Департамент анализа данных и машинного обучения

​Какие решения на основе машинного обучения могут улучшить работу предприятия в условиях дистанционной работы и чего не хватает организациям для перехода на электронный документооборот, рассказал доцент, к.э.н. Михаил Викторович Коротеев.

- Все переходит на дистанционный формат работы, у многих возникает потребность либо в расширении работы колл-центра, либо в его переформатировании. Есть ли решения, которые могут улучшить работу колл-центра?

- В области машинного обучения я не знаю никаких готовых коробочных решений, которые бы могли по щелчку пальцев автоматизировать работу колл-центра. Можно очень точечно автоматизировать работу колл-центра в части стандартных скриптов, по которым работают операторы. Но это не комплексное решение, которое бы могло дать какой-то существенный приток производительности.

Надо понимать, что автоматизация работы колл-центра невозможна без автоматизации работы всего предприятия в целом. Колл-центр как передовая оконечность бизнеса очень связана со всеми информационными потоками предприятия. Например, в крупных компаниях эти потоки довольно разрозненные, и тут встает проблема интеграции различных источников информации. Исходя из того, какие информационные потоки приняты в организации, можно говорить о том, целесообразно ли внедрять какие-то системы на основе машинного обучения.

- Есть ли в Департаменте анализа данных, принятия решений и финансовых технологий опыт работы над такими проектами?

Над проектами, которые требуют интеграции информационных потоков из разных источников, должны работать специальные датасаентисты. Подготовкой таких специалистов и занимается наш департамент. Это кропотливая ручная работа, довольно долгая. Работа по интеграции занимает существенную долю всей работы по разработке целого программного продукта. Если мы говорим про автоматизацию систем для работы с клиентами, CRM, то встает необходимость не просто интегрировать все базы данных, которые существуют в организации, но делать это в режиме онлайн. Это добавляет задаче еще один уровень сложности.

Например, сейчас сотрудники нашего департамента работают над проектом автоматизации общения с клиентами на основе вопрос-ответных систем. Там первый этап всей работы состоял в том, чтобы собрать большую базу знаний, и только потом началась работа по созданию системы на основе машинного обучения.

- Целесообразно ли сейчас пытаться внедрять и усовершенствовать IVR-системы?

- IVR - это прошлый век. Хотя они достаточно популярны, это паллиативное решение. Такие голосовые меню не очень удовлетворяют потребителей, порой даже раздражают. Многие крупные банки, которые давно внедрили такие системы, сейчас приходят к пониманию, IVR скорее вредит отношениям с клиентами, чем экономит время работы операторы. Я думаю, что сейчас развитие этой сферы идет в сторону вопрос-ответных систем. Это могут быть текстовые помощники на первых итерациях, умные чатботы, которые в режиме наиболее приближенном к живому общению способны поддерживать контекст разговора и отвечать в едином информационном поле на несколько вопросов, не переспрашивая каждый раз полный цикл информации. Такие системы гораздо более востребованы.

- Как решения на основе машинного обучения могут упростить документооборот?

- Опыт экстренного перехода на дистанционный формат работы показал, что главная задача лежит в плоскости не программного обеспечения, а организационной. Нужно волевое решение руководства компании о кардинальном упрощении документооборота внутри компании и переходе на электронный формат. Я не думаю, что сейчас в этой сфере будет появляться что-то радикально новое, отличающееся от того, что уже существует. Системы электронного документооборота с автоматизированным распознаванием форм, автозаполнением уже существуют и успешно внедряются в работу предприятий. Технические возможности перевести весь документооборот в цифровую форму были уже давно в индустрии. Сейчас данная ситуация просто подтолкнула организации к тому, чтобы активнее использовать существующие инструменты.

- Какие еще задачи встают перед специалистами по машинному обучению при работе над проектами по повышению эффективности предприятия?

- Существуют более узкие задачи. У бизнеса часто возникают конкретные проблемы, которые нужно решить точечно. Тут методы машинного обучения уже зарекомендовали себя как действенные. Например, сейчас растет популярность телемедицинских сервисов, которые работают по подписке. Они столкнулись с проблемой злоупотребления со стороны клиентов, которые делятся своим доступом к сервису с друзьями и знакомыми. В результате по одной подписке услугу получает много домохозяйств, что кратно повышает нагрузку на бизнес. Задача состоит в идентификации клиента по голосу. Когда клиент звонит, он представляется, и машина может сравнить голос с образцом, взятым из предыдущего звонка или из разговора при составлении договора. На сравнение уходит несколько секунд, после чего система выдает автоматическую оценку, является ли звонящий клиентом сервиса или это другой человек.

- Но если человек болен, у него может быть изменен голос.

- Да, конечно. Всегда есть вопрос надежности и безопасности таких систем. Поэтому при внедрении систем машинного обучения нужно вести разъяснительную работу с руководством компании, объясняя, что подобные системы на основе машинного обучения могут давать рекомендации, помогать человеку в принятии решения, но бремя ответственности за решение всегда должно лежать на конкретном человеке.

Система не субъект права. Мы не рекомендуем использовать подобные системы для полной автоматизации процесса идентификации клиентов. Система идентификация по голосу не должна единолично принимать решение об отключении клиента от сервиса, если его голос покажется не соответствующим предыдущим образцам. Такой подход был бы крайне вреден для бизнеса и в корне неверным.

Сейчас в области машинного обучения ведутся дискуссии о надежности, безопасности систем с точки зрения человеческих критериев принятия решения. Это связано и с широким внедрением ИИ в различные сферы, с появлением беспилотных автомобилей, которые могут, например, сбивать пешеходов. Кто в таком случае должен нести ответственность? Если речь идет о решениях для медицинской сферы, то вопрос об ответственности встает с особой остротой. Мы можем создать диагностическую систему с определенными параметрами эффективности и надежности, но кто будет отвечать за неверно поставленный диагноз? Это может быть только специалист-человек, потому что только он выступает субъектом в правовом поле. Поэтому подобные системы не способны заменить человека, они лишь призваны помочь ему в принятии решения.