Артем Пермяков: Уже существует статистика эффективности использования искусственного интеллекта

О том, в каких направлениях уже используется искусственный интеллект, рассказал Артем Пермяков, R&D-директор компании Directum.

CNews: Что такое, в вашем понимании, искусственный интеллект (ИИ)?

Артем Пермяков: Под искусственным интеллектом сегодня принято понимать всю совокупность методов, с помощью которых создаются интеллектуальные системы: машинное обучение, нейронные сети, технологии распознавания естественного языка, обработки голоса, компьютерное зрение и т. д.

Когда мы говорим о задачах и областях применения в рамках корпоративного сектора, то ИИ — это способность ПО выполнять рабочие функции, присущие человеку. Во-первых, это выполнение рутинных работ: ИИ не берет на себя креативную роль, а осуществляет часто повторяющиеся операции. Второе направление использования — это анализ больших данных и построение неочевидных для человека выводов в рамках предиктивной аналитики.

CNews: Какими будут «интеллектуальные» ECM?

Артем Пермяков: Мы ожидаем, что в системах будут развиваться как небольшие смарт-фичи, повышающие удобство использования, например, умные подсказки в различных контекстах и возможности автозаполнения, так и полностью новые подходы в конкретных предметных областях. Сегодня в ECM-системах развивается целый спектр направлений, где ИИ значительно упрощает работу.

Есть сценарии использования из разряда «низковисящих фруктов». Например, интеллектуальное распознавание входящих документов – это практически мастхэв, причем как среди специализированных систем, так и среди ECM – как минимум, на уровне интеграции.

Еще одно направление – определение ответственного и автоформирование резолюций. Решение задачи с помощью ИИ может развиваться в двух вариантах, во многом зависящих от культуры организации. В первом случае сохраняется иерархическая структура управления, а ИИ используется для предсказания ответственного следующего уровня. Другими словами, генеральному директору интеллектуальная подсказка предложит нужного заместителя, заместителю – руководителя подразделения и так далее. Сам процесс не поменяется принципиально. В то же время, возможности машинного обучения позволят системе «научиться» сразу определять конечного исполнителя и отправлять ему информацию, минуя промежуточные звенья. Это второй, более радикальный подход, близкий к плоской структуре. Если учесть все риски второго подхода (например, с помощью уведомления заинтересованных лиц, грамотного подхода к машинному обучению), то развитие такого сценария позволит в несколько раз ускорить принятие решений.

Стоит добавить, что подобным образом могут работать и интеллектуальные системы государственных органов. Обработка обращений граждан с участием ИИ может включать не только умную классификацию поступивших заявок, но и автоматическое определение ответственного, что позволит значительно сократить сроки рассмотрения. Для решения этих задач ECM-система может интегрироваться со средствами обработки голоса и принимать устные обращения также в полностью автоматическом режиме.

Третье – умная обработка договорных и тендерных документов. Во-первых, ИИ уже сейчас извлекает реквизиты и самостоятельно заносит их в систему. Во-вторых, алгоритм может сравнивать документы: сопоставлять версию от контрагента с исходной версией договора или соотносить проект контракта с шаблоном и выявлять разрешенные и недопустимые изменения. В-третьих, интеллект может использоваться для анализа рисков, например, штрафных санкций и т.д.

Уже существует робот-бухгалтер. ИИ в совокупности с технологией RPA будут хорошо работать на стыке системы документооборота со смежными решениями. В ECM хранится множество электронных документов, в том числе бухгалтерских. В этом случае возможности технологии выходят за пределы извлечения реквизитов, и позволяют определять, на какие счета и статьи затрат нужно разнести поступившие документы в учетной системе.

И, конечно, умные боты и голосовое управление. С их развитием в ECM-системах появятся полноценные виртуальные ассистенты наподобие Алисы, Google Assistant, Alexa и т.д. А предиктивная аналитика в системе документооборота может быть полезна для HR. Например, система может анализировать входящие резюме, предсказывать увольнение сотрудников или определять узкие места в процессах.

CNews: Насколько экономически оправдано внедрение таких решений?

Артем Пермяков: Все перечисленные сценарии использования ИИ направлены на значительное ускорение процессов, сокращение времени обработки данных. Для наиболее очевидных кейсов уже накоплена статистика по эффекту от внедрения. С точки зрения масштабируемости бизнеса это оправданные затраты, которые позволяют развивать компанию не только за счет постоянного набора персонала. Примеры, которые уже есть в крупнейших компаниях-лидерах рынка, подтверждают, что масштабировать процессы и выйти на новые объемы работ можно с помощью ИИ и роботов, а не только за счет экспоненциального роста числа сотрудников.