Искусственные интеллект в России

Искусственный интеллект стал ядром цифровой трансформации. Он формирует технологическую базу для развития и распространения других цифровых технологий. Вклад России в мировое развитие ИИ пока составляет около 2,5%, начал свое выступление Константин Вишневский, директор Центра исследований цифровой экономики ИСИЭЗ НИУ ВШЭ.

В нашей стране представлен весь спектр базовых технологий и продуктов на основе ИИ. По некоторым из них, например, в области распознавания речи, Россия находится в числе лидеров. Основными драйверами развития ИИ-индустрии в России остаются вузы, выпускающие специалистов высокого уровня, ведущие центры исследований и крупные компании (МФТИ, НИУ ВШЭ, Сколтех, НИУ ИТМО, МГУ им. М. В. Ломоносова), создающие базис для роста компаний (Сбербанк, «Яндекс», МТС, VK, «Газпром нефть», ABBYY и др.), ряд компаний среднего бизнеса.

Всего 5,7% российских организаций используют ИИ в своей деятельности. Но каждая вторая крупная организация уже начала внедрять ИИ. Лидер по внедрению ИИ – сфера услуг. Наиболее интенсивно он используется в организациях финансового сектора и торговли. Большая часть пользователей применяют ИИ в тестовом режиме. Наиболее популярны «коробочные» продукты.

Большая часть проблем российских компаний связаны с приобретением и обслуживанием оборудования и продуктов на базе ИИ. Возросшие риски кибербезопасности оказывают меньшее влияние, чем нарушение поставок продукции, комплектующих и оборудования.

Наиболее значимые эффекты от использования ИИ связаны с потребителями и их удовлетворенностью продукцией. На втором месте — рост производительности труда в результате автоматизации. На третьем — снижение текущих расходов за счет автоматизации производства.

Затраты на внедрение технологий искусственного интеллекта составляют около 1% ИТ-бюджетов заказчиков. Уровень использования ИИ в России в три раза ниже, чем в среднем по миру, продолжил тему Владимир Вертоградов, вице-президент ЛАНИТ, управляющий директор «Норбит». При этом использование ИИ способно повысить эффективность работы ключевых отраслей в 5-7 раз.

Возможности искусственного интеллекта

Роботы могут выполнять рутинные операции, освобождая сотрудникам время для решения более сложных задач. ИИ поможет в принятии решений благодаря способности быстро анализировать огромные массивы данных и выявлять аномалии. Он способен обучаться, то есть его можно применять не только в рамках стандартных сценариев, но и для решения комплексных задач.

ИИ уже сейчас можно использовать в целом ряде направлений и за реальные деньги. Например, в качестве интеллектуальных помощников в HR или для прогнозирования оттока специалистов. Еще один пример — ИИ для девелоперов. Бот собирает информацию из внутренних и внешних источников и предсказывает вероятность заключения сделки, параметры объекта и объем продаж в зависимости от цены. Таким образом можно рассчитать, какую скидку предоставить покупателю, чтобы быстрее продать недвижимость.

ИИ стремительно развивается. Компании уже начинают разрабатывать технологии, которые смогут отличить сгенерированные ИИ картины, тексты от созданных человеком, рассказала Алена Дробышевская, руководитель направления по развитию бизнеса и работе с клиентами AI Cloud компании Cloud.

В качестве примера она привела ChatGPT. «30 ноября 2022 года Open AI открыли доступ к публичному Chat GPT, и он изменил все. Миллион пользователей использовали сервис за пять дней — это абсолютный рекорд среди всех массовых сервисов», — говорит Алена Дробышевская. Уже появилась еще более универсальная модель GPT-4, которая может распознавать, понимать и анализировать изображения, в том числе текст и код, написанные от руки. Она одинаково хорошо работает на 26 языках, в том числе на русском, и даже умеет обманывать. В этом году мы увидим рекордное количество кейсов применения технологий генеративного контента в бизнесе благодаря практически неограниченным возможностям GPT-4, уверена Алена Дробышевская.

Какие функции бизнеса затронет ChatGPT

Cloud — единственная компания в России, у которой есть суперкомпьютер, необходимый для обучения искусственного интеллекта, напомнила Алена Дробышевская. Она пригласила участников конференции к совместной реализации ИИ-проектов на базе двух мощных суперкомпьютеров Christofari и Christofari NEO.

Что предлагают разработчики

На российском рынке представлено около 200 разработчиков ИИ-продуктов, из них около 50 — крупные компании. При этом нет отраслей, где расходы на ИИ-аутсорсинг составляли бы более 0,1%. Это свидетельствует о том, что компании инвестируют преимущественно в базовые решения и останавливаются на этом, а также избыточно фокусируются на собственной разработке, говорит Максим Иванов, директор по ИИ «Сбер Бизнес Софт».

Структура рынка ИИ

Он перечислил сложности, которые возникают в процессе самостоятельного создания ИИ-решений. Среди них отсутствие данных для обучения ботов, необходимость формирования узкоспециализированных команд, отсутствие опыта и знания лучших практик, высокая стоимость из-за создания решения «с нуля». По мнению Максима Иванова, гораздо выгоднее обратиться к услугам аутсорсера, например, «Сбер Бизнес Софт», для того чтобы использовать имеющиеся у Сбера данные и адаптировать уже созданные технологии под свои задачи.

MTС разрабатывает ИИ-решения и продукты на базе технологий CV, NLP и Edge Computing. Кроме того, компания инвестирует в перспективные проекты, помогает стартапам превратить идеи в прибыльный бизнес. Она использует самый мощный в телекоме суперкомпьютер, говорит Дмитрий Буланцев, технический директор MTС AI. В списке реализованных продуктов инструмент для разработки сервисов облачного видеонаблюдения и аналитики TenVision, платформа синтеза и распознавания речи на основе нейросетей AudioGram, NLP-платформа для разработки голосовых и текстовых ботов и управления ими.

Сфера применения ИИ-аналитики коммуникаций

Пользователи используют множество каналов коммуникации, поэтому управлять их лояльностью становится все сложнее. MTС предлагает решение на базе современных ML-моделей. Сочетание речевой и текстовой аналитики дает возможность получить максимально точную картину, предсказать показатели и тенденции, выстроить оптимальный скрипт для взаимодействия с каждым клиентом.

Одно из самых активно развивающихся направлений в сфере ИИ — видеоаналитика. Это технология, использующая методы компьютерного зрения для автоматизированного сбора данных на основании потокового видео. Она опирается на алгоритмы обработки изображения и распознавания образов, помогающие анализировать видео без прямого участия человека.

Концепция решения

Дмитрий Ермилов, руководитель департамента машинного обучения и искусственного интеллекта билайн, предложил использовать платформу видеоаналитики, созданную его компанией. Это могут быть как готовые решения, так и заказная разработка. Для обработки данных на месте можно использовать микрокомпьютеры. билайн готов организовать сбор данных и мониторинг их работоспособности.

Также компания помогает перейти на доступные аналоги решений, попавших под санкции. При этом Дмитрий Ермилов отметил, что во многих случаях для обработки данных можно использовать CPU, а не GPU. В списке услуг билайн также мониторинг работоспособности видеокамер, обучение моделей и создание дата-сетов. В качестве примера готового решения Дмитрий Ермилов привел видеоаналитику на транспорте и мониторинг на производстве.

Все разработанные компанией ML-решения встраиваются в библиотеку SberPM, рассказал Андрей Бугаенко, исполнительный директор по исследованию данных Сбербанка. В ней доступны сервисы поиска кейсов неоптимальности, анализа текстов, построения процессов, цифрового хронометража, предиктивной аналитики. Андрей Бугаенко подробно рассказал, какие возможности предоставляют эти сервисы, и предложил участникам конференции активно пользоваться Python-библиотекой.

Python-библиотека SberPM

Как добиться экономического эффекта

Каждый год компании «Синимекс» и Росгосстрах запускают ML-проект «Сегментация 2.0». В 2022 г. в рамках проекта к уже существующим технологиям было решено добавить новые модели, в том числе на базе внешних данных.

«Сегментация 2.0». Общие вводные

По словам Родиона Мартынова, старшего руководителя проектов дирекции лаборатории данных «Синимекс», в страховой компании была внедрена геосегментация — визуализация рисков и потенциала продаж для различных страховых продуктов. Разработчики решили проверить влияние локального окружения территории на риск аварийности. Для этого использовались данные о ДТП. В качестве модели была выбрана Loc2Vec (Learning location embeddings with triplet-loss networks). Теперь у Росгосстраха появилась возможность просчитывать риски с учетом внешнего окружения. «Мы оцениваем риски на уровне улиц и даже домов», — говорит Фрэнк Шихалиев, консультант по развитию машинного обучения Росгосстрах.

Еще одна задача, которую удалось решить в рамках проекта, — оценка окружения клиента в момент, когда от него приходит запрос на новый страховой продукт для того, чтобы оценить риски и понять, какую скидку можно предложить. «При продаже полиса оценивается множество данных о клиенте, и теперь мы можем делать это очень быстро», — продолжает Фрэнк Шихалиев.

Tablogix — крупный логистический оператор. Он работает с фармацевтическими компаниями, а значит, должен соблюдать жесткие требования к хранению и доставке их продукции. Самый надежный способ обеспечить это — установить IoT датчики. «IoT-датчики — это новый источник информации, и если им грамотно воспользоваться, можно получить существенные конкурентные преимущества», — говорит Николай Галкин, ИТ-директор Tablogix.

В ходе проекта было установлено более 300 датчиков и 10 контроллеров, создан единый центр мониторинга и локальные центры на всех площадках. Клиенты получили возможность контролировать условия хранения своей продукции. На сегодняшний день услугой пользуются более 25 клиентов, в том числе «Большая Фарма».

Илья Щиров, директор направления автоматизации цифрового взаимодействия с клиентами Райффайзенбанка, уверен, что главное при внедрении ИИ — получить экономический эффект. В качестве примера он привел чат-бот в мобильном приложении. На долю чата приходится 60% обращений в банк, а 40% диалогов происходит исключительно в чате. Доля положительных оценок работы чата составляет 90%.

Илья Щиров напомнил, что создание чат-ботов — это недорого и не требует огромной команды разработчиков. В Райффайзенбанке создали своего бота на базе Open Source в течение трех месяцев силами пяти человек. Его обучением занимаются два человека. «Не надо заставлять клиента идти в чат, это нравится не всем. Он просто должен быть», — говорит Илья Щиров.

30% страховых компаний в России уже используют технологии искусственного интеллекта. Основные направления — проведение скоринга при предстраховой проверке, аналитическое выявление мошеннических убытков, прямые продажи страховых продуктов, проведение кампаний целевого маркетинга, кросс-продажи продуктов и услуг существующим клиентам, рассказал Сергей Алешкин, руководитель по анализу данных СОГАЗ.

Он рассказал, как организовано внедрение ИИ в СОГАЗ. Оно включает такие этапы, как постановка бизнес-целей (Business Understanding), предварительное изучение данных (Data Understanding), подготовка данных (Data Preparation), построение модели (Modeling), оценка качества модели (Evaluation) и внедрение (Deployment). «Из десяти задуманных моделей после детального анализа реализуются две», — говорит Сергей Алешкин. Внедрение AI начинать с направления, по которым оно может принести максимально быстрый эффект, уверен он.

Михаил Граденко, глава функции Data Science группы НЛМК, напомнил, что ML-модели достаточно быстро деградируют. Причины как в природе самих моделей чувствительных к дрейфу данных, так и высокой потребности в квалифицированных человеческих ресурсах для их эксплуатации и развития. Также высокую значимость имеет качество передачи модели от одного исполнителя к другому. Чтобы системно заниматься ML, надо обеспечить передаваемость моделей, базовую инфраструктуру и ресурсы для их поддержки.

Для решения этих задач в НЛМК приняли решение создать собственную MLOps-платформу, которую назвали DSML. Готовое решение найти не удалось, поэтому решили строить ее внутренними ресурсами Центра компетенций Data Science. «Стоимость поддержки и эксплуатации платформы — главный фактор при принятии решений. Либо сделаем максимально дешево, либо не сделаем совсем», — говорит Михаил Граденко. В компании сфокусировались на передаваемости моделей, закрытия технологических Gap’ов и минимизации стоимости разработки и эксплуатации моделей. При создании платформы отказались от всех инструментов, от которых смогли, без ущерба для главного. Также в рамках платформы создали методологию и разработали административные регламенты.

Теперь на DSML-платформе происходит подготовка данных, разработка пайплайнов, хранение и версионирование ML-артефактов, доставка, встраивание и мониторинг модели в проде, совместная разработка. «Поняв за 3 года эксплуатации платформы, насколько хорошее решение у нас получилось, мы вывели нашу платформу в Open Source», — говорит Михаил Граденко.

Алена Капустина, старший бизнес-аналитик группы НЛМК, рассказала о внедрении речевой аналитики в процесс розничной продажи металла. Основные цели проекта — выявление ошибок в коммуникации менеджеров с клиентами и потребностей клиентов.

В результате внедрения речевой аналитики у компании появилась возможность повысить качество коммуникации с клиентами за счет появления оценки ее эффективности, определять причины отказа от покупки, анализировать работу менеджеров, усовершенствовать систему премирования сотрудников. Это позволило точнее оценить спрос и расширить ассортимент, увеличить клиентскую базу и объемы продаж.

Айрат Азбуханов, главный инженер проекта — начальник отдела прототипов и развития технологий «РН-БашНИПИнефть», рассказал, какое наукоемкое программное обеспечение используется в Роснефти. Он также поделился опытом реализации ИИ-проектов. Для этого необходимы заказчик, Data-ориентированные подразделения, собственная среда разработки, в которой есть и готовые модели, и данные из информационных систем.

В Роснефти создан РН-СИМТЕП — программный комплекс для моделирования технологических процессов в области транспортировки, подготовки и первичной переработки скважинной продукции. Инструмент предназначен для решения задач на этапах проектирования и эксплуатации месторождения. Он содержит расширенную базу компонентов, включающую как справочные данные, так и параметры из коммерческого ПО. РН-СИМТЕП позволяет в рамках одного проекта произвести расчет как системы сбора, так систем подготовки и поддержания пластового давления. Это позволяет реализовать комплексный подход при моделировании инфраструктуры поверхностного обустройства месторождений.

Валерий Лисовец, графический дизайнер «Студии Артемия Лебедева», представил Николая Иронова — дизайнера и нейросеть, который может за считанные секунды создать уникальный логотип и брендбук. ИИ постоянно совершенствуется на основе опыта лучших дизайнеров студии. Воспользоваться услугами ИИ очень просто — достаточно в свободной форме описать свой бизнес. Николай Иронов проанализирует содержание текста и мгновенно предложит варианты логотипов в разных стилях.

О том, как происходило обучение нейросети, рассказал Артем Саркисов, разработчик нейросети «Студии Артемия Лебедева». «Мы постоянно отслеживаем новые технологии и оперативно внедряем их», — заверил он участников конференции.

Анна Симонова, основатель Русской академии дизайна, рассказала о возможностях создания интерьеров с помощью искусственного интеллекта. Таких предложений уже достаточно много. Однако, по ее мнению, ИИ сможет вытеснить с рынка только те проекты, где участие дизайнера минимально или незначительно. В остальных случаях люди продолжат обращаться к специалисту за общением и индивидуальным подходом.