В рамках апрельской конференции TechTalks.AI Edition было представлено несколько примеров применения ИИ в конкретных проектах.

Сбербанк уже давно известен как компания, делающая ставку на опережающее внедрение ИТ-инноваций, и технологии искусственного интеллекта уже сегодня играют важную роль в его деятельности. Как отметил управляющий директор, начальник Центра исследования данных Сбербанка Андрей Черток, исходной базой ИИ являются данные и потому успех внедрения этих технологий в решающей степени зависит от эффективности управления данными, уже накопленными и постоянно пополняемыми. Но как раз тут банк сталкивается с определенными проблемами в силу огромных размеров и сложной структуры организации. «Анализ ситуации показал, что работы в области ИИ ведутся параллельно в разных подразделениях банка, зачастую дублируя друг друга. Выяснилось, например, что разработкой и поддержкой чатботов занимаются около трех десятков команд, а число специалистов по анализу данных превысило полтысячи» — рассказал он, добавив, что в банке трудится около 20 тыс. ИТ-сотрудников.

Рекомендательные системы (принятие решений), обработка естественного языка, речевая аналитика, компьютерное зрение, непрерывный процесс разработки и внедрения моделей (DevOps), автоматизированная разработка моделей (AutoML) — таковы сегодня основные направления применения ИИ в Сбербанке, и по каждому из них создаются унифицированные программные платформы. В качестве одного из показательных кейсов был приведен пример с выдачей кредитов для юридических лиц. Раньше этот процесс в банке занимал 40 дней, и аналитики предлагали автоматизировать его, снизив срок до 7 дней. Однако глава Сбербанка Герман Греф поставил задачу сократить процесс принятие решения до 7 минут. Поначалу это казалось всем совершенно нереальным, но более глубокое изучение вопроса выявило новые возможности и с помощью ИИ поставленная задача была выполнена.

Разумеется, как и любая автоматизация, замена человека ИИ-технологиями приводит к снижению потребности в сотрудниках определенных категорий, но это совсем не означает, что люди лишаются рабочих мест. «ИИ освобождает человека от рутинных операций, ставя перед ним более интересные задачи, — пояснил Андрей Черток. — В Сбербанке налажена целая система переподготовки и повышения квалификации кадров, какие-то профессии уходят в прошлое, но при этом появляются новые». Говоря о проблемах на пути внедрения ИИ, он отметил, что сегодня нужно стимулирующее, а не ограничивающее нормативное регулирование, необходимо усиленно работать с талантами, помогая им продвигать свои идеи. Со своей стороны Сбербанк считает важным развивать инструменты с открытым кодом и делиться своими наработками.

Хотя однозначного понимания, что такое ИИ-технологии, нет, но на интуитивном уровне все уже вполне понимают суть эти инноваций и, более того, достаточно широко используют их на практике, полагает директор по развитию бизнеса Ericsson в Северной Европе и Центральной Азии Павел Мосин. Сославшись на исследования Gartner, он сообщил, что сегодня в мире 50% компаний или уже применяют ИИ, или активно изучают его возможности. «Мы обслуживаем сети связи, в которых работает почти миллиард человек по всем миру, и без ИИ это делать сегодня просто невозможно», — обозначил он актуальность темы для своей компании, перечислив далее две основные линии работ в этом направлении: прогнозная аналитика и реализация пользовательского интерфейса на естественном языке. Прогнозная аналитика реализуется на базе анализа (с использование методов машинного обучения) огромного объема информации, получаемой как от аппаратуры, так и от обслуживающего персонала, она нацелена на обеспечение надежной работы сетей и повышения качества услуг связи (предсказание возможных неисправностей, планирование диагностических работ, диспетчеризация ремонтных бригад и пр.). Интерфейс на естественном языка нужен прежде всего для создания виртуальных помощников и чатботов, необходимых для поддержки, как пользователей, так и внутреннего персонала.

Еще один практический пример использования ИИ — применение биометрических технологий на основе ИИ во время проведения в прошлом году в России чемпионата мира по футболу. Рассказывая об этом, исполнительный директор компании Ntechlab Глеб Дьяконов привел такие данные: за дни чемпионата фанзону на Воробьевых горах посетило 1,89 млн. человек, а максимальный наплыв людей в один день (игра сборных России и Хорватии) в двух фанзонах (в Лужниках и на стадионе «Спартак») составил 271 тыс. человек. Подсчет численности велся двумя независимыми способами: фиксация проходов по билетам и фиксация уникальных лиц. Сравнение эти данных показало совпадения данных на 99,4%, что говорит о высоком качестве технологий распознавания образов. Использование этих средств (в общей сложности было задействовано 370 камер видеонаблюдения) позволило не только считать общую численность, но и получать статистику по различным срезам посетителей — гендерному, возрастному, эмоциональному и пр. Все эти данные нужны были для управления работой различных вспомогательных служб — медицинской, коммунальной, правоохранительной. За время работы чемпионата в автоматическом режиме были выявлены 19 человек, находящихся в федеральном розыске.

«За последний год у нас есть семь примеров использования методов ИИ в реальных технологических процессах, в том числе для определения оптимального состава компонентов при производстве кокса и для управления доменными печами», — поделился директор по анализу данных и моделированию Новолипецкого металлургического комбината Анджей Аршавский. Но при этом он отметил, что возможности применения ИИ сами в решающей степени зависят от качества технологический процессов, в первую очередь от их стабильности. «Упрощенно говоря, если у вас сегодня процесс идет не совсем так, как вчера, то и данные вчерашнего дня уже нельзя применять», — пояснил он.

Руководитель службы разработки «Яндекс.Поиск» Алексей Шаграев привел уже давно ставший классическим пример современной системы управления такси, отметив, что он демонстрирует возможности получения качественно новых знаний на основе анализа огромных объемов исходных данных и создания производственных процессов, реализация которых без ИИ была ранее просто невозможной. Но что мешает использовать ИИ не только для управления такси, но также и для решения других городских дорожно-транспортных задач, например, для оперативного управления общественным транспортом или для оптимизации работы светофоров? Ответ на этот прозвучавший из зала вопрос был таков: для создания в Москве такой системы «умного» транспорта у «Яндекса» есть все необходимые данные, но этой сферой деятельности занимаются совсем другие организации, в основном государственные. «Для реализации подобного проекта нужно государственно-частное партнерство, мы со своей стороны к нему готовы», — пояснил представитель отечественного поискового гиганта.

ИИ позволяет не только преобразовывать аудиозаписи в цифровые тексты, но и создавать уникальные тексты, рассказала основатель компании Technocracy Writers Production Алиса Беркана. Ссылаясь на свой собственный опыт, она сообщила, что сегодня расшифровка аудиовыступлений достаточно высокого качества уже может выполняться в полностью автоматическом режиме. Что же касается составления текстов (правда, пока речь идет в основном о технической документации, маркетинговых и рекламных материалах), то тут совсем без контроля со стороны редакторов пока не обойтись, но при этом их результирующая производительность возрастает в десятки и более раз. «При выполнении таких работ можно учитывать сферу деятельности компании, ее корпоративный стиль, целевую аудиторию и другие важные параметры», — подчеркнула она.

Сегодня о своей приверженности ИИ говорят все, но многие при этом следуют исключительно соображениям моды, не имея в виду достижение каких-то реальных эффектов. Более того, на словах всячески поддерживая идеи ИИ, многие люди, в том числе руководители, скорее даже опасаются их, в явном или неявном виде препятствуя их внедрению. На этот аспект обратил внимание директор Института прикладного анализа данных «Делойт» Россия и СНГ Алексей Минин, отметив, что данная проблема особенно видна в государственном секторе — как в экономической его части, так и в органах управления.

Тему трудностей на пути внедрения развил директор центра компетенции больших данных и искусственного интеллекта компании «Ланит» Денис Афанасьев. Основная проблема, по его мнению, заключается в недостаточно высоком уровне цифровизации российской экономики и системы управления страной, в том числе в направлении работы с большими данными, которые являются основной для реализации ИИ-проектов. Важную, если не ключевую, роль в ускорении внедрения ИИ в масштабах страны играет государство, в зоне ответственности которого находятся задачи создания соответствующей технической инфраструктуры и проведения фундаментальных научных разработок. Но, к сожалению, тут тоже больше разговоров, чем реальных дел. Не говоря уже о необходимости создания необходимой нормативно-правовой базы, которая сегодня порой больше препятствует использованию ИИ, чем стимулирует его ускоренное внедрение.