Słownik technologii AI i przykłady zastosowań w firmach

Robotyka w pigułce

Nowy Rok, nowe trendy, nowe terminy. W słownictwie związanym z nowymi technologiami w dziedzinie robotyki łatwo się zgubić, dlatego przygotowaliśmy słownik technologii AI przybliżający klika najczęściej używanych terminów. Sprawdź, czy nie będzie to Wasz chleb powszedni w 2018 roku:

AI – Artificial Intelligence (po polsku SI – sztuczna inteligencja), to gałąź informatyki zajmująca się tworzeniem modeli odzwierciedlających funkcje ludzkiego umysłu i zmysłów niepoddających się algorytmizacji, dla zastąpienia ich wykonywania przez maszyny.

CC – Cognitive Computing – technologie łączące rozwiązania AI z przetwarzaniem różnego rodzaju sygnałów, np. rozpoznawanie i obróbka tekstu, rozpoznawanie ludzkiej mowy, czy analiza na bieżąco obrazu z kamery.

IA – Intelligent Automation – rozwiązania polegające na zasilaniu technologii AI jak największą ilością różnorodnych danych; AI znajduje pomiędzy nimi zależności, ucząc się procesów danej firmy, udoskonalając je i wyręczając ludzi z coraz większej ilości schematycznych i powtarzalnych zadań.

ML – Machine Learning, uczenie maszynowe, czyli zdolność urządzenia do ciągłego doskonalenia własnego funkcjonowania bez konieczności korzystania z ludzkich instrukcji, jak ma wykonać zadane prace. Rozwiązania ML optymalizują  procesy, dając urządzeniom swego rodzaju „intuicję”, do tej pory zarezerwowaną tylko dla ludzi i niezwykle trudną do zakodowania w formie zero-jedynkowej.

RPA – Robotic Process Automation – dziedzina zajmująca się robotyzacją powtarzalnych czynności, bazując na wyżej wymienionych technologiach.

DT – Digital Transformation – zjawisko cyfrowej „transformacji” przedsiębiorstw, wkraczanie w 21 wiek zarówno w sensie czysto technologicznym, jak i poprzez zmiany w kulturze organizacji i sposobie myślenia o biznesie. Szerzej o tym zjawisku piszemy w jednej z naszych wcześniejszych publikacji.

Jak widać, większość z wymienionych technologii w pewnym sensie nachodzi jedna na drugą. Często rozwiązania te są od siebie nawzajem zależne, by poprawnie wykonać swoje funkcje. Dlatego też ich definicje i granice między nimi pozostają dość umowne. Aby lepiej zobrazować te zależności, przytaczamy kilka przykładów zastosowań tych rozwiązań w codziennym funkcjonowaniu nowoczesnych firm:

Automatyzacja księgowości

Systemy AI są w stanie przejąć znaczną część żmudnej pracy księgowości. Schematyczny i powtarzalny proces dokumentacji nie stanowi oczywiście dla nich żadnego problemu. Ucząc się od ludzi, stopniowo zaczynają też rozumieć niuanse i podejmować właściwe decyzje. Poprawnie ustawiony system rozumie na przykład, że faktura może składać się z kilku odrębnych części. Wie też, że one podpadają pod różne typy kosztów, i dlatego należy rozbić ją na właściwe dla nich konta i odpowiednio opisać. Wszystkie te kroki mogą zostać poprawnie wykonane z zerową ingerencją człowieka.

Pozyskanie i utrzymanie klienta

Pozyskanie klienta oparte o rozwiązania AI jest tańsze, prostsze i bardziej skuteczne – zarówno z punktu widzenia biznesu, jak i klienta. Świetnym przykładem są tu platformy dostarczające różnego rodzaju media np. muzyczne Spotify, filmowy Netflix, czy audiobookowe Audible. Analizując szereg danych o tym, co i w jaki sposób słucha, ogląda, czy czyta każdy klient z osobna, algorytmy wbudowane w te usługi są w stanie przewidzieć, co go zainteresuje. Na podstawie tego profilu, automatycznie zaproponują mu też najbardziej atrakcyjną część swojej oferty. Otrzymując regularnie świeże i trafne sugestie, klient widzi też sens w odnawianiu abonamentu z każdym kolejnym miesiącem. W pewnym sensie więc platformy te reklamują same siebie – automatycznie, za darmo i znacznie efektywniej, niż gdyby zajmował się tym człowiek.

Śledzenie prezentacji marki

Inteligentne systemy oferują też rozwiązania dla zwolenników bardziej tradycyjnych form marketingu. Na przykład system opracowany przez Delmondo i Uru autonomicznie przeszukuje materiały, w których wykupiona została reklama danej marki, np. product placement w serialu telewizyjnym, czy logo pokazywane podczas transmisji sportowej. System analizuje szereg danych, takich jak: częstotliwość pojawiania się logo, ilość oglądających i ich profil demograficzny, kontekst sceny, czy obiekty i osoby pojawiające się na ekranie w tym samym czasie, co logo firmy. Na podstawie tych danych, system jest w stanie precyzyjnie opracować najbardziej optymalną formę reklamy. Rozwiązania te wyłapują też potencjalne zagrożenia dla wizerunku firmy, np. logo widoczne na kontrowersyjnym materiale.

Bezpieczeństwo

W czasach, gdy podstawowym akcesorium przy napadach na bank jest nie pistolet, a klawiatura, zaawansowane systemy oparte na sztucznej inteligencji są jedyną słuszną formą zabezpieczenia cennych danych. Rozwiązania AI na bieżąco monitorują ruch sieciowy, transakcje, czy próby logowania do systemów. Zasilane bazami danych historycznych, są w stanie natychmiastowo wyłapać podejrzane działania albo przesyłane dane i odpowiednio zareagować na potencjalne zagrożenia. Dane zebrane podczas każdego z takich ataków są z kolei analizowane i natychmiast uwzględniane w kolejnych działaniach systemu. Pozwala mu to przewidzieć następny podobny atak i przygotować odpowiednie zabezpieczenia jeszcze zanim zagrożenie stanie się realne.

Rozwiązywanie problemów

Zautomatyzować można nie tylko pozyskiwanie klientów, ale także rozwiązywanie ich problemów, zastępując pracowników klasycznych helpdesków zaawansowanymi robotami. Łącząc rozwiązania CC i ML otrzymujemy chatbota, który nie tylko coraz lepiej radzi sobie z płynną komunikacją z ludźmi, ale także, ucząc się na bieżąco, jest w stanie rozwiązać coraz bardziej skomplikowane problemy. Już w 2016 r. 44% Amerykanów deklarowało, że woli rozwiązywać swoje problemy z chatbotami niż z ludźmi. Dlatego nieuniknionym wydaje się, że wraz z ich ciągłym ulepszaniem, za kilka lat staną się jedyną słuszną formą obsługi klienta.

Analiza dokumentów

Rozwiązania AI są w stanie w kilka minut wyręczyć ludzi z setek godzin czytania dokumentów w poszukiwaniu konkretnych informacji, a konkretne zastosowania ograniczone są właściwie tylko kreatywnością danej firmy. Deloitte, na przykład, wykorzystuje AI do weryfikowania poprawności swoich kontraktów. Roboty analizują dokumenty zarówno pod względem prostszej dla komputera, zero-jedynkowej gramatyki czy interpunkcji, ale także dużo bardziej skomplikowanych kwestii merytorycznych. Podobne rozwiązania można też skutecznie wykorzystać w procesach rekrutacyjnych. Na początku AI uczy się, jakiego typu pracownika szuka dana firma. Na podstawie tych informacji skanuje potem w kilka sekund otrzymane życiorysy, poszukując tych kluczowych cech. W ten sposób szybko, skutecznie i bez żadnych ludzkich uprzedzeń tworzona jest krótka lista najlepszych kandydatów.

Tworzenie profilu pracownika

Sztuczna inteligencja przydać się może także drugiej stronie procesu rekrutacyjnego, sugerując osobom szukającym pracy najlepiej pasującą do nich pozycję. Polskie MatchBeta wykorzystuje rozwiązania AI tworząc indywidualne profile zawodowe dla swoich klientów. Kandydaci zasilają swoje profile danymi w formie odpowiedzi na szereg pytań, a na ich podstawie system tworzy ich indywidualny model osobowości i kompetencji. Profile te zostają następnie zderzone ze stale rosnącą bazą danych zebranych od pracodawców, znajdując najlepsze powiązania.

Zarządzanie zamówieniami i dostawami

Nawet najlepszy zakupowiec nie jest w stanie wziąć pod uwagę wszystkich ruchomych elementów. Pomiędzy produktem na etapie surowca i dostarczeniem gotowego towaru do klienta końcowego dużo może się zdarzyć. AI jest w stanie znacznie usprawnić wszystkie te procesy, na bieżąco zbierając i analizując różnorodne dane o każdym kroku w łańcuchu dostaw. Na przykład analizując trendy rynkowe i rozmowy w mediach społecznościowych, system przewidzi wzrost i spadek zainteresowania produktem i zasugeruje stosowną zmianę w następnym zamówieniu. Zbierając dane meteorologiczne zarejestruje też, że statek z dostawą będzie opóźniony i automatycznie powiadomi o tym klientów. Natomiast śledząc lokalne informacje, będzie też wiedział, że pracownicy zwykle wybieranej firmy kurierskiej planują strajk. Dlatego na ten dzień zasugeruje innego dostawcę.

Inwentaryzacje, kontrole i inspekcje

Połączenie wirtualnych systemów AI z nowoczesnymi fizycznymi czujnikami i kamerami daje praktycznie nieskończone możliwości zastosowań w codziennych zastosowaniach biznesowych. Eksperyment Amazonu, na przykład, udowodnił, że możliwe jest stworzenie w pełni samoobsługowego fizycznego sklepu, zastępując kasjerów i ochroniarzy siecią czujników, kamer i nowoczesnych form płatności. Z kolei sektory budowlane i ubezpieczeniowe mogą przekazać inspekcje trudno dostępnych miejsc w ręce (albo raczej śmigła) autonomicznych dronów wyposażonych w kamery, przekazujące obraz do analizy przez kolejny system AI.

Od czego zależy sukces wdrożeń typu AI?

Ogrom możliwości, jakie niosą za sobą nowoczesne rozwiązania informatyczne jest niezaprzeczalny. Wiąże się z nim jednak kilka przeszkód, które należy pokonać, aby osiągnąć rezultaty, których oczekuje się od swojego systemu:

  1. Nie można oczekiwać, że system zacznie robić dokładnie to, czego się od niego oczekuje od razu po „wyjęciu z pudełka.” To, co zadziałało w firmie znajomego, niekoniecznie zadziała też w naszej. Ogrom możliwości nieodzownie idzie w parze z ogromem narzędzi konfiguracyjnych, które trzeba ustawić precyzyjnie pod potrzeby konkretnej firmy. Te z kolei muszą zostać wcześniej precyzyjnie określone. Pomimo tego, że system taki ma za zadanie myśleć jak człowiek, nie można zapomnieć, że w rzeczywistości nadal jest to tylko system, ze wszystkimi ograniczeniami jakie z tego płyną.
  2. Wspólnym elementem sukcesu wszystkich przytoczonych wyżej przykładów jest wykorzystanie danych – w dużej ilości, wysokiej jakości i odpowiednio dobranymi do roli, jaką ma pełnić system. Jeżeli nie jesteśmy w stanie zasilić naszego systemu takimi danymi – historycznymi i aktualnymi – korzyści z takiej inwestycji będą znikome.
  3. Wiele firm musi więc najpierw zrewidować i uporządkować swoje systemy pozyskiwania i przechowywania danych. Dopiero potem można zacząć je wykorzystywać w rozwiązaniach sztucznej inteligencji. Ważne jest, by podczas tego procesu wziąć pod uwagę należy nie tylko kwestie technologiczne, ale także etyczne. Komputer skorzysta z każdej informacji – in więcej, tym lepiej. Natomiast klientom i pracownikom może nie spodobać się, jak dużo wie o nich firma. Dlatego bardzo istotna w tych kwestiach jest transparentność i ścisłe przestrzeganie wymogów prawnych.
  4. Rozwój kultury organizacyjnej musi iść w parze z rozwojem technologicznym. Zastosowanie nowoczesnych systemów często wiąże się z diametralnymi zmianami w tym, jak organizacja postrzega swój biznes, pracowników i klientów. O konieczności tego typu rozwoju piszemy szerzej w naszym artykule poświęconym cyfrowej transformacji.