13 декабря в рамках проекта «Ланит “Своя среда”» прошел захватывающий ИT-митап, посвященный искусственному интеллекту. В ходе мероприятия участники узнали о возможностях применения AI в бизнес-процессах, методах интеграции искусственного интеллекта в проекты заказчиков, а также о том, как создать нейросотрудников. Ведущие эксперты представили технические обзоры, рассказали о кейсах успешного использования ИИ и поделились практическими советами, связанными с его применением. Также были рассматорены актуальные тенденции развития искусственного интеллекта.
«Искусственный интеллект – это горячая тема. Сейчас все восхищаются тем, что происходит в данной области, развивается она фантастическими темпами. Но не так много людей понимают, как это использовать, как это меняет мир. Наша цель – частично ответить на эти вопросы», – такими словами открыл мероприятие Дмитрий Изместьев, вице-президент компании «Ланит» по инновационным проектам.
Дмитрий Тимаков, руководитель направления AL компании «Норбит», рассказал об основных этапах ML проектов: первый – описание задачи; второй – сбор данных; третий – анализ и подготовка; четвертый – моделирование; пятый – эксплуатация.
На первом этапе создается гипотеза. «Мы можем у каждой сделки прогнозировать успешность ее выполнения (фактически: совершится или нет) для принятия управленческих решений по процессу продажи менеджером на основе данных из СRM-системы и дополнительных внешних данных (ставка ЦБ, курс доллара). Если мы окажемся правы, то не менее 80% из предсказанных моделью успешных сделок окажутся фактически успешными», – подытожил Дмитрий.
Он также привел примеры прогнозирования на реальных проектах.
1. Отток сотрудников в системе управления талантами. Был осуществлен прогноз потенциального увольнения, перевод и выход в декретный отпуск сотрудников. Модель проводит анализ множества внутренних и внешних факторов и дает прогноз вероятности увольнения с горизонтом наступления события в два-три месяца. В результате сократилась текучка кадров, возросло качество планирования потребности и организации набора и удержания сотрудников, достигнута экономия на найме новых сотрудников.
2. Приложение по классификации геоданных для компании «Шахты». Проект является идентификацией объектов недвижимости с целью уточнения кадастровых данных. В него входят: облет территорий беспилотниками, составление высокоточных ортофотопланов, определение координат и площади зданий и сооружений, сопоставление с данными кадастровых реестров. Результаты: точность распознавания свыше 80% вне зависимости от времени года; идентификация и устранение нарушений в сфере градостроительства и земельного законодательства; рост налогооблагаемой базы.
3. Рост технических потерь и прогнозирование энергопотребления в системе биллинга. Проект характеризуется: расчетом технических потерь электроэнергии по источникам (потери в изоляции, линиях, трансформаторах); прогнозированием почасового потребления электроэнергии на 72 часа вперед; моделированием объема и ценовых характеристик основного и балансирующего рынков на 24 часа вперед. В результате реализации проекта повысилось качество планирования потребности и организации набора и удержания сотрудников, сэкономлены бюджет и время на найме новых сотрудников.
На конференции выступил Алексей Каширин, руководитель центра продвинутой аналитики «Альфа-Банка», с докладом о применении нейросетей в реальных бизнес-процессах. Он проанализировал, где и какие технологии машинного обучения применяются, какие вызовы стоят перед этими технологиями. Поделился прогнозом развития технологий в ближайшем будущем.
«Продвинутая аналитика встроилась во все ключевые процессы банка, в том числе операционные», – рассказал Алексей Каширин. Прежде всего, розничные кредитные риски полностью переведены на модельный подход. Вся продуктовая линейка ММБ покрыта моделями склонности. Кредитный скоринг обогащен за счет обработки отказных заявок и нейросетей. Тотальный скоринг: разработана модель по оценке заемщиков только по номеру телефона. Алгоритмическая часть чат-бота переведена на нейросети собственной разработки. Борьба с мошенническими транзакциями: внешнее решение заменено внутренним. Процесс подбора на массовые вакансии оптимизирован с помощью моделей машинного обучения.
Владислав Балаев, руководитель практики анализа данных, центр компетенции больших данных и искусственного интеллекта компании «Ланит», рассказал, что делать, если необходимо автоматизировать систему, не меняя ее бизнес-процессов и принципов функционирования. Поделился опытом, как его команда значительно разгрузила операторов поддержки и помогла им концентрироваться на более сложных кейсах. Вначале проекта по ML весь путь не виден. Путь может быть тернист даже для типовой задачи. Нужно делить проект на контролируемые этапы с понятным результатом. Полезно смотреть примеры, а не только слепо верить в метрики качества. Надо уметь вовремя остановиться.
В результате проведенного ИT-митапа по искусственному интеллекту участники получили ценные знания о применении AI в бизнес-процессах, методах интеграции и создании нейросотрудников. Мероприятие было очень информативным и полезным для всех участников, которые теперь могут применить полученные знания в своей практике.
