Нейросети в деле. Находят ли технологии ИИ практическое применение в бизнесе

Наша команда создает масштабные события с использованием мультимедиатехнологий. Один из наших проектов — Музей Победы на Поклонной горе. Конкретно для этого проекта мы использовали ИИ для обработки архивных фото с целью повысить качество и разрешение, для создания скетчей и изображений для презентаций, для визуализации наших идей, которые затем обсуждали всей командой и на основе которых создавали сценарии.

Если говорить о применении ИИ в других сферах, я верю в использование технологий для расшифровки анализов и в генных технологиях. Буквально на днях вышла новость про нейросеть Open CRISPR, которая поможет в анализе мутаций генов и их замене при помощи технологии генной инженерии CRISPR. На первый взгляд, это может показаться недостижимым будущим, но на самом деле это реальность, которая наступит уже завтра.

Из того, что уже сейчас активно внедряется, — применение нейросетей для выявления определенных корреляций и предикторов заболеваний на основе анализов биологических жидкостей и тканей человека. В систему загружается большой массив данных — сотни тысяч анализов с подтвержденными диагнозами и историями болезней, а она выявляет пересечение параметров, изучая динамику показателей и сочетание факторов, которые невооруженным взглядом заметит далеко не каждый специалист.

Таким образом, улучшится качество диагностики заболеваний на ранних стадиях и, соответственно, повысятся шансы больных на успешное излечение. Из возможных препятствий, которые могут возникнуть на пути развития технологии, — легализация использования персональных данных.

С помощью искусственного интеллекта телемедицинская платформа «Онлайн Око» предлагает пациенту перечень подходящих врачей, которые специализируются на его заболевании. Такой подход значительно упрощает навигацию по платформе и обеспечивает клиентам прямой доступ к подходящим медицинским профессионалам. Также мы планируем внедрять ИИ в нашу платформу в будущих итерациях проекта для таких целей, как определение остроты зрения и проведение диагностики.

Также перед искусственным интеллектом будут стоять такие важные задачи, как частичная замена медицинской сестры во многих процессах и контроль лечебных процедур.

Чаще всего внедрение искусственного интеллекта приводит к снижению расходов. И тут важно учитывать разницу между расходами, которые мы несем при внедрении этой системы, и будущим их уменьшением после внедрения. Помимо точности от использования искусственного интеллекта и высокой эффективности проведения лечебных процедур на телемедицинской платформе, можно учитывать и сокращение фонда оплаты труда медицинским сотрудникам. Это благоприятно влияет на наем и обучение сотрудников, а также на их удержание в компании.

Самая большая трудность — это разработка ИИ согласно тем техническим требованиям, которые нужны. Для того чтобы создать и сформировать самообучающуюся систему, которая будет правильно интерпретировать данные и станет помощником врачу при работе с платформой, нужно потратить несколько лет.

Уже более года я активно использую в работе нейросети — как в обучении итальянскому языку, так и для контент-маркетинга. На курсы приходят люди разных профессий и увлечений. Общие упражнения, как в учебниках, зачастую не вызывают интереса, поскольку они эмоционально не трогают ученика. Поэтому на первых занятиях я узнаю, что интересует каждого ученика, и с помощью нейросетей готовлю персонализированные упражнения. Они намного сильнее вовлекают учеников, а материал усваивается гораздо лучше.

Нейросети также очень полезны для контент-маркетинга. С их помощью мы создаем контент-планы, посты и статьи. В ближайших планах освоить использование чат-ботов с внедрением искусственного интеллекта. Они необходимы как для обучения, так и для маркетинговых целей.

Опытный маркетолог может потратить на создание контент-плана и написание пары-тройки постов целый рабочий день и попросит вознаграждение в несколько тысяч руб­лей. То есть мы успешно экономим на услугах специалиста по маркетингу, используя в работе нейросети.

Выделю две главные трудности. Во-первых, сложно натренировать нейросеть так, чтобы она создавала релевантный контент. Для этого приходится делать многоступенчатые запросы (prompt) и создавать подходящие шаблоны. Во-вторых, технологии не стоят на месте — они стремительно меняются. Чтобы можно было оптимально использовать нейросети, нужно успевать отслеживать их изменения и обновления. Хочется попробовать все новшества, но на это порой не хватает времени.

Мы применяем ИИ, например, в сфере подбора сотрудников. В этом нам помогает Hrobot — инструмент для скоринга и первичной оценки кандидатов.

В основе ИИ-инструмента специальная математическая модель, алгоритмы анализируют резюме кандидата и делают вывод, насколько он подходит или не подходит на вакансию. Hrobot анализирует информацию об уже работающих сотрудниках и выявляет закономерности для анализа резюме потенциальных сотрудников. После этого сервис составляет рейтинги кандидатов по каждой вакансии для HR-специалиста.

Для оценки эффекта мы замерили время, которое рекрутеры тратили на отбор и первичную оценку 100 резюме вручную, а потом сравнили его со временем, которое необходимо на ту же задачу для ИИ. Получилось, что на анализ и оценку 100 резюме человеку требовалось пять часов, а сервис справился за три минуты.

Кроме этого, есть еще косвенные преимущества использования Hrobot. Например, ИИ-инструмент исключает человеческий фактор, что помогает отбирать наиболее подходящие кадры. То есть снижать другие расходы и риски, связанные с выходом нового специалиста на работу.

Для наибольшей эффективности от работы ИИ-инструмента необходимо обучение модели на данных компании. И к этому этапу нужно относиться серьезно.

Недавно мы внедрили в производственные процессы нашей компании Orion Solutions революционный ИИ-ассистент Claude3. Сейчас Claude3 активно используется нашей редакцией, аналитиками и ORM-специалистами, что позволило сократить время, затрачиваемое отделами на рутинные задачи, на 80%.

Внедрение ИИ позволило значительно оптимизировать процесс написания текстов в нашей редакции. Аналитики используют ИИ для исследования данных, генерации кода для визуализаций и дашбордов, составления аналитических справок и описаний. Способность ИИ-ассистента работать с загружаемыми файлами и анализировать информацию делает его незаменимым помощником в аналитической работе.

ORM-специалисты применяют ИИ для определения тональности комментариев и составления матриц ответов по ключевым темам и сюжетам. Это позволяет быстро и эффективно реагировать на обратную связь пользователей и управлять репутацией компании в онлайн-пространстве.

Самая большая трудность, с которой мы сталкивались, — это человеческий фактор. Не все сотрудники морально готовы начать пользоваться ИИ, думают, что сами справятся лучше и быстрее.

Другая проблема заключается в том, что на данный момент ИИ не может выдавать готовый законченный продукт, его все равно надо проверять, редактировать и дорабатывать.

Последняя трудность, с которой мы сталкивались, — написание запросов. Чтобы получить нужный результат от ИИ, надо написать ему правильный запрос. К счастью, эта проблема перестает таковой быть с появлением опыта.

Мы активно используем искусственный интеллект в двух направлениях — это написание текстов и создание картинок для рекламной продукции. Технологии ИИ однозначно облегчают работу в первую очередь маркетологов и дизайнеров, значительно сокращают их путь к результату. Например, до использования нейросетей дизайнерам нужно было самостоятельно придумать идеи для картинок, отрисовать их, потратив на это неделю. Однако не всех клиентов сразу устраивал результат — они могли отказаться от предложенных вариантов, то есть нужно было начинать работу заново.

Сейчас с помощью ИИ дизайнеры создают модели и, прежде чем подбирать информацию и картинки уже для предметного обсуждения, сначала показывают заказчикам прообраз будущего результата. Клиенты могут сразу сказать, устраивают их идеи или нет. В итоге дизайнер тратит всего несколько часов или один день.

Да, с точки зрения графики ИИ иногда выдает некорректные прообразы — у персонажа на картинке могут быть три руки или две головы. Но в большинстве своем полученные результаты от нейросетей красивые, сочные и эффектные. Клиентам проще ориентироваться в предложенных вариантах.

Если говорить о работе маркетологов, то нейросети сильно сокращают их путь в выявлении смыслов, которые соответствуют задачам и миссии бизнеса, формировании идей и написании постов.

Одна из главных трудностей заключается в написании правильного промта, чтобы получить корректный и релевантный результат. Иногда довольно сложно создать для нейросети техзадание, описать в тексте все, что хочется увидеть на экране. Но навык приходит со временем, и мы уже видим, что наши картинки стали лучше, чем были три месяца назад. Лично я прошла дополнительное обучение по искусственному интеллекту — стало легче формировать запросы.

В наших продуктах мы уже сегодня используем модели машинного обучения и нейронные сети в платформе расширенной аналитики Ankey ASAP, но в основном мы используем ИИ для обнаружения атак и аномалий. Планируем в принципе расширять применение технологий и, конечно, прорабатываем вопросы автоматизации расследования киберинцидентов, автоматизации оценки качества работы средств защиты информации.

Мы рады, что начали заниматься развитием технологий и приложений на базе ИИ еще в 2018 г., сейчас у нас уже есть большой опыт и готовые решения. Что касается трудностей, основная проблема в том, что сейчас в отрасли появились продукты с ИИ, и менеджеры по продажам либо не совсем верно описывают технологии, либо намеренно вводят клиентов на рынке в заблуждение. В итоге вот появляется термин ИИ, который звучит из каждого окна, а то, что эти технологии давным-давно используются и не равны чату от компании OpenAI или их конкурентам — ну, как-то все смешивается. В итоге броские заголовки, очередные обещания клиентам — и смысл? Сейчас действительно произошла революция, но не в развитии технологии ИИ, а в развитии интерфейсов взаимодействия с ИИ, а точнее с некоторыми, на примере gpt и других, — это революция в обработке текста, видео и изображения.

Другая проблема — искажение критериев оценки эффективности. Мы прямо видим и слышим от наших клиентов, как тем представители других компаний дают оценки качества работы своих продуктов, в которых используют пять — десять разных моделей классификации, кластеризации для обнаружения аномалий и атак. И вот для всех сразу говорят: «У нас точность обнаружения 99%, а ложных срабатываний не более 0,5%». Когда слышишь такое от клиента как аргумент, волосы встают дыбом. Это или намеренная ложь, или непонимание, но нет таких метрик качества работы моделей классификации и кластеризации, которые были бы, во-первых, едины на все модели (у каждой модели свои показатели) и, во-вторых, тут совсем все по-другому звучит. Думаю, в ближайшие годы начнут наводить порядки, и вроде как даже представители ФСТЭК уже готовы вводить метрики.

Наша специализация — разработка трехмерных интерактивных приложений (AR/VR), в которых зачастую взаимодействие происходит внутри сложных трехмерных сцен, которые не просто нужно отрисовать и собрать — для начала их нужно придумать (выбрать сеттинг, стилистику, организовать объекты в сцене и т.д.). Обычно это решается на уровне создания визуальной концепции — мы привлекаем иллюстратора, с помощью которого собираем скетч-бук, в котором показываем цветовое и стилистическое решение, основные формы и объекты. Отрисовка одного скетча — задача от двух до 20 часов в среднем. С приходом ИИ-инструментов, таких как генеративные нейросети, большая часть этих задач решается при их помощи, с существенно (в десять раз) меньшими временем и трудозатратами.

Еще одно направление — голос. В наших приложениях зачастую присутствуют трехмерные NPC, с которыми можно взаимодействовать, или же они просто находятся в сцене и разговаривают с пользователем. До прихода AI мы использовали актеров для озвучивания диалогов этих персонажей. Сейчас с этой задачей прекрасно справляются генеративные нейросети для синтеза речи — можно не только выбрать голос, но и управлять его интонацией при озвучивании. Более того! Сейчас мы можем использовать связку трех нейросетей: для распознавания речи в текст, для генерации текстовых ответов и для синтеза речи — это позволяет буквально разговаривать с этими NPC, используя свой голос.

Отдельный пул задач — LLM существенно помогают разработчикам. Далеко не всегда рекомендуемый написанный LLM код можно использовать как есть, но во многих случаях он прекрасно выполняет объемные рутинные задачи и набрасывает общую структуру, в которую в дальнейшем разработчик может внести корректировки и доработки. Такой подход существенно (до 30—40% в зависимости от типа задач) ускоряет (а значит, и удешевляет) разработку.

Если обобщить — в нашей сфере на текущий момент внедрение AI позволяет экономить до 30% бюджета на производство контента, связанного с необходимостью генерации речевых аудиофайлов и визуализаций концепт-артов, и примерно в той же пропорции — ускоряет и удешевляет производство кода.