Большие и эффективные: как Big data помогает бизнесу
Какие задачи в реальности можно решать с помощью big data, где брать специалистов для работы с аналитикой данных, кто будет в ответе за ошибки искусственного интеллекта и как big data помогают удержать команду в эпоху «великой миграции»?
На форуме Nobel Vision. Open Innovations 2.0 большие данные и их применение в бизнесе были главной темой сразу нескольких сессий. Издатель The Bell Анфиса Воронина послушала выступление гендиректора Innotech Игоря Калганова и обсудила эти темы с заместителем генерального директора компании Datatech Александром Фридманом и визионером Давидом Яном на сессии «Большие и эффективные. Big Data и современные вызовы на примере новой великой миграции».
При поддержке
Большие данные повсюду, и без них невозможно было бы представить ни темп, ни качество жизни, к которым мы так легко привыкли. «Раньше, чтобы получить кредит или подать заявку на ипотеку, нужно было собрать кипу бумаг, которые потом неделями обрабатывал банк. Сейчас это все происходит за несколько минут — так большие данные влияют на скорость принятия решений», — приводит пример Александр Фридман.
Его поддерживает Игорь Калганов: «Как финтех-компания мы можем дать оценку трансформации банковской сферы. Обострившаяся конкуренция требует учиться гибко распоряжаться ресурсами, снижать операционные расходы и отказываться от жестких организационных структур. Сейчас банки повсеместно внедряют решения, основанные на искусственном интеллекте, в будущем нейросети будут участвовать во всех процессах. ИИ поставляет рекомендации, в которых так нуждается современный бизнес: ведь в цифровом мире основа конкуренции — это скорость и клиентская удовлетворенность».
Выводы Игоря Калганова совпадают с оценками аналитиков McKinsey: в ближайшие годы с помощью искусственного интеллекта одни только банки заработают порядка $1 трлн.
Бизнес активно развивает экосистемы: сегодня 7 из 12 крупнейших мировых корпораций — Alibaba, Google, Amazon, Apple, Facebook, Microsoft и Tencent — цифровые экосистемы, напоминает Игорь Калганов. «По данным Deloitte, в России центрами сборки экосистем становятся банки. Для этого они внедряют цифровые платформы, которые позволяют задействовать в общении с пользователями разные каналы, расширять спектр сервисов и продуктов. Например, они взаимодействуют с клиентом через мобильное приложение, банкоматы и офисы как через единую систему, создавая неразрывную цепочку коммуникации. Каждое действие пользователя в экосистеме — это информация, которую потом анализирует искусственный интеллект и предлагает способы оптимизации пользовательского пути. В результате анализа данных оптимизируются все процессы», — говорит Игорь Калганов.
Еще один пример использования больших данных в бизнесе — борьба с мошенничеством. «Мы недавно строили систему, основанную на графовой аналитике, — визуализацию взаимодействий между людьми. Бывают ситуации, когда, например, в рамках одного холдинга управляющая компания выглядит — с точки зрения отчетности — прекрасно, но при этом аффилированные лица находятся на грани дефолта. Визуализация помогает банку быстро оценить масштаб проблемы и принять верное решение. Если бы все эти данные остались жить только в табличке Excel — это могли бы пропустить и выдать ненадежной компании заем», — рассказывает Александр Фридман.
Кто будет работать с данными
«Сегодня на рынке настоящая борьба за IT-таланты. По данным Минцифры, в прошлом году в России не хватало 150 000 айтишников, а к 2024 году этот показатель вырастет до 300 000 в год», — отмечает Игорь Калганов.
Аналитика больших данных (Big Data Analytics, BDA) становится одной из самых востребованных задач в современном бизнесе. Специалисты, которые работают с данными, называются Data Scientists, и спрос на них ежегодно растет. По оценкам компании Frost & Sullivan, в 2021 году общий объем мирового рынка аналитики больших данных будет больше чем в 2,5 раза больше, чем за пять лет до того, — $67,2 млрд, при этом ежегодные темпы роста (CAGR) составляли 35,9%.
В профессию Data Scientists довольно узкий порог входа — этим специалистам требуются специфические hard skills. Как минимум тут нужна сильная математика, которую сложно получить без университетской подготовки.
Вероятнее всего, этот тренд вскоре пойдет на спад, и в ближайшие годы управлять ИИ смогут люди без профильного образования, считает основатель ABBYY и Yva.ai, член Band of Angels Давид Ян: «В начале прошлого века работать с электричеством могли лишь те, кто обладал специфическими знаниями и навыками. Сейчас электрик — довольно распространенная профессия. Работу с данными ждет такая же демократизация — вскоре на рынке будет много специалистов, которые будут уметь работать с Big Data. Это будут гуманитарии, а не математики и программисты, как сейчас».
Искусственный интеллект уже помогает компаниям удерживать сотрудников и предотвращать их выгорание. «Мы создали нейросеть, которая анализирует цифровой след сотрудника. Она понимает, когда человек начинает чувствовать неудовлетворенность в работе и как скоро она приведет к выгоранию. Ведь сотрудник не просыпается однажды утром с мыслью “всё, сегодня уволюсь”. Это длинный процесс, который можно отследить. Современные технологии позволяют увидеть самый ранний этап выгорания. Именно в этот момент можно прийти к человеку и спросить: “Все ли у тебя хорошо? Можем ли мы чем-то помочь?” Это способно удержать человека от увольнения, — рассказывает Ян. — Точность предсказаний такой системы — 78%. Зачастую система узнает об этом раньше самого сотрудника и подсказывает, что человеку нужен отпуск или просто выключить телефон и отвлечься от работы».
«Любая ценность компании — это люди. Искусственный интеллект и анализ больших данных позволяет находить те паттерны, которые не видны человеческим взглядом. То есть на основании определенной исторической информации, на основании опыта HR находить те взаимозависимости, которые могут помочь сберечь ценного сотрудника», — соглашается Александр Фридман.
Этика будущего: как регулировать работу ИИ и кто ответит за его ошибки?
Александр Фридман
Недавно произошло историческое событие: 193 страны подписали кодекс этики для искусственного интеллекта под эгидой ЮНЕСКО. Это значит, что в технологию ИИ попытались привнести человечность, попытались решить, как можно использовать этот инструмент во благо. Это подтверждает тезис, что искусственный интеллект уже проник во множество сфер жизни и важно выработать правила, как именно это будет работать. Любая технология — это инструмент. Например, нож: с его помощью можно почистить картошку, а можно пойти грабить. Важно то, насколько ответственно человек относится к инструменту.
Давид Ян
В ряде случаев довольно просто проверить, ошибся ИИ или нет. Если система классифицировала фотографию кошки как собаку, есть асессер, который скажет: «Нет, это все-таки кошка». А есть ситуации, когда сам человек не нашел способа разрешить этическую дилемму. Например, известный кейс про самоуправляемый автомобиль: когда дорожная ситуация складывается настолько трагично, что надо решить, кого сбить, бабушку или ребенка. В MIT провели самый крупный в истории человечества опрос, в котором приняли участие более 20 млн человек. И мнения разделились. В ряде стран — в Японии, в Китае, в Корее — чаще отвечали, что беспилотник должен сбить ребенка, а не бабушку. Не было единогласных ответов и в тех случаях, когда формулировку вопроса меняли: что, если люди разного социального статуса? А если с одной стороны много людей, с другой – мало? Люди дают ответ исходя из культурных предпосылок. Само человечество пока не может единогласно ответить на вопрос, как должна повести себя машина.
Фото на обложке материала: Getty Images