI-технологий, особенно в обработке естественного языка и распознавании образов. Дать им время для исследования и разработки возможных решений, использующих эти технологии.
  7. Сформировать внутри компании видение, учитывающее использование компанией искусственного интеллекта и даталогии, включая НИОКР, инновационные программы и разработку новых программных продуктов.

Источник: bankir.ru

Комментарии: