Този сайт използва бисквитки (cookies). Ако желаете можете да научите повече тук. Разбрах

Новини В глобален мащаб

6 истории за успеха на машинното обучение

Изкуственият интелект е една от най-горещите технологии и може да бъде много добър помощник във всеки бизнес

от , 31 януари 2018 0 2688 прочитания,

Малко технологии са по-нашумели в днешно време от изкуствения интелект (AI) и машинното обучение (ML). Водещи организации вече използват технологията, която имитира поведението на човешкия ум, за да осигурят по-добро потребителско преживяване за клиентите си и да подсилят своите бизнес операции. Тази тенденция се очаква да се засили през следващите години, тъй като според Gartner AI и ML ще бъдат сред първите пет инвестиционни приоритета на повече от 30% от CIO до 2020 г.

Първоначалните опасения, че тези технологии ще доведат до намаляване на работните места, изглежда се разсейват, като над 67% от бизнес ръководителите, анкетирани от PwC, заявяват, че AI ще помогне на хората и машините да работят по-добре заедно. Признавайки възможността да преместят фокуса на своята работа, някои CIO експериментират, изграждат и дори патентоват нови AI и ML решения.

1

Ето няколко примера за успешно прилагане на изкуствения интелект и машинното обучение в бизнеса.

AI и проучването на пазара на ценни книжа

Анализаторите на Putnam Investments, доставчик на различни пенсионни планове, виждат в AI и ML съществени фактори за повишаване на покритието на изследванията на пазара на ценни книжа. По думите на Сумед Мета, CIO на компанията, те работят в тясно сътрудничество с екипа по изследване на данни в организацията, за да създадат модел, на базата на който да получават чиста информация от големи масиви разнородни данни. Освен това, Putnam Investments разработват и алгоритми, които да могат да отсяват най-перспективните сделки.

"Това е огромна разрушителна и трансформационна сила и целият бизнес стимул за инвестиции в тази посока е движен от желанието за подобряване на ефективността и производителността", казва Мета.

Мета, който разчита на комбинация от софтуерни инженери, изследователи на данни, аналитици и доставчици, е създал център за отлични постижения в областта на научните данни, който подпомага изследванията в сферата на AI и ML в полза на заинтересованите страни в бизнеса. По думите му неговите "просветени" бизнес партньори са прегърнали идеята му за постигане на по-голяма автоматизация.

Използването на машинно обучение и разработката на изкуствен интелект са част от по-широката дигитална трансформация на Putnam Investments, която включва модернизacия на ИТ инфраструктурата с изчислителни облаци и създаване на единна платформа за управление на бизнеса.

Ключов съвет: Организациите трябва да отделят нужното време и да изградят очакванията си на базата на реалистични прогнози, като преди това си дадат сметка, че първите няколко идеи ще доведат по-скоро до нови въпроси, отколкото до отговори. "Няма как някой да стигне до момента, в който се чуе да крещи “Еврика!”, когато става въпрос за AI. Алгоритъмът няма как внезапно да ви даде прозрение за нещо, което допреди секунда не сте знаели. Трябва упорита и последователна работа”, казва Мети.

AI намалява данъците

След присъединяването на Ашок Шривастава като отговорник по данните, производителят на финансов софтуер Intuit засилва усилията си в сферата на AI и ML.

Intuit използва услугите на AWS, за да засили възможностите за естествена езикова обработка на своя чатбот в платформата QuickBooks”, разказва Шривастава, който се присъединява към компанията, след като преди това е участвал в създаването на платформата за големи данни на Verizon. Неговата задача е дa оптимизира категоризацията на множеството транзакции, които правят клиентите на компанията през платформата QuickBooks.


2


"Имаме работа с над 1 милиард транзакции от QuickBooks и можем да оптимизираме категоризациите с висока точност", смята Шривастава.

Платформата на Intuit - TurboTax - пък използва AI, за да помогне на потребителите да възстановят в максимална степен надплатените за данъци суми, като ги насочва чрез детайлен процес на приспадане. По този начин платформата потенциално спестява на данъкоплатците до 40% от времето за подготовка на документите и усилията за извличането им.

Ключови съвети: Култивирането на алгоритми изисква привличането на подходящия инженерен талант за решаване на реални бизнес предизвикателства. Шривастава, който също така работи в един от изследователските центрове на НАСА, понастоящем наема предимно инженери, които могат да работят с ML и AI за постигане на целите на компанията.

Историческите данни предвиждат бъдещи резултати

Рич Хилбрехт има уникални предизвикателства пред себе си като CIO на Riverbed Technology, доставчик на софтуер, предназначен да подобри производителността на широкообхватните мрежи. Хилбрехт разкрива, че провежда тестове как да използва ML, за да абсорбира данни от различни източници в цялата верига за доставки на компанията, като по този начин стимулира по-добри бизнес анализи.

"Искаме да приложим техники за машинно обучение, за да обработваме повече данни, отколкото обикновено”, разказва пред CIO.com Хилбрехт. За целта Riverbed се опитва да комбинира управлението на поръчките, допълнителната информация от ERP системите и историческите данни за други фактори, които влияят на бизнеса на компанията, в търсене на модели, които биха могли да предвидят бъдещи резултати. "Искаме да бъдем по-прецизни в прогнозите си по отношение на риска надолу по веригата и способността ни да изпълняваме поръчките на клиентите си", казва Хилбрехт.

Други области, в които Riverbed използва машинното обучение, са автоматичната настройка на конфигурациите за производителност и обезпечаване на киберсигурността.

Ключов съвет: Добрата стратегия за AI и ML изисква предпазлив подход. Хилбрехт е категоричен, че всеки път внимателно оценява инструментите и технологиите, които използва, включително и доказани решения като IBM Watson.

AI осигурява по-точна и изпреварваща информация за клиентите

Подобно на много големи банки, U.S. Bank е събрала огромни количества данни за клиентите си и, разбира се, хвърля много усилия, за да извлече максимално допълнителни подробности от тези данни. Бил Хофман, главен аналитичен директор на банката, се опитва да промени това, като през изминалите няколко месеца използва технологията Еinstein на Salesforce.com за увеличаване на персонализацията в различните сектори, в които оперира финансовата институция.


3


Например, ако клиент търси в уебсайта на банката информация относно ипотечните кредити, отговорният служител може да му направи подходящо предложение при неговото следващо посещение в клон. Освен това, изкуственият интелект помага на U.S. Bank да открива модели, които хората не виждат. Софтуерът е в състояние да препоръча на служителите да се обадят на потенциален клиент от дадена индустрия в точно определен ден и час, защото тогава е най-голям шансът той да вдигне своя телефон, като този “съвет” може автоматично да бъде отразен и в работния календар.

Тези възможности са именно това, което много организации за финансови услуги търсят - 360 градусов поглед върху клиентите.

"Ние се придвижваме от свят, в който знаем какво се е случило и какво се случва, към такъв, в който е по-важно какво ще се случи. Основната ценност вече е да бъдем една крачка напред, като предвиждаме потребностите на нашите клиенти и канала, по който искат да взаимодействат с нас", категоричен е Хофман.

Ключов съвет: Когато става дума за AI и ML използвайте подхода проба-грешка и бъдете търпеливи. В същия момент обаче бъдете готови да развиете веднага тези постижения, които се окажат ефективни. "Винаги разполагайте в центъра на своята работа клиентите. Винаги мислете как дадено нещо ще се отрази върху тях”, съветва Хофман.

Машинното обучение прави работата по-продуктивна

Ед Маклафлин, президент на операциите и технологиите в Mastercard, казва, че машинното обучение "прониква във всичко, което правим". Mastercard използва тази технология за автоматизиране на повтарящи се задачи, освобождавайки по този начин хората да вършат дейности с по-висока добавена стойност.

"Ясно е, че сме стигнали до състояние на технологиите, в което е възможно и полезно да се инвестира в автоматизация на задачите на работното място", казва Маклафлин.

Mastercard също така използва инструменти за машинно обучение, за да подобри управлението на промените в своята екосистема за продукти и услуги. ML инструментите помагат да се определи кои промени са най-безрискови и кои изискват допълнително проучване. И накрая, Mastercard използва тази технология и за откриване на аномалии в своята система, които предполагат, че са на лице опити за нерегламентиран достъп.

Ключови съвети: Според Маклафлин машинното обучение и изкуственият интелект са просто част от широкия набор инструменти за обработка на плащанията. Въпреки всички лъскави нови технологии на пазара, той съветва CIO да не разчитат, че те ще адресират бизнес проблемите като магическа пръчка.

AI като продукт и бизнес улеснение

При разработчиците на софтуер Adobe Systems, CIO Синтия Стодард преосмисли функциите на отдела си с помощта на "оперативен модел, базиран на данни", разчитайки на анализи на базата на Hadoop, за да получи по-добри познания както за управлението на ИТ, така и за бизнеса като цяло. Като част от стратегията ѝ за работа с данни, тя експериментира с машинно обучение, за да подпомогне анализа на помощния софтуер в търсене на системни грешки. Ако бъдат засечени събития, които предполагат, че може да възникне прекъсване, системата може да подходи проактивно, за да елиминира или смекчи тези събития, преди те да предизвикат предполагаемия колапс.


4


Идентифицирането на модели при проблеми в ИТ услугите ще даде възможност на Adobe да създаде инструменти за "самолечение", които да поемат задълженията на сегашния ИТ персонал”, смята Стодард. Тя също така се интересува от чатбот технологията, която според нея също ще спомогне за ИТ поддръжката.

Изкуственият интелект е част и от търговският бизнес на Adobe. През ноември миналата година компанията представи технологията Sensei – слой, базиран на AI, който се прилага към продуктите и осигурява анализ и проследяване на ефективността на уеб и мобилните приложения.

Ключов съвет: “Използването на машинно обучение за идентифициране на шаблони е ключът към създаването на способности за "самолечение". Ако знаете по какъв начин даден проблем се фиксира, ще можете да доверите процедурата на изкуствен интелект и да изведете човешкия фактор от уравнението”, смята Синтия Стодард.

КОМЕНТАРИ ОТ  

Полезни страници
    За нас | Аудитория | Реклама | Контакти | Общи условия |
    Действителни собственици на настоящото издание са Иво Георгиев Прокопиев и Теодор Иванов Захов