Алексей Сидорин, архитектор бизнес-решений компании «Крок»
Обсуждение технологий искусственного интеллекта (Artificial Intelligence – AI) перешло от абстрактных прогнозов, теорий и фантастических предсказаний к прикладному применению. Проекты в этой области, включая кейсы с использованием Big Data, позволяют решать бизнес-задачи. В частности, компания «Крок» запускает проект под названием «Озера гипотез» или «Лаборатория данных» для комплекса аналитических задач. Концентрироваться на одной локальной проблеме с помощью создания целой инфраструктуры – непрактично и дорого.
При грамотной работе с данными бизнес-заказчики получают пошаговый план достижения конкретных бизнес-метрик. Так, с помощью машинного обучения и технологии Big Data можно рассчитать, нужно ли открывать новые точки продаж, автоматизировать типовые процессы в компании, оптимизировать управление ИТ-инфраструктурой и строить систему видеоаналитики.
Истории успешного внедрения инновационных технологий показывают диапазон практического применения AI и технологии Big Data в разных организациях – от государственных до торговых, в различных регионах страны – от Москвы до Сахалина.
Умный помощник
В начале автоматизации административных процессов в компании «Крок» речь не шла об искусственном интеллекте. Созданный чат-бот просто собирал информацию, необходимую для оформления заявки, и передавал ее ответственному сотруднику. Но со временем накопилось много типовых запросов, с которыми предстояло разобраться искусственному интеллекту. После их систематизации удалось автоматизировать оформление заявок для службы поддержки. Теперь бот умеет не только выполнять базовые административные задания, но и адаптировать новых сотрудников, управлять рабочим временем, даже рассказывать о некоторых деталях из базы знаний корпоративного обучения.
Остров Сахалин в безопасности
Обеспечение безопасности на острове – уникальная задача, так как все точки въезда и выезда известны и контролируемы. Это идеальная среда для внедрения решений интеллектуального наблюдения и аналитики прибывающих потоков людей.
С помощью внедренной системы видеонаблюдения сотрудники специальных служб предупреждают угрозы терактов, чрезвычайные ситуации и получают информацию для проведения расследований.
Аэропорты, морской порт и железнодорожный вокзал оснащены комплексом «умного» видеонаблюдения, который за один год обработал изображения почти 3 млн лиц. Их также можно искать в других источниках. Если система обнаруживает нужного человека в толпе, сотрудники правоохранительных органов получают автоматические уведомления.
Интеллектуальный мониторинг в госкорпорации
В крупной распределенной организации системы мониторинга ИТ-инфраструктуры собирают огромное количество информации. Обработать и сделать выводы на ее основе не по силам даже десяткам специалистов – требуется участие машин. «Обученная» система мониторинга предупреждает возникновение проблем или автоматически решает их.
Таким образом, объединив десять продуктов для мониторинга, крупная компания получила комплексный инструмент для определения аномалий в работе серверов, приложений, сетевых устройств, что позволило ИТ-службе предупреждать проблемы на ранних стадиях их появления.
«Незваные гости» в гипермаркетах
Службе безопасности крупного ритейлера приходится следить за поведением не только покупателей, но и сотрудников. Некоторые требуют особого внимания со стороны охраны. В таких случаях на помощь приходит система видеоаналитики. В ее обязанности входит «запоминание» лиц и распознавание их на других записях.
Внедрение интеллектуальной системы решило целый ряд проблем – предотвратило появление схем мошенничества и воровства, обеспечила контроль фактического присутствия сотрудников на рабочем месте, а также позволило автоматически оповещать службу безопасности о подозрительных посетителях.
Data Lake для коллекторов
В 2016 г. вступил в силу Федеральный закон № 230-ФЗ о коллекторской деятельности, который ограничил число контактов коллекторов с должниками. В этой ситуации крупным банкам предстояло обработать множество данных для обеспечения контроля за коммуникациями.
Благодаря концепции Data Lake одному из игроков рынка удалось полностью автоматизировать процесс. Построенная система собирает данные из внутренних и внешних источников, анализирует их и предоставляет коллектором готовый план коммуникаций. При этом они не могут превысить допустимые законом нормы, инструмент блокирует такую возможность. В результате банк не только выполнил требование закона, но и получил инструмент аналитики больших данных.
Контроль строительной площадки
Каждый день строительные площадки крупного застройщика в Москве посещают десятки работников от нескольких подрядчиков. Проконтролировать точное количество вышедших на смену и соответствие их составленным спискам сложно даже опытным охранникам. Тем не менее, это влияет на сроки реализации проекта и приводит к значительным штрафам.
«Обученная» видеосистема легко различает рабочих и сигнализирует, если в определенный день на площадке появились не все рабочие или кто-то отправил вместо себя друга. В такой ситуации доступ на площадку блокируется.
Искусственный интеллект в АПК
Оценить объемы зерна, проходящие через элеватор, невозможно с помощью традиционной камеры или даже лазера. Для точного определения запасов следует обратиться к машинному зрению. Именно такую модель была разработана для одного из агропромышленных предприятий.
С помощью стереофотокамеры создаются объемные снимки в закрытом резервуаре. В процессе обработки этих изображений определяется объем зерна. В результате можно оценить запас зерна на элеваторе в определенный момент времени. Исходя из этого рассчитываются объемы закупки и поставок.
Решение-посредник и синергия
Средства видеоаналитики используются для решения задач в интересах не только отдельных организаций, но и цепочки компаний коммерческого сектора. Основанное на инструментах видеоаналитики решение объединяет информацию о клиентах банка, торгового центра и магазина в единую систему данных, используемую в маркетинговых целях. Информация о персоне извлекается из видеопотока в режиме реального времени, трансформируется в полезные для бизнеса данные, на основе которых формируются индивидуальные предложения.
Кейс 1:
При посещении магазина клиент определенного банка проходит автоматическую идентификацию. На его мобильное устройство приходит СМС-сообщение от данного банка. Например, «при совершении покупки в магазине на сумму более 5 000 руб. вы получите кешбэк в размере 5% суммы покупки».
Кейс 2:
Клиент банка проходит автоматическую идентификацию в торгово-развлекательном центре. Идентифицированный клиент банка получает СМС-сообщение с «привлекательным» предложением. Например, «при совершении разовой покупки в определенном магазине на сумму более 7 000 руб. получите кешбэк в размере 10% суммы покупки».
Кейс 3:
При повторных визитах в торгово-развлекательный центр покупатель, у которого есть карта лояльности, получает СМС-сообщение с «особыми» условиями по этой карте (после автоматической идентификации на входе). Например, «Уважаемый Иван Иванович! Только для Вас при покупке в магазине М предъявите карту лояльности и получите дополнительную скидку в подарок в размере 6%!».
Противодействие кибератакам в госсекторе
Можно ли предсказать кибератаку? Государственной организации необходим проактивный подход к защите ИТ-периметра, поскольку последствия могут отразиться на экономической или политической ситуации в стране. Для предиктивного обнаружения хакерских атак можно использовать технологии поведенческого анализа пользователей. Такая система позволяет выявить отклонения от типового поведения той или иной группы юзеров в организации. Например, пользователь обычно загружал в файловую систему несколько документов ежедневно и вдруг начал выгружать из нее сотни файлов, при этом часть из них отправлять по электронной почте. Система поведенческого анализа в автоматическом режиме направляет оповещение в отдел информационной безопасности. Сочетание в такой схеме методов статистического анализа и машинного обучения дает возможность не только оперативно реагировать на потенциальные инциденты безопасности, но и расследовать их.
Представленные кейсы показывают, что сферы применения технологий AI, Big Data и машинного обучения довольно обширны. Но самое главное – они используются на практике. До роботов, которые заменят человека, еще далеко, да и вряд ли они полностью вытеснят людей на производстве. Но решать задачи, снимать с нас рутинные процессы с помощью технологий, которые совсем недавно казались сказкой, а не реальностью, уже получается.
