Разобраться • 4 ноября 2024
От нефтеразведки до торговли: как российские компании применяют нейросети
От нефтеразведки до торговли: как российские компании применяют нейросети
Текст: эксперты «Сбер Бизнес Софт»
Фото: Bernard Hermant / Unsplash
Одна из актуальных задач для российского бизнеса сегодня — внедрение искусственного интеллекта. Четверть крупных компаний уже используют эту технологию, а к 2030 году ожидается, что их число вырастет до 95%. В каких сферах применяют ИИ и каких результатов удалось добиться, разобрались для Inc. эксперты «Сбер Бизнес Софта».
Нейросетевые технологии выполняют огромный спектр задач, успешно заменяя человека. Россия входит в топ-10 стран по применению ИИ в приоритетных отраслях экономики, средний уровень внедрения составляет 31,5%. В дальнейшем искусственным интеллектом станут пользоваться все больше организаций.
Зачем ИИ бизнесу
Компаниям доступны самые разные варианты применения ИИ-решений: интеллектуальный анализ данных, машинное зрение, обработка естественного языка, речевая аналитика, предиктивные модели. Особую роль занимает генеративный ИИ — более 20% компаний используют его для создания видео, текстов и изображений. По оценкам экспертов НИУ ВШЭ, умные технологии трансформируют почти все секторы экономики.
Согласно данным «Национального центра развития искусственного интеллекта» (НЦРИИ), за первую половину 2024 года возросло число кейсов применения ИИ в промышленности, торговле, транспортной отрасли и информационных коммуникациях. Медленнее всего внедрение происходит в сельском хозяйстве, строительстве и сфере образования. Однако ключевые отрасли экономики так или иначе используют или планируют использовать ИИ в ближайшие два-три года.
Нейросетям поручают и рутинные задачи, и работу, требующую больших вычислительных мощностей, — в некоторых случаях человек просто не способен их выполнить. С помощью умных технологий компании решают как типовые, так и специфические задачи. Вот несколько примеров применения ИИ в разных отраслях российской экономики.
Улучшить коммуникацию с клиентами
Уровень внедрения ИИ в сфере строительства составляет 27,6% — это отрасль с наиболее ощутимым эффектом от использования технологии. Умные технологии ускоряют деловые процессы на 10–25% и подходят для рутинных задач — написания текстов, генерации и колористических решений и создания моделей для предпроектной аналитики.
Один из примеров в этой сфере — компания «ЭНКО», крупнейший девелопер Тюменской области. Она использовала платформу речевой аналитики Voice AI для оценки качества работы сотрудников кол-центров. Платформа на основе технологии обработки естественного языка (Natural Language Processing) понимает речь так же, как люди. Она может анализировать как телефонные разговоры, которые ведут менеджеры с клиентами, так и переписки в чатах. Такая система составляет отчет по каждому диалогу, чтобы определить, соответствует ли разговор принятым в компании стандартам качества.
Также Voice AI фиксирует эмоции клиентов: сразу понятно, доволен человек сервисом или нет. На основе этой информации можно посмотреть, у кого из операторов низкий рейтинг, в чем заключаются сложности в коммуникации, и принять меры, например направить сотрудника на обучение.
В результате компания сэкономила 470 тыс. руб. в месяц на автоматизации оценки работы сотрудников колл-центра и получила до 15 млн руб. прогнозируемой прибыли. Речевая аналитика позволила компании определять узкие места воронки продаж и принимать решения по корректировке цен исходя из ожиданий клиентов.
Найти месторождение полезных ископаемых
Топливно-энергетический комплекс — еще одна отрасль, в которой ИИ применяют уже 40% компаний в формате пилотных проектов или промышленной эксплуатации. Один из таких примеров — «Газпром нефть», которая использовала машинное обучение для поиска скрытых залежей нефти, — традиционная разведка не могла их определить. Система проанализировала накопленные данные из действующих скважин, нашла в них закономерности и определила, где может содержаться нефть.
Первое испытание провели на Ямале: было обнаружено месторождение, которое обеспечило приток нефти до 70 баррелей в сутки. В дальнейшем нейросеть нашла в других областях залежи нефти с запасами от 100 тыс. тонн.
ИИ-технология окупила себя, значительно сэкономив ресурсы на поиск месторождений. Но компания пошла дальше, внедрив умные технологии и в другие сегменты своего бизнеса. Так, например, системы на основе ИИ помогают анализировать поведение потребителей на заправках и формировать для них персональные предложения.
Спрогнозировать спрос
В торговых сетях с системами видеоаналитики, речевой аналитикой, чат-ботами и генеративными моделями, чтобы сократить издержки, работают почти половина ретейлеров. В том числе для оптимизации ресурсов используются предиктивные модели.
Технология с помощью накопленных данных и машинного обучения анализирует текущую ситуацию и строит прогнозы. Это актуально для торговых сетей, которым нужно точно прогнозировать оптимальное количество каждого SKU (stock keeping unit — единица складского учета), чтобы избежать дефицита и переизбытка товаров.
К примеру, группа российских компаний «Абрау-Дюрсо» начала использовать ИИ для более точного определения объема поставок продукции в магазины. Когда подобной оценкой занимается человек, то может быть большой риск ошибок за счет человеческого фактора. В случае с крупной сетью любой сбой может привести к тому, что товар будет лежать на складе мертвым грузом или повысятся расходы на логистику. Искусственный интеллект за счет учета ретроспективных данных и других показателей предсказывает спрос покупателей, чтобы бизнес мог спланировать нужный объем поставок, логистику и загруженность производства.
Снизить потери урожая
Сельское хозяйство входит в ряд отраслей, в которых внедрение ИИ все еще остается низким — 20,6%. К внедрению ИИ готовы только 12% компаний, однако ежегодно растет число пилотных проектов и кейсов в этой сфере. Технологичные продукты используются в основном для управления посевами, мониторинга роста растений и дистанционного управления техникой и предприятиями.
Технология с помощью накопленных данных и машинного обучения анализирует текущую ситуацию и строит прогнозы. Это актуально для торговых сетей, которым нужно точно прогнозировать оптимальное количество каждого SKU (stock keeping unit — единица складского учета), чтобы избежать дефицита и переизбытка товаров. Один из наиболее крупных примеров инноваций в сельском хозяйстве — использование видеоаналитики холдингом «ЭКО-культура». Система видеофиксации позволила компании следить за скоростью созревания томатов и выявлять отклонения в листьях, плодах и корнях растений. За счет использования нейросетей удается вовремя выявить развитие свыше 40 болезней и принять меры.
По оценкам ФАО, ежегодно от вредителей и болезней погибают до 40% сельскохозяйственных культур. При этом проверять все растения вручную на сотнях гектаров практически невозможно. Нейросети уже сейчас помогают производителям вовремя узнать, что растения подвергаются болезням, вредителям, ожогам листьев или переизбытку азота, чтобы сохранить урожай.
Контролировать качество продукции
ИИ-технологии в сфере производства следят за качеством выпускаемой продукции, помогают роботизировать рутинные операции, сокращать складские запасы и мониторить безопасность работы сотрудников. В промышленности часто используют одну из наиболее популярных разработок — компьютерное зрение. Решения на базе этой технологии позволяют вовремя отследить брак, чтобы на рынок не попали партии, которые не соответствуют стандартам.
Например, производитель отечественных шин «Кордиант» доверил контроль качества шин компьютерному зрению. Чтобы обучить нейросеть, компании потребовалась база данных — фотографии и описания возможных категорий брака. На основе этой информации ИИ-модель научилась находить дефекты в шинах, а также группировать их по различным критериям с точностью до 100%.
Вести диалог с пользователями
Еще одна стратегическая отрасль для ИИ — это госсектор. Более 20% региональных органов исполнительной власти применяют умные технологии. Показательный пример — портал «Госуслуги», где виртуальный ассистент ведет диалог с пользователями, которые обращаются на портал с вопросами.
Каждый день более 11 млн человек заходят на «Госуслуги», чтобы найти нужную им информацию. Однако самостоятельный поиск не всегда приводит к результату: на сайте слишком много разделов, подразделов и страниц. Кроме того, информация часто написана трудным для восприятия официальным языком.
Чтобы пользователи могли быстро найти нужный материал и понять его, «Госуслуги» запустили виртуального ассистента — робота Макса. Авторизовавшись, человек может задать Максу вопрос и быстро получить ответ. Ассистент способен рассказать, как пользоваться сервисами, дать ссылку на нужную страницу портала, подать заявление, записать к врачу и многое другое.
Виртуальный помощник отвечает на 1,5 млн запросов, которые сложно и дорого было бы отработать сотрудникам техподдержки. Он взял на себя 80% обращений, на которые в силах ответить искусственный интеллект.
Неизбежный прогресс
В ближайшие пару лет ИИ-продукты, уже представленные на рынке, будут еще глубже проникать в отстающие отрасли — туризм, общее и среднее образование, природопользование и другие. Очевидно, будут появляться новые решения, которые ждет такой же процесс интеграции.
Сейчас бизнес учится работать с ИИ и адаптируется к новым реалиям: накапливает данные для обучения моделей, планирует бюджет на искусственный интеллект, осваивает разные виды ИИ-технологий и осознает зоны их практического применения. Каждая третья компания уверена, что применение умных технологий повысит выручку в будущем.
Эксперты «Сбер Бизнес Софта» считают, что технологии на базе искусственного интеллекта со временем станут доступны не только лидерам из приоритетных отраслей, но и малому и среднему бизнесу. По мере того как будет появляться все больше отраслевых кейсов, подтверждающих бизнес-эффективность таких решений, вырастет их распространенность и будут ослабляться барьеры к применению.
