5 историй успеха машинного обучения: взгляд изнутри

ИТ-руководители рассказывают, как они используют искусственный интеллект и машинное обучение для получения бизнес-идей.

Искусственный интеллект и машинное обучение (ML) становятся все более популярными на предприятиях, и организации все чаще используют эти технологии, чтобы лучше предугадывать предпочтения клиентов и поддерживать бизнес-операции.

По данным IDC, в 2023 году расходы на системы искусственного интеллекта превысят 97,9 млрд долларов, что почти втрое больше, чем 37,5 млрд долларов, потраченных до 2019 года . Согласно исследованию Capgemini, опубликованному в июне, 87% из 950 опрошенных организаций развернули пилотные проекты ИИ или запустили ограниченные варианты использования в производство .

Тем не менее, вспышка COVID-19 представляет собой новую проблему для ИИ, поскольку многие организации, которые полагаются на исторические данные при формировании своих алгоритмов, с марта столкнулись с перекосом своих моделей. Этот феномен «дрейфа данных» не позволяет компаниям полагаться на свои существующие модели, - говорит Джерри Курц, исполнительный вице-президент Capgemini по аналитике и данным. Например, модели, вероятно, значительно изменятся для компании, пытающейся спрогнозировать интервалы технического обслуживания реактивных двигателей, использование которых в последние месяцы прекратилось. То же самое для розничных торговцев, которые наблюдали снижение продаж в последние месяцы.

«Есть хороший процент случаев, когда определенные данные меняются так быстро, что история больше не может служить хорошим предсказателем», - говорит Курц CIO.com. «Компаниям придется пересмотреть свои алгоритмы, потому что они никогда не предполагали, что переменные изменятся».

Перед лицом таких проблем ИТ-директора, внедряющие ИИ и машинное обучение, обсуждают свою работу.

По словам Раджева Ронанки, директора по цифровым технологиям страховой компании, Anthem внедрила решения AI и ML для самых разных задач: от прогнозирования траектории здоровья пациента до разрешения споров по поводу своих услуг.

Анализируя данные о состоянии здоровья, полученные за годы лечения пациентов с хроническими заболеваниями, такими как диабет или проблемы с сердцем, и сравнивая их с пациентами с аналогичными заболеваниями или их «цифровыми близнецами», Anthem может предвидеть вероятный результат лечения.

AI также помогает Anthem отслеживать ход рассмотрения претензий и других услуг, чтобы выявлять потенциальные проблемы клиентов с рассмотрением требований о выплате пособий и другими услугами. Если Anthem обнаруживает надвигающееся несоответствие, его служба поддержки клиентов свяжется с поставщиком или пациентом, чтобы объяснить причину. По словам Ронанки, такая активная работа имеет решающее значение для предотвращения нестабильных столкновений. Для этого Anthem анализирует исторические данные, собранные по миллионам звонков, в которых клиенты выразили неудовлетворенность услугами компании. ИИ генерирует оценки, указывающие на вероятность того, что клиенты могут подать жалобу на более высокий уровень.

Среди поставщиков искусственного интеллекта, с которыми сотрудничает Anthem, является CognitiveScale, который, по словам Ронанки, помог компании демократизировать ИИ и снизить стоимость разработки высокоэффективных сценариев использования. CognitiveScale, которая специализируется на создании объяснимого ИИ, помогает Anthem «объяснять наши решения и предоставлять контекст, в котором мы можем».

Возможности и наборы навыков искусственного интеллекта встроены в каждое направление деятельности Anthem, а приложения, разрабатываемые межфункциональными группами, специально предназначены для упрощения медицинского обслуживания, чтобы сделать его более «персонализированным, продуктивным и проактивным», - говорит Ронанки.

Директор по инновациям Джеймс Фэйрвезер сообщил CIO.com, что Pitney Bowes, 100-летний поставщик услуг офисной доставки и почтовых услуг, активно работал с инструментами AI и ML в течение последних 8 лет. В настоящее время компания использует программное обеспечение машинного обучения для прогнозирования вероятности выхода из строя ее почтовых и посылочных станций , включающих планшет Android и встроенный принтер. Если программное обеспечение ML, которое напрямую связывается с подключенными станциями, обнаруживает потенциальную неисправность, оно назначает техника выездного обслуживания для работы с машинами.

По словам Фэйрвезера, устранение проблем до того, как машины выйдут из строя, очень важно для сокращения времени простоя при отправке посылок. А поскольку программное обеспечение машинного обучения настолько хорошо умеет предвидеть проблемы с течением времени, Pitney Bowes аккуратно планирует сеанс обслуживания в системе управления выездным обслуживанием. «Это обеспечивает отличный опыт для клиентов», - говорит Фэйрвезер.

Поскольку потребительский опыт доставки становится настолько критичным в мире, где однодневная доставка становится все более распространенной, Pitney Bowes также использует алгоритмы машинного обучения для оптимизации объемов возврата доставки путем отслеживания маршрутов посылок для выявления последовательных аномалий в обработке. Например, алгоритм помечает посылку, которая обычно сканируется каждые 4 часа на пути следования, но пропускает второе окно сканирования, говорит Фэйрвезер. «Мы построили модель науки о данных, основанную на нормах этих действий, чтобы предсказать аномалии в обработке», - объясняет Фэйрвезер.

Перед тем, как Ocean Spray начала свой путь искусственного интеллекта и машинного обучения, производителю клюквенного, грейпфрутового и других соков пришлось очистить данные, которые он собирал за годы. Как сообщил CIO.com директор по цифровым технологиям и технологиям Джейми Хед, компания реализовала стратегию управления основными данными для повышения единообразия и точности своих информационных активов, генерируемых бизнес-подразделениями и клиентами.

«Ocean Spray» использует машинное обучение для анализа исторических данных за последние три года, чтобы оценить тенденции роста продаж, а также для анализа моделей рекламных акций конкурентов, чтобы устранить возможные сезонные разрывы, - говорит Хед. Команда Хэда работает со стартапом по машинному обучению Visual Fabric, чтобы понять, как он может лучше генерировать аналитические данные на основе отслеживания расходов, чтобы «двигать бизнес вперед», - говорит Хед. ИТ-группа делится этими знаниями с отделом продаж, чтобы помочь им усовершенствовать свой подход к рынку.

Ocean Spray также изучает, как использовать ML для повышения качества урожая клюквы, анализируя цвета, размер и другие переменные, включая почвенные и климатические условия, для своих партнеров по сельскому хозяйству в Канаде, Массачусетсе, Нью-Джерси, Висконсине и Чили, среди прочего. регионы.

Сотрудники отдела продаж Honeywell используют программное обеспечение AI, чтобы определять приоритеты встреч и управлять потенциальными клиентами, что помогает им привлекать клиентов к системам авионики, строительной технике и другому промышленному оборудованию компании.

Программное обеспечение, виртуальный помощник, созданный Tact.ai , извлекает информацию из систем Microsoft Office 365 и Salesforce от Honeywell, по словам Патрика Хогана, вице-президента по коммерческому совершенству промышленного производителя. Используя свои смартфоны, сотрудники могут разговаривать с помощником Tact.ai или отправлять текстовые сообщения, чтобы проверить, достигли ли они своих целей продаж, и просмотреть показатели того, как клиенты взаимодействовали с их бизнес-предложениями.

Когда продавец заканчивает встречу, Ассистент спросит его, какой следующий шаг они планируют сделать. Помощник также «подталкивает» пользователей уведомлениями, чтобы они использовали возможности, которые могут стать устаревшими. «Это помогает вам оставаться на вершине своей территории», - говорит Хоган, добавляя, что инструмент узнает больше о рабочих процессах и предпочтениях каждого продавца при каждом использовании.

Ассистент оказал настолько положительное чистое влияние на воронки продаж Honeywell, включая больше личных встреч и увеличение долларов на продавца, конверсию продаж и доходность, что он активно призывает большее количество сотрудников компании из 9500 человек использовать этот инструмент.

По словам ИТ-директора Тодда Хейла, Office Depot инвестирует в возможности машинного обучения, чтобы получить представление о предпочтениях клиентов и лучше рекомендовать продукты.

Аналитические усилия предпринимаются в связи с тем, что компания с оборотом в 11 миллиардов долларов стремится расширить свое подразделение бизнес-услуг, включая подразделение технических услуг CompuCom, при одновременном снижении зависимости от продаж канцелярских товаров. Продажи B2B обеспечивают более 60% доходов Office Depot . Компания использует передовые методы искусственного интеллекта / машинного обучения, такие как XGBoost и случайный лес, для сегментирования клиентов по персонажам и прогнозирования оттока клиентов, их жизненной ценности и близости продукта.

«В электронной коммерции мы используем возможности глубокого обучения Analytics Zoo на Apache Spark и BigDL, чтобы в режиме реального времени предоставлять рекомендации по продуктам и разрабатывать модели перекрестных и дополнительных продаж», - говорит Хейл. В идеале это поможет Office Depot создавать «индивидуальные продукты и услуги», - добавляет он.