Еще в сентябре 2019 года консалтинговое агентство IDC прогнозировало, что к 2023 году расходы предприятий на внедрение технологий искусственного интеллекта вырастут более чем в два с половиной раза и составят $97,9 млрд. Пандемия COVID-19 только увеличила потенциальную ценность AI для бизнеса. Согласно исследованию McKinsey State of AI, опубликованному в ноябре 2020 года, половина респондентов заявили, что их организации уже внедрили, как минимум, одну AI-функцию в свои бизнес-процессы.

Эксперты утверждают, что 77% устройств, которые мы используем в настоящее время, имеют встроенный искусственный интеллект. AI-технологии сопровождают людей в медицине, экономике, образовании, науке, розничной торговле, автомобилестроении, производстве и даже в творчестве. Какие же операции мы можем смело доверить искусственному интеллекту, освободив человеческие ресурсы для более важных задач?

RPA 2.0. Оптимизация процесса принятия решений

По данным Grand View Research, рынок RPA — решений для роботизированной автоматизации процессов — в настоящее время оценивается в $1,1 млрд, и ожидается, что в период с 2021 по 2027 год среднегодовой темп роста составит 33,6%.

RPA направлена на автоматизацию бизнес-процессов, управляемых бизнес-логикой. Решения RPA могут варьироваться от простых операций (создание автоматического ответа по электронной почте) до развертывания тысяч ботов, которые автоматизируют выполнение задач на основе различных правил. RPA уже активно внедряется в отраслевых вертикалях, таких как производство, HR и финансы.

Преимущества от внедрения RPA:

• повышение эффективности основных бизнес-процессов;
• повышение удовлетворенности клиентов и сотрудников;
• снижение затрат на выполнение процессов.

По сравнению с RPA первой версии, RPA 2.0 не только выполняет рутинные задачи, но и выводит автоматизацию на новый уровень за счет активного принятия сложных решений, требующих проверки человеком только в случае крайней необходимости.

Гиперавтоматизация и AIOps

Основная цель автоматизации — это обработка повторяющихся задач. Но в ходе этого процесса обнаруживаются различные бизнес-процессы, которые, в свою очередь, сами нуждаются в автоматизации. Это и есть гиперавтоматизация.

AIOps — это AI-приложения, которые используют машинное обучение и анализ больших данных для оптимизации управления ИТ-процессами. AIOps ускоряет и автоматизирует решение различных задач в сложных средах.

Автоматизация бизнес-процессов с помощью AIOps позволяет снизить затраты, повысить скорость работы и уменьшить число ошибок, в то же время высвободив человеческие ресурсы для приоритетных задач более высокого уровня. В 2021 году компании стали активно искать подобные решения для ускорения, оптимизации и перепроектирования процессов.

Расширенные возможности компьютерного зрения

Благодаря внедрению AI, глубокого обучения (Deep Learning) и нейронных сетей компьютер может идентифицировать и находить объекты на изображениях и видео, а затем реагировать на то, что он видит, с относительно высокой степенью точности (иногда даже точнее, чем человек).

Обнаружение изображений и лиц уже используется во многих инновационных сценариях, например:

• при разработке беспилотных автомобилей;
• для автоматической сортировки отходов;
• при классификации документов (например, сортировка бумажных счетов-фактур);
• в приложениях для перевода (Google Translate использует оптическое распознавание символов для поиска точного перевода);
• в системах распознавания лиц (iPhone использует FaceID, а в Китае полиция использует компьютерное зрение на контрольно-пропускных пунктах);
• в здравоохранении (компьютерное зрение помогает врачам анализировать маммограммы, рентгеновские снимки и другие изображения, чтобы поставить более точный диагноз).

Разговорный AI и NLP

Чат-боты на базе AI, также известные как разговорный искусственный интеллект, расширяют охват клиентов, повышают скорость реагирования и делают процесс общения с клиентами более персонализированным.

Чтобы лучше понять, что человек говорит и что ему нужно, чат-бот на базе AI использует обработку естественного языка (NLP), автоматическое распознавание речи (ASR) и машинное обучение, обеспечивая взаимодействие на уровне, близком к человеческому.

Растущая популярность NLP может быть объяснена его широким использованием в проектах Amazon Alexa и Google Home. NLP устраняет необходимость писать или взаимодействовать с экраном устройства, так как теперь люди могут общаться с роботами, понимающими их язык.

Ожидается, что в 2021 году значительно вырастет частота использования NLP для анализа настроений, машинного перевода, описания процессов, для создания чат-ботов и автоматической генерации субтитров для видео.

AI в кибербезопасности

В ближайшие годы знания станут более доступными, а цифровые данные будут подвергаться большему риску компрометации и уязвимости для хакерских и фишинговых атак. Искусственный интеллект обеспечит службам безопасности поддержку во всех областях, например, при обнаружении подозрительной цифровой активности или криминальных транзакций.

Ручной поиск угроз — это дорогой, утомительный и трудоемкий процесс. Благодаря внедрению AI в кибербезопасность некоторые атаки, которые ранее могли остаться незамеченными, теперь с легкостью предотвращаются.

Кроме того, традиционная кибербезопасность носит реактивный характер: действия предпринимаются только после того, как произошло нарушение. Благодаря внедрению AI эксперты по кибербезопасности могут прогнозировать атаки до их возникновения и принимать необходимые меры предосторожности.

Разработанные с помощью AI и машинного обучения алгоритмы могут использовать данные, чтобы научиться реагировать на различные ситуации, анализировать угрозы, распознавать закономерности и извлекать уроки из прошлого опыта. Однако существующие алгоритмы необходимо дорабатывать, чтобы избежать создания ложных закономерностей и возникновения ложных тревог.

AIoT

Границы между AI и IoT становятся все более условными.