Как ИИ и нейросети способствуют цифровой трансформации

Для эффективной работы специалистам, работающим с данными, нужны специализированные платформы, созданные под профильные задачи. Как выглядят эти платформы, в какую сторону идет их развитие, насколько эффективно их применение? На эти вопросы отвечают Павел Снурницын, СРО платформы «Колмогоров» в компании Data Sapience, и Алексей Рундасов, коммерческий директор Data Sapience.

Искусственный интеллект, как и другие математические инструменты, применяемые для бизнес-задач, позволяют компаниям выйти на качественно новый уровень эффективности. Инструменты на основе ИИ способствуют цифровой трансформации.

ChatGPT и другие мощные инструменты, названия которых сейчас «на слуху», свое слово еще не сказали. Это инструменты достаточно новые. Широкое применение таких решений в enterprise-сегменте пока ограничено, пока нельзя доверять им полностью.

Можно писать код с помощью такого рода систем, делать презентации, готовить документы и т. д. Но если мы сейчас отдадим такой системе принятие важных решений — например, выдавать кредит или нет — то придется каким-то образом ее контролировать. Пока мы не сможем управлять инструментом, ориентируя его в нужном направлении, применять его для бизнес-критичных приложений очень рискованно. Но со временем, разумеется, мы научимся работать и с ними.

Конечно! Инструментарий для этого хорошо отработан. Нейронные сети применяли еще лет десять назад. Эти инструменты развивали, теперь для них появилась база — как материально-техническая, так и экспертная. За это время научились с ними работать, а сейчас опыт их использования вышел на качественно иной уровень. Благодаря этим инструментам мы должны вносить изменения в бизнес-процессы точечно, адресно — и поэтому можем достигать лучших эффектов.

Для упрощения и ускорения таких задач мы и создали продукт, который назвали «Колмогоров». Это многопрофильная платформа, у которой есть несколько граней развития. Если работой с данными занимается отдел из нескольких человек, то такой команде уже нужна платформа. Платформу можно строить самостоятельно, но это долгий процесс — он может занять и год, и больше.

Мы смотрим на задачи углубленной аналитики в широком смысле, считая, что для анализа данных нужно применять как машинное обучение, которое сейчас на слуху, так и математическую статистику, методы математической оптимизации, имитационное моделирование и т. д. «Колмогоров» позволяет раскрыть полный потенциал синергии математики и технологий обработки данных для решения бизнес-задач.

У нас есть кейсы, в которых платформу разворачивали в короткие сроки, когда рабочие места были готовы за несколько недель. Иногда требуется около месяца, иногда — больше. Сроки во многом зависят от политики инфобезопасности в организации, где разворачиваем систему.

Отмечу, что наша платформа модульная. Например, для компаний, которые только начинают работать с данными, у нас есть модуль «Kolmogorov A2Р», который является рабочим местом дата-сайентистов, дата-инженеров и ML-инженеров, также включающий инструменты валидации моделей.

Также сроки зависят от состояния данных в компании. Как говорят: «80% успеха в проектах по работе с данными определяют сами данные». Иногда данные у компании уже есть в приемлемом для анализа виде, достаточно обеспечить доступ к ним. Иногда с данными приходится предварительно работать.

Наша компания кроме «Колмогорова» предлагает продукты, относящиеся к четырем продуктовым семействам. Мы можем из них сделать полностью вертикально-интегрированные решения, охватывающие процессы от подготовки данных до принятия бизнес-решений, например, до принятия кредитного решения или запуска маркетинговой кампании.

Да, все так. «Колмогоров» упрощает работу дата-сайентистов. В составе «Колмогорова» есть инструментарий, обеспечивающий работу с источниками данных, а также с моделями: контролем их качества, отслеживаемостью, масштабируемостью и т. д. Дальше результаты работы этих моделей можно передавать бизнес-приложениям, на основании полученной информации менеджмент заказчика может аргументированно принимать те или иные решения.

Мне нравится сравнение «Колмогорова» с пультом звукорежиссера. Представьте: идет концерт, на сцене барабанщики, гитаристы, клавишники, а пульт позволяет звукорежиссеру быстро и качественно все «подкручивать» для получения единого результата. Так и при работе с данными: в рабочих процессах участвуют сотрудники с разными ролями, которые пользуются нашими продуктами. Эти люди могут быть даже не знакомы друг с другом, но обладают профильными компетенциями, а благодаря нашему продукту могут работать над единой задачей с высокой эффективностью.

Причем этот «пульт» масштабируемый! Он может меняться в зависимости от площадки, аудитории и задач!

Бизнес обычно задает вопросы не о стоимости инструмента, а о сроках его окупаемости. Как показывает практика, затраты на приобретение и внедрение «Колмогорова» окупаются достаточно быстро, на горизонте года-двух. Но это консервативная оценка.

Применение «Колмогорова» увеличивает эффективность работы специалистов. Путь «от идеи до прода» становится быстрее в два-три раза! В «Колмогоров» заложен ряд инструментов, которые позволяют управлять преемственностью процессов, реализовывать их автоматизацию и т. д. Есть прецеденты, когда задачи, на которые отводили по шесть месяцев, наша платформа позволяла решать за пару недель, улучшая управление рабочими процессами и реализуя автоматизацию.

«Колмогоров», упрощая работу команды аналитиков, влияет на качество принимаемых бизнес-решений, что влияет на рост всей компании. В одних задачах наш инструмент позволяет больше зарабатывать, в других — меньше терять. У нас есть разные кейсы применения. Например, для CRM и CVM в разных индустриях, для управления банковскими рисками и т. д.

«Колмогоров» позволяет осуществлять мониторинг качества моделей и управлять их жизненным циклом. Со временем модели утрачивают актуальность, и, как их ни отлаживай, как их ни обучай, рано или поздно приходится от них отказываться и создавать новые.

Важно, что «Колмогоров» может работать с разными фреймворками, которые привычны конкретному заказчику, конкретному специалисту в data science, который строит модель, — как решения SAS или IBM, так, например, Open source-инструменты.

«Колмогоров» позволяет решать ряд задач «вокруг» аналитики, в частности, задач, связанных как с организацией данных, так и с коллаборациями рабочих групп дата-сайентистов, которых в крупной компании может быть несколько. Одна команда может создать представление данных, которое окажется актуальным и для других рабочих групп. Наборы данных, подготовленные для последующего анализа, — выборки, организованные по большому количеству переменных (а у нас были кейсы, где переменных были тысячи!) — хранят в «feature store». Наличие такого «store» у «Колмогорова» позволяет ускорять в разы работу команд!

Система поддерживает задачи управления сотрудниками. Когда в команде, задействованной в работе над проектом, десятки аналитиков и дата-сайентистов, оптимизация менеджмента бывает очень полезна.

Есть, конечно, проблемы, которые «Колмогоров» не может решить полностью. Например, дефицит кадров. Раньше найти человека, который бы разбирался в нейросетях, было сложно. Впрочем, сейчас это тоже сложно, но уже по другой причине — количество таких специалистов существенно выросло, но потребность в них выросла еще сильнее, поэтому компании опять сталкиваются с дефицитом сотрудников. Но «Колмогоров», как я отметил, позволяет увеличить эффективность работы специалистов и команд, что смягчает вопросы дефицита профильных кадров при работе с данными.

Мы делаем бизнес и дата-сайенс ближе друг к другу. Мы позволяем им говорить на одном языке.

Крупные российские банки и телеком-компании с анализом данных стали работать еще с начала нулевых, тогда же начав их накопление. Массовая история началась лет пять-семь назад, когда пришло осознание, что у нас «данные — новая нефть». Одни собирают данные практически все — по принципу «может, потом пригодятся», другие — под конкретную бизнес-проблематику.

Выборка данных, с которыми надо работать, зависит от конкретных задач. Иногда — например, в рекомендательных системах и клиентской аналитики — есть смысл смотреть на свежие данные, полученные на протяжении последнего года. Вы же видите — за последний год у нас все поменялось. Даже в нормальных условиях в клиентском поведении все меняется очень быстро — за два-три года. Для задач кредитных рисков нужно анализировать данные минимум за пять лет — это требование регулятора. На большую глубину нужно смотреть данные для анализа, например, экономических циклов.

В промышленности требования иные. Тут бывают ситуации, когда для анализа достаточно иметь данные — по параметрам работы агрегатов, качеству выходящей продукции и т. д. — за несколько недель, больше глубина не нужна. Но это тоже объемные данные — иногда высока дискретизация, датчики могут снимать показания несколько раз в секунду. Из последних наших задач, связанных с индустрией, приведу пример с шаровыми мельницами для измельчения цемента. Там нужно учитывать ряд факторов, как механических, так и электростатических — все это влияет на эффективность производственных процессов и, соответственно, на бизнес-показатели компании.

Мы построили технологические компоненты платформы. При этом мы продолжаем создавать новые версии программного продукта, расширяя функциональность, убирая «баги» и т. д.

Дальше мы будем создавать такие решения с индустриальной специализацией: банков, страховых компаний, ритейла, телеком-фирм, промышленности, добывающих компаний.

Сейчас мы занимаемся созданием и развитием «пресетов», оптимизированных для различных бизнес-задач. В перспективе это позволит предоставлять возможности «Колмогорова» не только командам специалистов для работы с данными, но и напрямую бизнесу, которому нужно построить рекомендательную систему на базе матмоделей, организовать оптимальные процессы в формате Customer Value Management, провести оптимизацию работы промышленного агрегата и т. д. Создав такие продукты, мы сможем очень быстро разворачивать их на стороне заказчика, который за две-три недели получает не только платформу, но и готовое решение для его прикладных задач. У нас в высокой степени готовности сейчас находятся такие решения для CVM, для регуляторных рисков и т. д.

Все это у нас в планах, мы будем реализовывать такие продукты последовательно. Это требует огромного количества ресурсов, но мы готовы их инвестировать в данное направление развития, так как видим, что такие инструменты востребованы рынком — ведь применение наших решений способно обеспечить заказчикам получение добавленной стоимости.

Ориентироваться только на российский рынок, инвестируя в развитие продуктов такого масштаба, как «Колмогоров», явно нецелесообразно. Поэтому мы будем активно продвигать наши продукты в другие регионы мира. Экспортный потенциал высок благодаря качеству и наполнению продукта.

Наши продукты жизненно необходимы лидерам в каждом секторе экономики.

Конечно, везде есть локальная специфика, но к ней можно адаптироваться. Основа же едина: во всех регионах мира люди ходят в магазины, отводят детей в школу, пользуются мобильной связью и т. д. Поэтому у enterprise-заказчиков из разных регионов мира пересечений очень много, есть и особенности, с которыми мы умеем работать.

В плане использования инструментов искусственного интеллекта мы находимся на передовых позициях. Даже пять лет назад те знания, которые мы приносили на Запад и в другие регионы мира, были крайне востребованы. А теперь мы в достаточно короткий срок создали современный качественный продукт. Мы с оптимизмом смотрим на перспективы, так как наш продукт позволяет нашим заказчикам создавать добавленную стоимость.

Оригинал статьи