10 примеров применения машинного обучения в бизнесе
Машинное обучение, или machine learning, используют в работе многие западные и российские компании. Часто мы не догадываемся, что тот или иной процесс в организации или функция в мобильном приложении реализованы благодаря технологии машинного обучения. Так, machine learning позволяет программам предсказывать неисправности в промышленных станках, точно прогнозировать поведение клиентов интернет-магазина, ставить пациентам диагнозы.
В NLABTEAM мы более 20 лет занимаемся проектами по машинному обучению. Разрабатываем системы аналитики и предсказания данных, помогаем клиникам повышать качество медицинских исследований, а банкам — защищаться от мошеннических атак. В статье мы рассмотрим примеры применения ML-технологий в бизнесе.
Чем занимается искусственный интеллект на производстве и в добыче ископаемых
Сокращает простои
Если завод не закажет сырье вовремя или не успеет вовремя предотвратить поломку станка, владельцы потеряют десятки миллионов рублей. Или не потеряют, если оборудовали станки датчиками, которые собирают показатели, анализируют их, составляют алгоритмы прогнозирования неисправностей и заблаговременно оповещают техперсонал до того, как дефект привел к катастрофе. Это — применение машинного обучения в производстве.
Например, компания GE Oil&Gas научила программную платформу анализировать информацию о нефтедобыче, разрабатывать график техосмотра нефтедобывающего оборудования и вовремя сообщать технологам о неисправностях.
Платформу с такими же «навыками» применяет Кувейтская нефтяная компания. С момента внедрения программы она стала добывать на 5% больше газа и на 10% уменьшила расходы на ремонт станков. Крупный поставщик нефтепродуктов Shell тоже доверил выявление уязвимостей нейросетям. Когда система заработала, выяснилось, что теперь сотрудники успевают разобраться со всеми (!) мелкими неисправностями оборудования, и аварии из-за человеческого фактора предприятию не грозят.
Управляет технологическими процессами
Использование машинного обучения помогает программам контролировать бизнес-процессы на предприятиях. Платформы на основе ИИ уменьшают количество брака, сокращают время прохождения технологических этапов, экономят сырье, следят за исправностью станков, автоматизируют производственные процессы.
Компания Simatic, которая выпускает микроконтроллеры, пользуется программной платформой, работающей по принципам машинного обучения. После внедрения платформы 75% производственных операций в этой компании взяли на себя роботы, объем производства умножился на девять, количество бракованной продукции сократилось.
Обнаруживает месторождения полезных ископаемых
Эту возможность оценили горнодобывающие предприятия, которые тратят крупные суммы на разведку месторождений. Программы, использующие метод машинного обучения, находят закономерности в поиске месторождений природного газа и золотоносной руды.
Российский «Газпром» внедрил машинное обучение в бизнесе в своей лаборатории, где технологи изучают пробы горных пород и пытаются найти новые месторождения полезных ископаемых в камерных условиях. Нейросеть составляет алгоритмы, которые выстраивают цифровую модель местности вокруг предполагаемого месторождения. Инженеры анализируют эту модель и решают, стоит ли вкладывать деньги в разработку месторождения на исследуемом участке. Благодаря машинному обучению Газпром удвоил объем добычи нефти и газа и ускорил поиск новых месторождений в полтора раза.
Как работает машинное обучение в банках
Выясняет платежеспособность потенциальных заемщиков
В 8 из 10 российских банков кредитоспособность заявителей оценивают менеджеры. Ручной анализ — долгая процедура, которая часто приводит к ошибкам из-за человеческого фактора: платежеспособным людям кредит не дают, а неспособным вернуть долг — одобряют.
Если банк пользуется возможностями нейросети, платформа сама анализирует данные по ранее выданным займам, ищет просрочки и выясняет, возвращал ли заемщик долг досрочно. На основании этой информации она автоматически решает, одобрить ли кредит в конкретном случае.
Сбер пользуется платформой, которая оценивает платежеспособность заявителя за семь минут. У менеджеров изучение кредитной истории заявителя занимало до получаса. В 2021 году Сбер выдает 98 кредитов из 100 на основании решений, принятых нейросетью. Это экономит банку миллиарды долларов.
Мешает мошенникам воровать деньги
Клиент любого банка может потерять деньги из-за взлома счета, воровства паролей или других мошеннических действий. Если банк внедрил систему машинного обучения, программы автоматически распознают действия злоумышленников и принимают меры до того, как деньги уйдут на счета третьих лиц.
Немецкий Danske Bank научил нейросеть выявлять подозрительные операции и блокировать их. Еще с помощью ИИ компания сократила количество ложных заявлений о краже денег со счетов на 60%.
Как пользуются машинным обучением в клиниках
Повышает качество обслуживания пациентов
Жители крупных городов не любят стоять в очередях и выбирают больницы, где можно быстро записаться на прием. Если для записи приходится часами стоять в регистратуре, люди нервничают и уходят к конкурентам, которые внедрили системы искусственного интеллекта.
Многопрофильные клиники Инвитро пользуются облачным сервисом Mail.ru Cloud Solutions, чтобы автоматически распознавать лица клиентов. Человек приходит на ресепшн, и система выдает администратору направление в кабинет к специалисту. Благодаря ИИ утренние очереди в регистратуру уменьшились на 30%.
Помогает ставить диагнозы
Самые яркие примеры использования машинного обучения в медицине — это автоматическая диагностика больных с подозрением на инфаркт миокарда. Если кардиологическое отделение интенсивной терапии в клинической больнице загружено, но часть койко-мест занято людьми с неточно поставленными диагнозами, новоприбывшие на «скорой» больные с истинным инфарктом сердечной мышцы, которых некуда положить, могут погибнуть.
Программа анализирует данные, собранные прибором для экспресс-эхокардиографии, и решает, случился ли у человека инфаркт или у него обострилась другая болезнь сердца. От решения зависит, какую помощь получит пациент в реанимации. Обследованного роботом пациента без инфаркта врачи отправят не в реанимацию, чтобы не занимать место, а в общую палату, но сразу займутся коррекцией его состояния.
Программная платформа Corti умеет распознавать высокий риск остановки сердца по голосу человека, который звонит в службу скорой помощи. Эксперименты показали, что ИИ распознает приближение инфаркта в 93% случаев, а оператор — только в 73%. Кроме того, машина выдает результат за 48 секунд, а оператор — за 79 секунд. Некроз сердечной мышцы развивается стремительно, и оставшиеся в запасе секунды могут оказаться решающими.
Увеличивают процент удачных операций
Нейросеть обучает роботов оперировать людей с учетом разных факторов, которые влияют на методы проведения операции. Пока врачи доверяют машинам простые действия, поручаемые младшему медперсоналу.
Ученые Калифорнийского университета загрузили в память робота 78 видеофайлов с операциями. Машина проанализировала фильмы и научилась зашивать рану на муляже человека. Теперь робота тренируют технике аккуратной и точной подшивке послеоперационных ран на живых образцах тканей.
Как ИИ облегчает работу маркетологов
Прогнозирует поведение клиентов
Машина определяет, кто из посетителей торгового зала с высокой вероятностью что-нибудь купит, решает, кому какие товары рекомендовать, предлагает скидки на основе предпочтений конкретного человека.
Магазины косметики Рив Гош научили систему искусственного интеллекта отправлять покупателям персональные скидки. Платформа предсказывает, кто из клиентов может зайти в магазин в ближайшие 10-14 дней, составляет индивидуальные подборки товаров и подбирает скидки на основании того, что человек уже покупал. Благодаря машинному обучению компания подняла средний чек на 40% и удвоила количество повторных визитов.
Еще один пример — банк Уралсиб. Кредитная организация научила ИИ искать людей, которые интересуются лимитом и длиной беспроцентного периода у кредиток, но не интересуются процентом. Программа находит их и предлагает карточки с лимитом выше среднего. В 2020 году машинное обучение увеличило продажи кредитных карточек Уралсиба на 25%.
Составляет прогнозы по спросу
Искусственный интеллект изучает поведение покупателей и подсчитывает товары на складе. Машина сопоставляет эти данные и сообщает закупщикам, сколько продукции выгодно приобрести для розничной реализации.
Английские продовольственные магазины Morrisons научили систему искусственного интеллекта определять, какую продукцию и когда именно с большой долей вероятности купят клиенты. Машина учитывает праздники и сезонность. Благодаря ей сеть магазинов на треть уменьшила разрывы в поступлении товаров на склады.
Зачем логистические компании используют машинное обучение
Сокращают расход горючего
Транспортные компании тратят на горюче-смазочные материалы значительную часть бюджета. Если доверить анализ расхода топлива системе искусственного интеллекта, эти траты удастся сократить. Например, быстрее и тщательнее продумать маршруты движения автомобилей или решить, как уменьшить количество рейсов без потери производительности.
Логистическая компания Caterpillar оборудовала грузовые корабли датчиками, которые показали системе ИИ: выгоднее установить больше маломощных генераторов, чем нещадно эксплуатировать меньшее количество мощных генераторов. Благодаря нейросети за 2020 год компания уменьшила расходы на горючее на 650 тыс. долларов.
Логистическая компания DHL купила систему ИИ Supply Watch. Машина обучена поиску и анализу рисков. Она умеет учитывать погоду, состояние дорог, пробки и криминогенность регионов. Благодаря этому система вовремя предупреждает заказчиков логистических услуг о простоях. Это повышает доверие людей к компании.
Уменьшают количество задержек поставок
Даже когда одна машина приходит в пункт назначения не вовремя, сбивается вся цепь доставки товаров. Остальным водителям приходится стоять и ждать того, кто опоздал. Клиенты злятся из-за сорванных сроков, логисты теряют деньги и портят репутацию. Всего этого можно избежать, если научить систему ИИ предсказывать риски и управлять временем доставки с учетом возможных простоев.
Как предположительно будет развиваться машинное обучение
К 2021 году треть европейских, китайских и американских компаний внедрила системы искусственного интеллекта, навыки которых появились после применения методов машинного обучения. Есть мнение, что к 2026 году ИИ будет помогать 42% государственных и частных организаций в развитых странах экономить деньги, предсказывать поведение людей и улучшать качество обслуживания.
