Лидеры ИТ-сообществ рассказывают о том, как они используют искусственный интеллект и машинное обучение для создания бизнес-идей и новых услуг.

Немногие технологии могут похвастаться теми же возможностями, что предоставляют искусственный интеллект (AI) и машинное обучение (ML). Ведущие организации уже используют технологию, которая имитирует поведение человеческого разума, привлекает клиентов и поддерживает бизнес-операции. Согласно Гартнеру, эта тенденция будет только увеличиваться в предстоящие годы, поскольку ИИ и ML войдут в пятерку приоритетных инвестиций для более чем 30 процентов ИТ-директоров к 2020 году.

Первоначальные опасения по поводу ИИ и ML, касаемые замены рабочих мест, постепенно рассеиваются, и более 67% руководителей бизнеса, опрошенных PwC, утверждают, что ИИ поможет людям и машинам лучше взаимодействовать во время совместной работы. Признавая возможность продвижения своего бизнеса, некоторые ИТ-директора экспериментируют, создают и даже патентуют новые технологии AI и ML. Сегодня мы приведем несколько удачных примеров использования машинного обучения.

AI помогает в исследованиях ценных бумаг

Putnam Investments, поставщик паевых инвестиционных фондов, институциональных инвестиционных стратегий и пенсионных услуг, рассматривает AI и ML как инструменты, необходимые для стимулирования улучшения охвата акций аналитиками исследовательских компаний финансовых услуг, - сообщает их ИТ-директор Сумедх Мехта (Sumedh Mehta).

Аналитики тесно сотрудничают с учеными по данным Putnam, чтобы создать тезисы, которые помогают собрать информацию из больших объемов данных, говорит Мехта. Putnam также работает над алгоритмами, которые будут рекомендовать наиболее важные перспективы продаж.

«Это чрезвычайно подрывная и преобразующая сила, и вся она направлена на эффективность и производительность», - говорит Мехта из AI и ML.

Мехта, которая опирается на союз инженеров-программистов, ученых-аналитиков и поставщиков данных, создал научный центр, основанный на данных, который, по существу, является начальной точкой для усилий ИИ и МЛ, которые поддерживают участников бизнеса. Он говорит, что его «просвещенные» деловые партнеры приняли эти подходы для достижения лучшей автоматизации.

Работа AI и ML является частью более широкой цифровой трансформации компании, которая предполагает модернизацию ИТ-инфраструктуры с помощью облачных вычислений и создание единой платформы для ведения бизнеса.

Основные рекомендации: организации должны выждать время и правильно определить ожидания, понимая, что первые несколько идей приведут к новым вопросам, а не к ответам. «Не существует такой вещи, как момент эврики, когда дело доходит до AI», - говорит Мехта. «Это не тот случай, когда внезапно ваш алгоритм даст представление, о котором вы еще не знали».

AI сокращает налоги на финансы

Intuit ускоряет усилия AI и ML под руководством Ашока Шриваставы, который присоединился к разработчику программного обеспечения в области финансов в качестве главного сотрудника по данным в октябре.

Intuit использует Amazon Web Services, чтобы помочь QuickBooks Assistant chatbot лучше понять и обработать естественный язык, говорит Шривастава, который присоединился к компании после создания платформы данных Verizon. Растущая область внимания - это проведение пользователей через сотни категорий, которые информируют Quickbooks.

«Мы имеем дело с более чем 1 миллиардом транзакций от QuickBooks, и мы можем оптимизировать встречающиеся категории с высокой точностью, - добавляет Шривастава.

TurboTax компании использует AI, чтобы помочь пользователям получить максимальный возврат средств, направляя их через процесс детализации вычета, что потенциально позволяет пользователям экономить до 40% времени уплаты налогов и усилия по поиску документов.

По словам Шриваставы, компания использует технологию ML и облачную технологию от AWS, что позволяет быстрее масштабироваться.

Основные рекомендации: Культивирование крепких алгоритмов требует привлечения правильного инженерного таланта для решения реальных бизнес-задач. Шривастава, который также работал в Исследовательском центре Ames NASA, в настоящее время нанимает инженеров, которые могут работать с технологиями ML и AI для достижения целей компании.

Исторические данные предсказывают будущую производительность

Перед Риком Хиллебрехтом стоят уникальные задачи, как у CIO Riverbed Technology, поставщика программного обеспечения, призванного улучшить производительность широкополосных сетей. Хиллебрехт говорит, что он тестирует, как использовать ML для сбора данных из нескольких источников в цепочке поставок компании, чтобы лучше понять бизнес.

«Мы хотим применить методы машинного обучения для обработки большего объема данных, чем мы обычно имели бы», - говорит Хиллебрехт.

Например, Riverbed может комбинировать управление заказами и другие данные ERP с историческими данными о погоде и другими факторами, чтобы найти шаблоны, которые могли бы предсказать будущую производительность. «Мы хотим быть более прогностическими с точки зрения снижения риска, с точки зрения мощности и нашей способности выполнять заказы для клиентов», - говорит Хиллебрехт.

Другие варианты использования Riverbed могут включать использование ML для автоматической настройки конфигураций производительности и выявления угроз кибербезопасности. Хиллебрехт предполагает создание единого озера данных, из которого можно черпать идеи для бизнеса.

Основные рекомендации: здоровая стратегия для AI и ML требует осторожного подхода. Хиллебрехт говорит, что он тщательно оценивает инструменты и технологии, в том числе IBM Watson.

Банковское дело, основанное на лучшей информацией о клиентах

Как и многие крупные банки, банк США собрал множество данных о клиентах. И, как и большинство банков, он изо всех сил пытался получить реальные данные из этих данных. Билл Хоффман, главный аналитический сотрудник американского банка, работает над тем, чтобы упростить это. В течение последних нескольких месяцев он использовал  AI / ML технологию Einstein от Salesforce.com для увеличения персонализации в рамках малого бизнеса, оптового, коммерческого состояния и коммерческих банковских единиц.

Например, если клиент просматривал на веб-сайте Банка США информацию об ипотечных кредитах, агент по обслуживанию клиентов может следить за этим клиентом в следующий раз, когда он посещает филиал. Это также помогает американским банкам найти шаблоны, которые люди могут не видеть. Например, программное обеспечение может рекомендовать, чтобы агенты вызывали потенциального клиента в конкретной отрасли в четверг с 10:00 до 12:00. потому что они с большей вероятностью поднимут трубку. Einstein может также поместить приглашение в календарь агента, чтобы напомнить ему позвонить кандидату в следующий четверг.

Такие возможности доходят до сути того, что многие организации финансовых услуг пытаются сделать: вырастить всеобъемлющий взгляд на клиентов, чтобы рекомендовать соответствующие услуги в данный момент. «Мы переходим из мира, который описывал, что произошло или что происходит в данный момент, в мир, описывающий что будет или должно произойти», - говорит Хоффман. «Основная ценность этого -  возможность оставаться на шаг впереди, предвосхищая потребности наших клиентов, и установить канал, через который они хотят взаимодействовать с нами».

Основные рекомендации:   Примените подход «от испытаний к знаниям» к  AI и ML и запаситесь терпением. Но также будьте готовы масштабировать то, что работает. «Всегда держите клиента в центре внимания, - говорит Хоффман. «Спросите: как это принесет пользу клиенту?

ML устраняет «тяжелый труд», делая работу более продуктивной

Эд Маклафлин, президент по операциям и технологиям Mastercard, говорит, что ML «пронизывает все, что мы делаем». Mastercard использует ML для автоматизации того, что он называет «тяжелым трудом», или повторяющихся и вручную выполняемых задач, освобождая людей для выполнения работы, повышающей производительность и ценность. «Понятно, что мы достигли того уровня, когда стоит инвестировать в автоматизацию задач на рабочем месте», - говорит Маклафлин.

Mastercard также использует инструменты ML для улучшения управления изменениями в своей экосистеме продуктов и услуг. Например, инструменты ML помогают определить, какие изменения являются наиболее безрисковыми и требуют дополнительного изучения. Наконец, Mastercard использует ML для обнаружения аномалий в своей системе, которые предполагают, что хакеры пытаются получить доступ.  Маклафлин также поставил «ловушки» для безопасности сети; когда они обнаруживают подозрительное поведение, они отключают автоматические выключатели, которые защищают сеть. «У нас есть системы подсчета очков мошенничества, которые постоянно смотрят на транзакции, чтобы обновить ее и оценить следующую транзакцию, которая происходит», - говорит он.

Основные рекомендации: Что касается Маклафлина, то AI / ML - это всего лишь инструменты в широком наборе инструментов процессора платежей. Несмотря на все блестящие новые инструменты на рынке, он говорит, что ИТ-директора не должны полагаться на них, чтобы волшебным образом исправить проблемы бизнеса.

AI как продукт и средство для бизнеса

В процессе разработки программного обеспечения Adobe Systems, CIO Синтия Стоддард пересматривает свой отдел с «управляемой данными операционной моделью», опираясь на аналитическую информацию Hadoop, чтобы получить представление о том, как лучше управлять ИТ и бизнесом.  В рамках стратегии, основанной на данных, Стоддард говорит, что она экспериментирует с ML, чтобы помочь проанализировать тикеты в справочном программном обеспечении для поиска тенденций в сбоях системы. Система начинает думать, если она видит события, которые предполагают, что может произойти перебои в работе, система может проявлять инициативу для устранения или смягчения этих событий до того, как они инициируют сбои.

По ее словам, идентификация шаблонов при сбоях ИТ-услуг также позволит Adobe создать некоторые возможности «самовосстановления», чтобы забирать работу, которую в настоящее время выполняет ее ИТ-персонал. Она также изучает технологию chatbot для запросов ИТ-поддержки сотрудников. Коммерческая деятельность Adobe также внедрила ИИ. В ноябре 2016 года компания представила Sensei, слой технологий AI, который он применяет к своему продукту для создания и публикации документов, а также для анализа и отслеживания производительности веб-приложений и мобильных приложений.

Основные рекомендации: использование ML для идентификации шаблонов является ключом к созданию возможностей самовосстановления. «Если вы знаете, как вы его исправили, вы можете ввести туда самовосстанавливающийся компонент и вывести человеческий элемент из уравнения», - говорит Стоддард.

No Comments