Топ-менеджеры крупнейших компаний обсудили применение ML/AI на RAIF 2018
23 октября в Москве прошел второй ежегодный форум по системам искусственного интеллекта — RAIF 2018 (The Russian Artificial Intelligence Forum), организатором которого выступила компания «Инфосистемы Джет». Форум собрал свыше 800 участников — топ-менеджеров крупных компаний и ИТ-экспертов. Концепция мероприятия — «Превосходя Мастера» — была призвана продемонстрировать гостям форума ключевую идею: искусственный интеллект не просто способен к обучению, но и уже совершенствует плоды человеческого труда, проявляя нечеловеческие возможности. Эта идея была подкреплена многочисленными кейсами внедрения ML, которые были озвучены спикерами RAIF — представителями крупных промышленных предприятий, банков, ритейла и стартапов.
Открывая пленарную часть, Edwin Diender, Vice President, Government & Public Utility Sector, Huawei Technologies, рассказал, как синергия технологий ML/AI, Big Data, IoT способна формировать умный мир, приходя в каждый дом, организацию, город. Направление умной инфраструктуры получило в последние годы серьезное развитие в мире: умные датчики, цифровые железные дороги — все это в ближайшие годы запустит новую волну инноваций и принесет огромные экономические выгоды всем странам и отраслям.
Владимир Молодых, директор по разработке и внедрению ПО компании «Инфосистемы Джет», рассказал об эффективных шагах к трансформации бизнеса с помощью AI и главных препятствиях на этом пути, а также подкрепил свои идеи реальными кейсами, реализованными «Инфосистемы Джет»: «Сегодня больше разговоров об искусственном интеллекте, чем комплексных внедрений, которые бы действительно делали организации эффективнее. Чтобы успешно реализовывать проекты с искусственным интеллектом, компаниям нужно многому научиться: пересмотреть подход к работе с данными, обеспечить тесное ежедневное взаимодействие математиков и экспертов от бизнеса (даже больше, чем при agile-методологиях), изначально точно ставить задачу и задавать метрики, действительно привязанные к экономическому эффекту».
Продолжил тему Анджей Аршавский, директор по анализу данных НЛМК, поделившись опытом реализации индустриальных AI-проектов: «Сегодня мы параллельно ведем около 20 проектов с применением искусственного интеллекта. Часть из них находится в промышленной эксплуатации, часть — в стадии испытаний, а часть — на этапе пилотирования и разработки. Внедрение таких решений требует глубокого погружения в задачу и в технологическую экспертизу. Необходимо учитывать множество противоречивых KPI и технологических ограничений. Для успешной реализации и эксплуатации решений необходимо иметь многофункциональную платформу данных, моделей и приложений».
В пленарной секции прозвучало также выступление Максима Белоусова, заместителя председателя правления Банка УРАЛСИБ, который рассказал, как увеличить прибыль уже на первых этапах AI-трансформации банка. Одной из рекомендаций было начинать с наиболее «болезненных», но и наиболее простых с точки зрения автоматизации процессов: работы с просрочкой, скоринга, прогнозирования оттока клиентов. «Многие компании сегодня все ещё боятся кардинальных нововведений в виде внедрения искусственного интеллекта в бизнес-процессы, даже если пилот проекта был удачен,— отметил Максим Белоусов. — Я бы посоветовал быть смелее и не страшиться использовать достижения технологического прогресса, тем более что на рынке немало успешных кейсов применения ML/AI-продуктов. Онлайн-сбор данных и их глубокий последующий анализ для получения предиктивной аналитики уже позволяют верно выстраивать модели развития и избегать рисков».
В частности, Олег Седелев, директор проектов управления инфраструктуры и больших данных Сбербанка (блок «Корпоративный бизнес»), рассказал об AI-решении, которое позволило банку сократить время одобрения кредитов для юридических лиц с 14 дней до 7 минут. Данное предложение доступно сегодня компаниям в Московском регионе, прошедшим скоринг на благонадежность. «В корпоративном бизнесе “Сбербанка” модели ML активно применяются для решения традиционных банковских задач, например, для анализа благонадежности потенциального заемщика или прогнозирования просроченных платежей, — отметил спикер. — Также сферой, где модели машинного обучения уже сейчас приносят значительную прибыль банку и ценность для клиентов, является таргетирование продаж — предоставление клиентам наиболее интересных им предложений».
Конкуренция заставляет компании внедрять передовые технологии и экспериментировать, но окупаются ли вложения в ML/AI-проекты? И как извлечь прибыль из инвестиций в ML-инструменты по управлению клиентским опытом? Какие типичные ошибки бывают при внедрении и как их избежать, а также что (кроме знания data science) может потребоваться от команды при внедрении проекта в области ИИ?
На эти вопросы в рамках тематических дискуссий ответили спикеры из Wildberries, Сколтеха, «ВымпелКома», «М.Видео», Ак Барс Банка, «Инфосистемы Джет», Accenture, Орбита Капитал Партнерз (Росатом), Минсвязи и информатизации республики Беларусь, S7 TechLab, Rubbles и других компаний. Несомненно, оптимизация бизнес-процессов посредством AI позволяет организациям повышать прибыль и большую роль в этом играет качество алгоритмов и точность постановки задач для AI — согласились спикеры. При этом важно применять технологию в той области, где она действительно необходима.
Одна из дискуссий была посвящена применению ML/AI для обеспечения информационной безопасности бизнеса. В мире за 2017 год потери, связанные с утечкой данных, увеличились на 7%, то есть около $4 млн на компанию — констатировал Олег Бакшинский, ведущий советник по вопросам информационной безопасности IBM Россия и СНГ. В отчете E&Y говорится, что в 37% случаев киберугрозы выявляют потребители (клиенты). При этом у большинства компаний нет новых технологий для отслеживания киберугроз — признали участники дискуссии. «На мой взгляд, искусственный интеллект — это тот сегмент, где возможно найти решение тех задач, которые еще вчера казались неразрешимыми — подытожил Алексей Сизов, руководитель направления противодействия мошенничеству Центра информационной безопасности компании «Инфосистемы Джет». — Если говорить о достигнутых результатах, то для нас целевой вектор развития ML в области ИБ — это направление антифрода. Мы внедряем различные системы, поддерживающие и использующие искусственный интеллект, с 2012 года. Сегодня мы стали заглядывать в соседние области, смотреть на проблемы наших заказчиков, которым ранее не могли предложить конечное готовое решение. В частности, это направление Identity Management (управление учетными записями), Segregation of duties (разделение обязанностей), направление поведенческого анализа (UBA), направления SOC и SIEM».
Синергия технологий ML/AI с IoT и другими смежными решениями обсуждалась в рамках пленарной секции, а также в ходе дискуссии «Промышленный интернет вещей: чего ждать к 2022 году?» Виталий Порубов, директор по стратегии и инновациям департамента информационных технологий X5 Retail Group, рассказал об использовании IIoT в продуктовом ритейле — транспорт, торговое и технологическое оборудование в магазинах, умные полки оснащаются умными устройствами. Модели прогнозирования спроса, планирование цепочек поставок, сегментация клиентов лучше работают в связке с использованием IoT-устройств, способных на лету собирать и передавать информацию. По словам спикера, такие решения могут оказывать существенное влияние на финансовые показатели компании.
Параллельно с деловой программой в рамках форума прошел финал RAIF Hackathon и награждение победителей. Три лучшие команды, разделившие призовой фонд более 1 млн рублей: KeKsiK (в номинации от НЛМК — «Оптимизация процессов производства»), r_test («Прогнозирование кадастровой стоимости объектов» для Росреестра) и Help The Platypus («Анализ спроса на товары» для «Утконоса»).
Партнерами RAIF 2018 выступили компании IBM, Huawei, NetApp, Cisco, Лаборатория Касперского, Solar-Ростелеком, Nextail и Dbrain.
