29 December, 2023
Цифровая трансформация стремительно развивается. Несмотря на спорные моменты в отношении безопасности и этики, в этом году мы наблюдали, как технологии ИИ влияли не только на работу компаний, но и стали постоянным спутником в карьере и жизни многих людей. У искусственного интеллекта и анализа данных огромный потенциал для изменения бизнес-процессов и целых отраслей экономики, давайте рассмотрим, какие основные тренды и тенденции мы будем наблюдать в самом ближайшем будущем.
Все больше и больше компаний в финансовой сфере начинают применять искусственный интеллект и анализ данных для улучшения своих бизнес-процессов и принятия более точных решений и повышения прибыли, например, как в кейсе банка «Открытие». Посмотрим на конкретные примеры бизнес-задач.
Ценообразование
Предлагая клиентам различные градации процентных ставок в зависимости от профиля потенциального заёмщика и скоринга, банки ориентируются на выработанные алгоритмы и часто на «вилки» значений, которые допускают разные условия. Наиболее продвинутые решения, основанные на ИИ, обученном на качественных данных и поведении десятков или даже сотен тысяч клиентов позволяют наиболее точно определить и профиль заёмщика, и кредитный риск, и потенциальную прибыль банка. При этом ИИ так же, как и менеджер, ориентируется на правила и алгоритмы, но его экспертиза бесконечно обширнее, потому что он обучается на огромных массивах данных и совершенствует аналитику, обучаясь на своей работе. Подобный прогресс свойственен и человеку, но всё же мы не способы обрабатывать сопоставимое количество данных и отслеживать путь каждого клиента, чтобы оценивать и уточнять профиль.
Кредитный скоринг
В кредитном скоринге с применением традиционных методов специалисты ограничены узким диапазоном финансовых сведений, анализ данных в свою очередь позволяет компаниям и экспертам проводить более глубокие исследования, учитывая разнообразные источники при оценке кредитоспособности человека.
Вот основные преимущества использования ИИ в кредитном скоринге, причины, по которым тренд на автоматизацию продолжит развиваться в следующем году: • Более точная оценка кредитоспособности заемщика: использование технологий ИИ позволяет учитывать большее количество факторов. • Снижение рисков для кредитора: возможность более точно определить вероятность плохого обслуживания и невозврата кредита. • Более быстрый процесс принятия решения о выдаче кредита: автоматизация процесса оценки кредитоспособности позволяет сократить время, необходимое для принятия решения. • Снижение затрат на оценку кредитоспособности благодаря автоматизации процесса.
Предотвращение мошенничества
Один из самых динамично развивающихся трендов: анализ данных для обнаружения мошенничества. Это построение моделей машинного обучения, а также обучение ИИ-систем, которые помогают выявить подозрительные транзакции, использование счетов для незаконных операций или злоупотребление картами лояльности и скидками и экономить сотни миллионов для крупных компаний.
Анализ данных уже используется для определения аномалий, что подразумевает поиск необычных паттернов, которые выходят за рамки ожидаемого поведения. Например, ИИ-модули в бухгалтерских и CRM-системах могут обучаться определять аномалии в почте, поведении пользователей, логах серверов и других источниках данных.
Важно отметить, что анализ для обнаружения мошенничества требует наличия большого объема данных для обучения моделей и постоянной актуализации для учета новых видов мошенничества. Также необходимо проводить регулярную оценку алгоритмов и их производительности, чтобы минимизировать ложные срабатывания и ошибки. Плюс в том, что и на этих ошибках ИИ учится и уже не допустит их в будущем.
Прогнозная аналитика для инвестиций
Одна из основных задач прогнозной аналитики в инвестировании — предсказание цен на акции, валюты или другие финансовые инструменты. Такие модели предсказывают цены на основе исторических данных, работе инвесторов и других показателей, таких как новости или финансовые показатели компаний. ИИ-системы могут быть использованы для различных стратегий, включая долгосрочное инвестирование, краткосрочную торговлю или арбитраж. Технологии помогают выявлять потенциальные возможности для прибыльного инвестирования и решать сложные задачи оптимизации портфеля. Преимущества таких систем в том, что они, как и в случае с ценообразованием или скорингом, самообучаются в процессе работы и постоянно повышают свою точность. При правильном подходе такие системы учатся сразу и на своём опыте, и на опыте специалистов и экспертов.
Тренд «на вырост»: робо-советники
Робо-советники — это системы автоматизированного инвестиционного консультирования, которые используют алгоритмы и технологии искусственного интеллекта для предоставления инвестиционных рекомендаций клиентам: они предлагают простой и доступный способ инвестирования, основанный на долгосрочных стратегиях и диверсификации портфеля.
Причины их растущей популярности: • Автоматизация и эффективность: предоставляют автоматическое управление портфелем без необходимости посещения финансового консультанта или брокера. • Персонализация: клиенты могут получить персональные рекомендации, основанные на своих потребностях и предпочтениях. • Доступность: комиссии за использование робо-советников обычно значительно ниже, чем у традиционных финансовых консультантов.
Здесь нужно отметить, что ИИ-технологии становятся трендами как раз потому, что в конечном счёте удешевляют процессы, в которых они задействованы, так как с обработкой данных и самообучением для вычислительных и алгоритмических задач они уже справляются лучше человека. Плюс их можно нагружать работой 24/7 и от этого прогнозы и результаты становятся только точнее. Здесь встают этические вопросы и роль человека на рынке труда в будущем, но эти вопросы в любом случае встанут перед обществами через какое-то время. А что касается усталости и выгорания, то эти же технологии помогают их выявлять у сотрудников.
В медицине ИИ и анализ данных играют всё более важную роль, и эти тенденции развиваются всё более быстрыми темпами.
Использование ИИ для диагностики
ИИ уже помогает сокращать время и повышать точность диагноза, анализируя медицинские изображения, наборы данных и симптомов. Алгоритмы машинного обучения и нейронные сети могут обучаться на огромных объёмах данных пациентов, что помогает в идентификации паттернов и заболеваний, которые могут быть незаметны для человеческого глаза.
Одна из областей, где ИИ находит широкое применение, — это анализ медицинских изображений: алгоритмы машинного обучения и нейронные сети обрабатывают большие объемы медицинских снимков, таких как рентгеновские снимки, КТ, МРТ и УЗИ, и выявляют аномалии и патологии, что позволяет ранее обнаруживать опухоли, поражения сосудов и другие заболевания, что в свою очередь улучшает шансы на успешное лечение. В 2024 году это развитие продолжится, а ПО будет активно внедряться в больницы и диагностические центры по всему миру.
Другая сфера, в которой ИИ показывает потенциал, — анализ медицинских данных и истории болезни пациента. Алгоритмы могут распознавать паттерны и связи между различными параметрами, что позволяет предсказывать вероятность заболевания, эффективность лекарственных препаратов и разрабатывать индивидуальные подходы к лечению. Здесь технологии будут развиваться одновременно с развитием более персонального, таргетированного подхода к профилактике и лечению.
Кроме анализа изображений, ИИ и анализ данных используются для разработки инновационных протезов и имплантатов. Например, в мире нейротехнологий разрабатываются нейроинтерфейсы, которые позволяют людям с ограниченными физическими возможностями управлять компьютером или другими устройствами непосредственно с помощью своих мыслей.
И коротко ещё о нескольких перспективных направлениях, где развитие ИИ-технологий будет повышать уровень высокотехнологичной медицины:
3D-печать в медицине
Эта технология активно используется для создания настраиваемых имплантатов, ортопедических аппаратов и протезов: используя данные сканирования пациента, медицинские специалисты могут создать точную 3D-модель нужного объекта и распечатать его. Такой метод позволяет улучшить адаптацию и соответствие устройства пациенту, и приводит к более эффективному лечению и успешным результатам.
Персонализированная генетическая медицина
Использование данных о геноме пациента, медицинских историй и результатов лабораторных тестов позволяет создавать персонализированные планы лечения, определить оптимальные методы и прогнозы результатов для клиента, учитывая его уникальные особенности и генетический код.
Обработка естественного языка в медицинской документации
Метод позволяет анализировать медицинскую документацию, включая истории болезни, отчёты о симптомах и результаты испытаний для автоматического извлечения информации и создания базы знаний, что помогает врачам и исследователям получать доступ к большому объему данных, сокращать время распознавания и увеличивать точность анализа. На эту тему у нас есть большой кейс совместно с НИЦЭМ им. Н.Ф. Гамалеи.
Прогнозирование эпидемий и общественного здоровья
ИИ может анализировать данные о распространении инфекционных заболеваний, образцах крови, информации из социальных сетей и других источников для прогнозирования эпидемий и принятия мер по общественному здоровью. Алгоритмы машинного обучения могут обрабатывать большие объемы данных и находить скрытые шаблоны, что помогает своевременному выявлению и контролю инфекционных заболеваний. Об этом мы также писали подробнее в рамках проекта «Монитор-Био».
Разработка новых лекарств и лечебных схем
Также технологии ИИ позволяют ускорить процесс открытия новых лекарств и разработки инновационных лечебных схем, а именно анализировать миллионы соединений и прогнозировать их эффективность и побочные эффекты, что помогает сократить время и затраты на исследования.
Персонализированный маркетинг: визуализация клиентского пути и покупательского поведения
С использованием анализа всё большего количества данных и ИИ розничные компании будут предлагать потребителям индивидуально подобранные и настроенные группы товаров, основанные на их предпочтениях и поведении покупок ещё точнее, чем это происходит сейчас. Информация о том, как клиенты взаимодействуют с продуктами и услугами, добавлении их в корзину, частоте и длительности просмотра и т.д. уже помогает оптимизировать размещение товаров, лучше понимать потребности клиентов и предлагать более персонализированные предложения.
Развитие видеоаналитики с применением ИИ позволит точнее определять, какие клиенты приходят в магазин и в какое время, что они предпочитают и из каких категорий. Ретейлеры будут использовать эту информацию для адаптации местоположения, внешнего вида, ассортимента или даже цен и индивидуальных скидок на товары, чтобы улучшить опыт покупки и удовлетворенность клиентов, таким образом, превращая покупку в уникальное и индивидуальное путешествие для каждого, что в итоге помогает установить более прочные отношения с клиентами, повысить лояльность и увеличить продажи.
Оптимизация цепочки поставок
Анализ данных и ИИ обеспечивает более точный прогноз спроса, что помогает снизить затраты на запасы и минимизировать нереализованные товары. Более эффективная логистика и управление инвентаризацией оптимизируют цепочку поставок и повышают удовлетворенность клиентов. Эта технология будет получать всё большее распространение и в конечном счёте станет стандартом.
Улучшение обслуживания клиентов
В следующем году розничные компании продолжат использовать ИИ для автоматизации процессов поддержки клиентов и улучшения качества обслуживания: виртуальные ассистенты и боты с помощью нейронных сетей и обработки естественного языка могут оперативно отвечать на вопросы и помогать клиентам решать проблемы. По мере развития технологий такой опыт становится всё менее отличим от живого общения. Надо отметить, что следующий шаг, который кажется ещё более футуристичным, уже не так далеко: по сути, ожидаемый этап — так называемый интернет вещей.
Распознавание образов и анализ видео
Технологии компьютерного зрения и машинного обучения позволят ритейлерам распознавать образы и проводить анализ видео в режиме онлайн, чтобы извлекать ценную информацию о поведении клиентов в магазинах. Этот метод уже сейчас помогает оптимизировать расстановку товаров, а также предупреждать воровство и обеспечивать безопасность.
Предиктивный анализ и моделирование
Розничные компании будут всё больше использовать технологии ИИ для создания предсказательных моделей, которые помогут оптимизировать ассортимент, ценообразование, маркетинговые кампании и операции: такие модели позволят выявлять новые тренды и предотвращать потери.
Повышение энергоэффективности и интеллектуализация сетей
ИИ и анализ данных уже помогают оптимизировать потребление энергии, выявлять и устранять энергозатратные процессы, а также оптимизировать работу энергосистемы в режиме реального времени. Все это будет и дальше повышать энергоэффективность и снижать нагрузку на сеть, с лихвой компенсируя затраты, которые нужны на развитие непосредственно самих технологий.
Оснащение энергосистем интеллектуальными алгоритмам, прогнозирование нагрузок, оптимизация распределения энергии и управление децентрализованными источниками, такими как ветровые и солнечные фермы, поможет более эффективно и надежно управлять энергетической инфраструктурой.
Расширение масштаба обработки данных
С развитием интернета вещей и устройств, собирающих данные о потреблении энергии, анализ и обработка больших объёмов данных становится непременным условием для принятия обоснованных решений в энергетике. ИИ и анализ данных позволяют обрабатывать и анализировать эти сведения, чтобы прогнозировать изменения и оптимизировать деятельность энергосистемы.
Все эти факторы в совокупности способствуют повышению конкурентоспособности бизнеса и улучшают процессы в различных отраслях: цифровая трансформация не только становится неотъемлемой частью развития современных организаций, но и постепенно все плотнее переплетается со всеми процессами нашей жизни.
Отдельно нужно отметить развитие геоаналитики и вообще использование геоданных для самых разных процессов в бизнесе. Мы подготовим об этом отдельный материал, но можно упомянуть со ссылками на кейсы самые важные направления и задачи, которые ИИ-системы, анализирующие геоданные, способны решать: управлять сетями офисов и лабораторий, улучшать дистрибьюцию лекарств, оценивать риски в страховании и многое другое.
Развитие всех этих трендов, в каких-то областях более активное, а каких-то более заметное, мы и будем наблюдать в 2024 году. А в результате, прогнозы на 2025 должны выглядеть ещё интереснее и футуристичнее.