ИИ в 2019 году: текущее положение вещей
ИИ и маркетинг в 2019 году
Работа с клиентами — новый инструмент маркетинга?
На всём протяжении 2018 года искусственный интеллект (ИИ) укрепил свои позиции как часть мировой рабочей силы — ранее ИИ использовался в эффектных программах маркетинга и простых ботах, а сегодня стал инструментом, создающим реальную добавленную ценность в части потребительского опыта и эффективности работы. В 2019 году влияние ИИ станет ещё более заметным.
Работа с клиентами сегодня представляется критически важным дифференцирующим фактором и катализатором лояльности потребителей. Ставки высоки, как никогда — 33% американцев говорят, что однократное некачественное обслуживание служит достаточным основанием для того, чтобы потребитель обратился за аналогичной продукцией или услугой в другую компанию.
Организации, работающие в различных отраслях, начинают понимать ценность использования ИИ для удовлетворения растущих требований потребителей в предоставлении немедленной поддержки и персонализированного участия по каналам, значимым для потребителей. Наряду с творческими рекламными кампаниями и маркетинговыми акциями, поддержка потребителей часто завоёвывает сердца (и кошельки) потребителей.
Как ИИ будет эволюционировать в 2019 году?
Ниже — самые мои дерзкие предсказания в отношении использования ИИ в поддержке потребителей на этот год.
1. Никаких имитаций — искусственный интеллект будет решать реальные проблемы бизнеса
Ненадлежащее обслуживание клиентов привело к потере компаниями более 62 миллиардов долларов — компании не смогли обеспечить соответствие ожиданиям клиентов в части предоставления дружественной, удобной и адресной поддержки. В наступающем году мы можем стать свидетелями стремительного распространения ИИ-агентов, используемых для удовлетворения различных нужд бизнеса, например, сокращения затрат времени на решение проблем и повышения степени удовлетворённости клиентов (CSAT).
Кроме того, мы можем стать свидетелями сокращения использования ИИ в одноразовых маркетинговых кампаниях и распространения ИИ-агентов, умеющих разговаривать на естественных языках и способных быстро обучаться — они смогут разговаривать с клиентами, понимая их потребности, и принимать оптимальные решения в части разрешения проблем силами ИИ или делегирования проблем соответствующему сотруднику-человеку.
ИИ-агент Eno компании Capital One, например, предоставляет клиентам возможность совершения ежедневных банковских операций, беседуя с ними на их языке. Клиенты могут оплачивать счета кредитными картами, получать уведомления о возможных мошеннических покупках и получать информацию о счетах, не прерывая своих бесед с друзьями. Компания также обеспечивает безопасность банковских операций, позволяя Eno создавать уникальные номера карт для разных ритейлеров и защищая клиентов от утечки данных.
2. Искусственный интеллект станет частью рабочей силы
Превращение ИИ в сотрудника и часть команды поддержки, состоящей из людей и машин — это лишь вопрос времени. ИИ можно использовать для управления большими объёмами повторяющихся проблем, в то время как решением более сложных или уникальных проблем будут заниматься люди.
Кроме того, ИИ может быть использован в качестве консультанта, советующего совершать определенные действия, или для ответа на контекстно обусловленные запросы агентов, вне зависимости от того, основаны ли они на опыте взаимодействия человека с компанией, ситуационных контекстах, возникающих в реальном времени или других внешних факторах. Это позволит ИИ стать образцовым сотрудником, обеспечивающим команде поддержки клиентов высококачественный сервис и эффективность.
Например, мы можем вообразить увеличение количества беспилотных автопоездов на автомагистралях, осуществляющих движение по заданным маршрутам по выделенным для беспилотников полосам. Хотя полностью беспилотные грузовики — это всё ещё вопрос будущего, мы увидим, как ИИ берёт на себя всё большую ответственность за обеспечение движения, а водители-люди катаются более или менее «за компанию».
3. Измерение эффективности ИИ становится реальностью
Поскольку ИИ превращается в члена рабочего коллектива, измерять эффективность его труда также естественно, как и эффективность труда сотрудника-человека. Другими словами, насколько хорошо ИИ справляется со своими обязанностями? Больше внимания будет уделяться не тому, насколько ИИ похож на человека, а тому, насколько ИИ успешен в разрешении проблем клиентов, обеспечивая им благоприятный опыт общения с компанией, смягчая риски и негативные последствия, и обучаясь со временем.
4. Полномочия ИИ расширяются
По прогнозам Gartner, к 2020 году клиенты будут вступать в отношения с организациями, решая 85% своих проблем без участия человека. Сегодня большинство ИИ-агентов не обладают полномочиями, позволяющими им предпринимать действия, но как только ИИ станет основным каналом связи клиента по вопросам обслуживания, боты смогут не только просто отвечать на вопросы, но решать проблемы клиентов на практическом уровне.
В 2019 году, я надеюсь, мы увидим, как компании учатся доверять ИИ-агентам и предоставлять им полномочия для совершения действий в определенных обстоятельствах, например, оформления возвратов товара в течение определённого периода времени, если возвраты обусловлены определёнными причинами и не превышают установленных пределов по цене. Сегодня ИИ может ответить на вопросы, связанные с процедурой возврата, но не могут инициировать сами возвраты.
5. Переход от реактивной к упреждающей поддержке
Опережать события хотела бы любая организация, поскольку это позволяло бы, прежде всего, упреждать обращения клиентов за поддержкой или удивлять их приятным, неожиданным сервисом. В подобных целях ИИ, вероятнее всего, будет глубоко интегрирован в различные бизнес-системы и контекстно обусловленные сигнальные системы, что позволит ИИ срабатывать на упреждение.
Сегодня Amazon уведомит вас в случае задержки доставки по причине погодных условий, но мы увидим, как будет меняться стиль упреждающей поддержки. Например, основываясь на анализе движения транспорта, авиакомпании вскоре научатся понимать, что клиенты могут опоздать на рейс, и будут бронировать им места на следующие рейсы.
Я считаю, что 2019 станет годом заметного взросления искусственного интеллекта. Сегодня, когда работа с клиентами превратилась в новый инструмент маркетинга, ИИ может оказать значительное влияние на рост эффективности бизнеса и заинтересованность клиентов в бренде.
ИИ в 2019 году: хайп, первые внедрения и культурная революция
Управляющий директор направления Digital в Accenture Russia
Искусственный интеллект в последние несколько лет из футуристического концепта превратился в один из главных практических инструментов цифровой трансформации. Об итогах 2019 года и прогнозах на 2020-й в сфере ИИ рассказывает Лариса Малькова, управляющий директор направления Digital в Accenture Russia.
Год ИИ-хайпа
Искусственный интеллект — относительно молодая технология в плане практического применения в реальной деятельности компаний. Поэтому сегодня она все еще остается одной из самых сложных для адаптации, мониторинга, регулирования и контроля. Тем не менее многие корпоративные лидеры считают, что инвестирование в ИИ-решения предоставит в будущем значительные конкурентные преимущества. Сегодня каждое предприятие, независимо от размера и отрасли, стремится адаптировать ИИ к своим задачам.
В 2020 году мы, скорее всего, увидим волну кейсов с использованием искусственного интеллекта, которые будут менять привычные продукты, сервисы и бизнес-процессы.
Наиболее вероятными областями ИИ-прорыва станут решения для информационной безопасности, инструменты для онлайн-взаимодействия с клиентами (чат-боты, голосовые помощники, аналитика клиентского поведения) и технологии по распознаванию лица и голоса.
2019 год стал периодом глобального хайпа на теме ИИ. Объем тематических конференций, публичных обсуждений, публикаций в СМИ и клиентских обращений по поводу ИИ-разработки и внедрения повторяют картину недавнего ажиотажа с Big Data. Это нормальный симптом роста, который сопровождает развитие любой перспективной технологии — облака, блокчейн, IoT — все прошли через фазу подобной «лихорадки».
Хайп порождает массу неверных интерпретаций сути искусственного интеллекта. Как результат, на волне популярности за ИИ зачастую выдаются решения, таковыми не являющимися даже формально. Из-за общего недостатка компетенций в этой сфере масса стартапов под вывеской «ИИ-решение» развивают симуляции искусственного разума за счет наивных инвесторов.
Примета времени — на тематических конференциях и мероприятиях в самом начале часто предлагают договориться о терминах: специалисты определяют, что именно они понимают под ИИ, и от принятой версии отталкиваются в дальнейших обсуждениях.
От слов к делу
Хайп — это хорошо, несмотря на сопровождающие его негативные симптомы. По ходу его нарастания в определенный момент накапливается критическая масса инициатив и начинается самое интересное в жизненном цикле технологии: переход к практическим внедрениям. Подчеркну — речь не идет об ИИ-стартапах (их масса, и развиваются многие из них уже несколько лет), а о внедрениях ИИ-решений в практике состоявшихся компаний.
В начале 2019 года Gartner опросила тысячу CIO по всему миру. 14% заявили, что развернули в своей практике те или иные ИИ-решения. В начале 2018 года таковых было всего 4%. Прогноз аналитиков на конец 2020 года составляет уже 48%!
При этом речь сегодня идет не об абстрактных инвестициях на перспективу — к 2024 году 50% всех вложений в ИИ будет совершаться в привязке к конкретным показателям производительности бизнеса в результате внедрения решений и с конкретными показателями ROI.
Сегодня можно уверенно говорить о том, что сформировалось четкое понимание огромного потенциала ИИ как технологии, способной приносить компаниям реальные результаты. О коренном повороте в отношении к ИИ говорят включение технологии в стратегии развития ведущих мировых компаний, заявления лидеров государств о необходимости прогресса в ИИ в рамках целевых госпрограмм.
Этот тренд фиксируется несмотря на относительно скромные практические результаты внедрения ИИ на данном этапе его развития. Но тренд уже не остановить: применение ИИ является составной частью национальной программы «Цифровая Россия», курировать работу в рамках направления будут специалисты Сбербанка, который, к слову, уже начал применения ИИ для ряда собственных практических задач. С учетом его системообразующей роли для отрасли это очень серьезная заявка на ускорение массовой адаптации ИИ.
Самое сильное звено
Еще один важнейший симптом наступления новой эры в развитии искусственного интеллекта — осознание роли системного подхода к цифровизации для успешного применения ИИ к задачам бизнеса.
Все больше руководителей начинают понимать, что ИИ сам по себе не является волшебной палочкой, внедрение которой решит все проблемы их компании. Появляется реалистичный взгляд на искусственный интеллект как на важное звено в цепочке digital-инструментов нового поколения: больших данных, интернета вещей, цифровых платформ, облаков.
Все чаще эксперты высказываются о реальной пользе IoT, Big Data и ИИ только в виде конвергентного решения, где все три технологии глубоко интегрированы друг с другом, за счет этого максимизируя положительный эффект.
Второй важнейший момент здесь состоит в глубоком понимании бизнесом, как именно сумма этих технологий, включая ИИ, может трансформировать бизнес-процесс, сервис или продукт. Какой эффект принесет эта трансформация, какие предпосылки и элементы цифровой трансформации должны иметься на старте проекта? Все эти вопросы должны иметь четкий ответ и базироваться на понимании того обстоятельства, что видимый эффект от внедрения возможен только при масштабировании внедрения в рамках направления или (оптимально) всего предприятия.
Чтобы с пользой внедрять ИИ сегодня, нужно было года 3-4 назад серьезно заняться задачами сбора и обработки данных, свести каналы их поступления, системы хранения и инструменты анализа в единой платформе, подготовить организационные изменения на уровне бизнес-процессов, провести кадровые изменения в штате компании (например, ввести позицию CDO).
ИИ — это фундаментальные перемены в работе, но они требуют большой системной подготовительной работы с масштабными организационными, материальными и временными затратами. Судя по росту внедрений ИИ, пусть и в пилотном формате, это понимание приходит к растущему числу бизнес-лидеров.
Культура инновационного труда
Также важно отметить увеличение роли современных методологий ИТ-разработки в адаптации искусственного интеллекта. Agile и DevOps не первый год служат смене культурных установок и практических подходов к ИТ-разработке. Бизнес учится фокусировать свой взгляд на задачу через призму потребностей клиента, переставая отталкиваться от продукта или технологий.
Поскольку потребительские настроения и структура спроса подвержены изменениям, стэк технологий и методология должны радикально сокращать показатель time to market. Этот тренд повышает требования к скорости разработки при сохранении качества. Без радикальных перемен в культуре труда это невозможно реализовать.
Задача решается в том числе путем перехода на DevOps в качестве основы для разработки с использованием ИИ.
Выводы
ИИ в 2019 году вышел на такой виток развития, когда массовая адаптация находится на расстоянии вытянутой руки, но переход к ней все еще зависит от способности компаний осознавать необходимость не только технологического развития, но и существенных организационных перемен внутри себя.
Роль организационной культуры и готовность эволюционировать в верном ключе по своей важности сравнялись с умением написать правильный ИИ-алгоритм под соответствующую задачу.
Искусственный интеллект в 2019 году: уже Терминатор или еще нет?
Существует забавное психологическое явление: повторяйте любое слово достаточно много раз, и в конечном итоге оно потеряет всякий смысл, превратится в мокрую тряпку, в фонетическое ничто. Для многих из нас фраза «искусственный интеллект» давно потеряла смысл. ИИ сейчас повсюду в технологиях, он питает все, от телевизора до зубной щетки, но означает вовсе не то, что должен. Так быть не должно.
Искуственный интеллект несет в себе как блага, так и опасности
Искусственный интеллект: добро или зло
В то время как фраза «искусственный интеллект», бесспорно, используется неправильно, эта технология делает больше, чем когда-либо — и хорошего, и плохого. Она используется в здравоохранении и боевых действиях; помогает людям писать музыку и книги; оценивает вашу кредитоспособность и улучшает фотографии, сделанные вашим телефоном. Короче говоря, она принимает решения, которые влияют на вашу жизнь, нравится вам это или нет.
Может быть трудно согласиться с тем хайпом и шумихой, с которыми ИИ обсуждают технокомпании и рекламодатели. Взять, к примеру, зубную щетку Genius X от Oral-B, одно из многих устройств, представленных на выставке CES в этом году, которые рекламировали предполагаемые способности ИИ. Но при ближайшем рассмотрении станет понятно, что щетка просто дает вам обратную связь о том, чистите ли вы зубы в течение необходимого количества времени и в нужных местах. Есть несколько хитроумных датчиков, позволяющих определить, где у вас во рту щетка, но называть ее искусственным интеллектом — это бред, не более того.
Шумиха порождает недоразумение. Пресса может раздуть и преувеличить любое исследование, наклеив изображение Терминатора на любую смутную историю с ИИ. Часто это приводит к путанице на тему того, что такое искусственный интеллект. Это может быть непростая тема для неспециалистов, и люди часто ошибочно связывают современный ИИ с той версией, с которой они лучше всего знакомы: научно-фантастическое представление сознательного компьютера, который во много раз умнее человека. Эксперты называют этот конкретный образ ИИ общим искусственным интеллектом, и если мы когда-нибудь сможем создать нечто подобное, это будет очень нескоро. До тех пор преувеличение возможностей, интеллекта или способностей системы ИИ никак не поможет процессу.
Гораздо лучше говорить о «машинном обучении», а не об искусственном интеллекте. Это подполе искусственного интеллекта, которое включает в себя почти все методы, оказывающие наибольшее влияние на мир в настоящее время (включая то, что называется глубоким обучением). В этой фразе нет мистики «ИИ», но она более полезна для объяснения того, что делает эта технология.
Как работает машинное обучение? За последние несколько лет мы с вами имели возможность прочитать десятки объяснений, и самое важное отличие, которое я нашел для себя, лежит прямо в названии: машинное обучение — это все, что позволяет компьютерам обучаться самостоятельно. Но что оно означает на самом деле — гораздо больший вопрос.
Проблемы искусственного интеллекта
Давайте начнем с проблемы. Скажем, вы хотите создать программу, которая может распознавать кошек. Вы можете написать ее старомодным образом, запрограммировав очевидные правила, вроде «у кошек острые ушки» и «кошки пушистые». Но что сделает программа, когда вы покажете ей изображение тигра? Программирование каждого правила будет занимать много времени, при этом вам придется объяснять множество разных концепций вроде «пушистости» и «пятнистости». Лучше позволить машине учить себя. Таким образом, вы даете ей огромную коллекцию фотографий кошек и она просматривает их, чтобы найти свои собственные шаблоны в увиденном. Сначала она соединяет точки, по большей части случайно, но вы проверяете ее снова и снова, сохраняя лучшие версии. И со временем она начинает довольно хорошо определять, что такое кошка и что кошкой не является.
Скоро вокруг нас будет один сплошной искусственный интеллект.
Пока все предсказуемо. На самом деле, вы, вероятно, читали подобное объяснение раньше — извините за это. Важно другое. Какими будут побочные эффекты обучения системы, принимающей решения, вроде этой?
Самое большое преимущество этого метода — самое очевидное: вам никогда не придется программировать эту систему. Конечно, вы будете много работать, совершенствуя принципы обработки данных системой, пока она будет находить более разумные способы извлечения информации, но вы не будете говорить системе, что ей нужно искать. Это значит, что она сможет найти закономерности, которые люди вообще могут пропустить или даже не задумаются о них. И поскольку все, что нужно программе, это данные — 1 и 0 — ее можно обучать выполнять самые разные задания, потому что мир буквально кишит данными. С молотком машинного обучения в вашей руке, цифровой мир будет полон гвоздей, готовых к приведению в действие.
Но теперь подумаем о недостатках. Если не вы обучаете компьютер, откуда вам знать, как он принимает решения? Системы машинного обучения не могут объяснить свое мышление, а это означает, что ваш алгоритм может работать хорошо по неправильным причинам. Точно так же, поскольку все, что знает компьютер, это данные, которые вы им предоставляете он может выработать предвзятое отношение к вещам, либо может быть хорошо только в узких задачах, которые похожи на данные, которые он видел раньше. В нем нет здравого смысла, который вы могли бы ожидать от человека. Вы можете создать лучшую в мире программу распознавания кошек, но она никогда не расскажет вам, что котята не могут ездить на мотоциклах или что кошку с большой вероятностью назовут «Кощей Бессмертный» или «Алексей Толстой».
Обучение компьютеров учиться самостоятельно — это блестящий трюк. И как и все трюки, этот включает хитрости. В системах ИИ есть разум, если вы хотите его так назвать. Но это не органичный разум, и он не играет по тем же правилам, что и люди. С таким же успехом можно спросить: насколько умна книга? Какой опыт закодирован в сковороде?
Где же мы сейчас находимся, с нашим искусственным интеллектом? После многих лет заголовков, трезвонящих об очередном большом прорыве (который еще не случился, да и заголовки не утихают), некоторые эксперты приходят к выводу, что мы достигли некоторого плато. Но это не мешает прогрессу. Что касается исследований, существует огромное количество возможностей для изучения с уже доступным нам знанием, а что касается продукта, мы увидели только верхушку алгоритмического айсберга.
Кай-Фу Ли, венчурный капиталист и бывший исследователь искусственного интеллекта, описывает текущий момент как «эпоху внедрения» — когда технология начинает «выплескиваться из лаборатории в мир». Бенедикт Эванс сравнивает машинное обучение с реляционными базами данных, на которых в 90-х было сделано целое состояние и которые изменили целые отрасли, но это будет настолько обыденно, что вам станет скучно, если ваш взгляд замутнен величием киношного искусственного интеллекта. Сейчас мы находимся на том этапе, когда ИИ должен стать нормальным, привычным. Очень скоро машинное обучение будет в каждом из нас и мы перестанем обращать на него внимания.
Но пока этого не случилось.
На текущий момент, искусственный интеллект — машинное обучение — это все еще что-то новое, что часто остается необъяснимым или недостаточно изученным. Но в будущем он станет настолько привычным и обыденным, что вы перестанете его замечать.
А пока предлагаем заметить наш канал с новостями и подписаться на него.
