Текст книги "Искусственный интеллект – для вашего бизнеса. Руководство по оценке и применению"

Взгляд на искусственный интеллект со стороны стартапа

Вот выдержка из интервью с Василисом Цолисом, основателем и главным исполнительным директором недавно созданной юридической фирмы Cognitiv+, работа которой опирается на использование искусственного интеллекта.

ЭБ: Что привело вас в мир искусственного интеллекта?

ВЦ: Мой личный опыт нетипичен для соучредителя фирмы, работающей с искусственным интеллектом. По первому образованию я инженер-строитель, но позднее я резко изменил карьеру, получив второе, юридическое образование. После окончания учебы моя деятельность развивалась где-то между юриспруденцией, инженерным делом и коммерческим менеджментом в различных секторах, включая инфраструктурные проекты, строительство и энергетику. Однако через несколько лет я вдруг очень ясно осознал: люди тратят массу времени на чтение контрактов, и большую часть своего рабочего дня они посвящают одной и той же рутинной деятельности. Именно в этом заключается проблема многих юристов: вместо того чтобы сосредоточиться на поиске передовых решений, профессионалы тратят жизнь на сбор данных. Решение для меня было очевидным: нужно использовать искусственный интеллект – это позволит специалистам сосредоточиться на своей экспертной области. Вот почему в 2015 году мы запустили проект Cognitiv+, и до сих пор все идет фантастически здорово.

ЭБ: Каково это сейчас – начинать с нуля проект, целиком опирающийся на искусственный интеллект?

ВЦ: Люди применяют искусственный интеллект или пытаются его использовать практически во всех аспектах нашей жизни. Можно сказать, что творчество сейчас оказывается выше технологий. В стадии реализации находятся очень крупные проекты, такие как применение автономных автомобилей, и теперь всем ясно, что искусственный интеллект навсегда останется в нашем мире. Это очень интересный период, но, конечно, есть немало проблем на пути к зрелому пониманию возможностей искусственного интеллекта.

Работая с целым рядом профессиональных клиентов, мы видим многочисленные возможности и десятки вариантов использования искусственного интеллекта. Некоторые реальны уже сейчас, другие достижимы в среднесрочной перспективе, а кое-что похоже скорее на научную фантастику.

Технологические достижения обещают нам совершенно экстраординарные возможности, и это создает подобие «эффекта домино», так что клиенты оказываются под шквалом инновационных идей, хотя успех при этом вовсе не гарантируется. Все мы находимся на очень ранней стадии понимания процесса: у нас прорезались зубы, но что делать с ними, мы пока толком не знаем. Многим не хватает технических знаний или специального образования, а исправить это тоже нелегко.

Как и всегда на ранних стадиях внедрения, именно клиенты и инвесторы более всего заинтересованы в том, чтобы выявить на рынке настоящих экспертов в инновационных технологиях, обладающих к тому же хорошими деловыми навыками и некоторой долей эзотерического знания о том, как работают технологии. Это сочетание, безусловно, способно обеспечить надежный и быстрый возврат инвестиций.

ЭБ: Какую именно выгоду клиенты получают от вашего программного обеспечения?

ВЦ: Даже чтение текстов требует огромного времени – уже древние римляне жаловались на это. Искусственный интеллект прекрасно помогает справиться с этим. Система Cognitiv+ нацелена, естественно, на юридические тексты, контракты и своды правил.

Использование искусственного интеллекта следует рассматривать как расширение методов автоматизации, которая уже улучшает все стороны нашей жизни, делает медленные вещи быстрыми, сложные – простыми и позволяет нам выполнять задачи так, как это было невозможно еще сравнительно недавно. Например, клиенты могут использовать наше программное обеспечение для анализа договорных рисков по всему своему портфелю в течение буквально нескольких часов – раньше такое было просто нереальным. Трудоемкие задачи можно делегировать машине и тем самым освободить профессионалам драгоценное время, давая им целостное представление о рисках и других проблемах и повышая эффективность их работы до беспрецедентного уровня.

ЭБ: На чем должны сосредоточиться ваши клиенты, в том числе потенциальные, если они хотят получить максимальную отдачу от искусственного интеллекта?

ВЦ: Многие компании занимаются только тем, что «пишут код», однако существует множество исключительно важных подготовительных работ, которые в первую очередь и обеспечивают успех новым проектам.

Первым делом необходимо сосредоточиться на данных. Специалистам по использованию данных требуются массивные выборки, а новые технологии, поддерживаемые инновациями в оборудовании, обеспечивают невиданные ранее объемы данных. Некоторые «сборщики данных» уже переживают период настоящей золотой лихорадки – всего лишь потому, что у них есть доступ к огромному количеству информации.

Однако количество данных – это далеко не все. Существует еще и качество, которое определяет возможность использования собранных данных. Найти баланс между количеством и качеством – сложная задача, которая может быть решена, только если она действительно хорошо понята и изучена в каждом конкретном случае.

Кроме того, руководству любой компании необходимо решить как можно скорее, что именно они считают критерием своего успеха – тогда у них получится своевременно согласовать бизнес-цели и применение технологий.

Тот факт, что алгоритмы ИИ дают вероятностные, а не детерминированные ответы, сильно отличает способ управления проектами, основанный на искусственном интеллекте, от любых предшествующих проектов по внедрению информационных технологий.

Наконец, важным направлением следует считать повышение разнообразия талантов и навыков у сотрудников и руководителей компании. Успех в бизнесе во многом определяется разумным балансом между экспертами в области бизнеса, специалистами по обработке данных и программистами.

ЭБ: Каким вы видите развитие рынка искусственного интеллекта в ближайшие пять лет?

ВЦ: Я, пожалуй, могу предсказать, к чему мы придем в ближайшие пять месяцев, но практически невозможно сказать что-то определенное по части пятилетнего прогноза. Причина проста: в мире искусственного интеллекта все очень быстро меняется – типы данных, с которыми мы работаем, размер выборок, зрелость алгоритмов, совершенство оборудования и очень многое другое.

Впрочем, один прогноз я могу сделать. Поскольку мы начали использовать различные методы обработки и понимания естественного языка, а также машинного обучения для интерпретации текста и документов, некоторые виды текста и определенные источники данных будут, похоже, поддаваться анализу лучше других. Люди поймут это и станут писать так, чтобы их сообщения можно было обрабатывать и обобщать на машинах. Зачем? По той же причине, по какой большинство пишущих людей специально обдумывает, какие теги использовать для различных публикаций в блогах, поскольку это позволит роботам поисковой оптимизации соответствующим образом классифицировать наш текст, распространять его по нужным каналам и делать более доступным для тех, кто интересуется нашей тематикой.

Как правило, мы пишем так, чтобы наша аудитория нас понимала, и я полагаю, так и будет продолжаться; разница лишь в том, что среди наших читателей появятся боты. Как может выглядеть подобный стиль? Возможно, потребуются более простые и короткие фразы, в которых лучше понятна разница между, скажем, подлежащим и дополнениями, так что алгоритмы интерпретации текста смогут «понимать» их гораздо лучше.

4. Технологии, ассоциированные с искусственным интеллектом

Введение

Искусственный интеллект может многое, но не все. В большинстве своем его методы способны удовлетворить самые разные запросы без каких-либо дополнений. Но иногда искусственный интеллект все же опирается на другие технологии, которые помогают ему работать лучше, а в других случаях ИИ дополняет их так, чтобы лучше работала вся система. В этой главе рассматриваются некоторые технологии, связанные с искусственным интеллектом и доступные практически каждому желающему.

Некоторые из этих технологий основаны на том или ином программном обеспечении, например на RPA. Это относительно новая технология, которая автоматизирует процессы, основанные на определенных правилах, но при этом едва справляется с неструктурированными данными и принятием решений. Широко используемые сейчас облачные вычисления представляют собой комбинацию программных и аппаратных функций и являются важнейшим механизмом поддержки искусственного интеллекта – до такой степени, что многие из современных ИИ-приложений были бы без него невозможны.

Есть также некоторые аппаратные технологии, которые делают работу искусственного интеллекта более эффективной. Механических роботов (в отличие от программных RPA) можно сделать с помощью ИИ более интеллектуальными, а так называемый «интернет вещей» (англ. Internet of Things, IoT) станет полезным источником данных для различных систем искусственного интеллекта. Еще одна «технология», описанная в этой главе, на самом деле является вовсе не технологией, а скорее способом задействования человеческих ресурсов: это, конечно же, «краудсорсинг» (англ. Crowd Sourcing) – метод, позволяющий классифицировать и «рафинировать» сырые данные весьма эффективным и гибким способом – с помощью настоящего мозга – и поэтому чрезвычайно полезный для развития искусственного интеллекта.

Я не включил в этот обзор некоторые распространенные корпоративные системы, такие как системы планирования ресурсов предприятия (англ. Enterprise Resource Planning, ERP) и системы управления взаимоотношениями с клиентами (англ. Customer Relationship Management, CRM). Все они могут просто рассматриваться как источники данных, и некоторые утверждают, что в них встроены функции искусственного интеллекта. Например, электронная почта может быть хорошим источником данных и одновременно задействовать искусственный интеллект для обнаружения «спама», но в целом контакт с ИИ остается сугубо поверхностным.

Искусственный интеллект и облачные технологии

Облако – это место, где сеть удаленных серверов, размещенных в интернете, используется для хранения и обработки данных, а также для управления ими вместо традиционного подхода с использованием для этих задач локального сервера или персонального компьютера.

Благодаря своему умению управлять данными, хранить их и обрабатывать на удалении от пользовательских устройств (персонального компьютера, мобильного телефона, планшета, неттопа и т. п.) и притом делать это на мощных, высокопроизводительных и специализированных серверах, облачные вычисления стали сегодня почти неотъемлемой частью работы искусственного интеллекта. По мере развития самих облачных технологий их связь с ИИ-системами становится все более органичной: многие специалисты уже говорят об облачном искусственном интеллекте как о следующем большом прорыве в мире информатики и компьютеров.

Одним из наиболее простых облачных приложений в сочетании с искусственным интеллектом является предоставление больших открытых наборов данных. Обычно разработчики искусственного интеллекта, если только они не работают на крупные корпорации, не имеют своих собственных наборов данных для обучения компьютерных систем и вместо этого пользуются общедоступными базами данных. Как я упоминал в главе 2 (раздел «Большие данные»), существует довольно много таких наборов, охватывающих самые разные области, например компьютерное зрение, естественный язык, речь, системы рекомендаций, сети, графики и геоинформационные данные. Но в действительности облако обеспечивает куда больше возможностей, нежели простой доступ к данным, – чаще всего оно еще и обрабатывает данные. В качестве пользователей мы сталкиваемся с этой функцией всякий раз, когда используем такой сервис, как Amazon Echo. Хотя у вашего устройства тоже имеется некоторая вычислительная мощность (в основном для распознавания слов, использующихся, чтобы «разбудить» систему), превращение слов в значение с помощью распознавания речи и алгоритмов понимания естественного языка осуществляется программным обеспечением именно на серверах Amazon. И разумеется, выполнение фактической команды (скажем, отправка инструкции процессору «умного дома» для включения кухонного освещения) также производится в облаке.

В масштабах предприятия обработка может выполняться в облаке на огромных «фермах» серверов, заполненных мощными машинами. Однако существенной проблемой этой модели является то, что данные, как правило, должны храниться тоже в облаке. Для предприятий с огромными объемами данных (иногда порядка нескольких петабайт) их перенос в облако может быть исключительно сложным и долгим и поэтому нецелесообразным. В качестве решения при ожидаемом очень длительном времени загрузки данных Amazon предлагает прислать вам огромный грузовик (называемый по-английски Amazon Snowmobile), который имеет компьютерное хранилище размером 100 петабайт. Грузовик доставляется в ваш центр обработки данных и подключается к нему для загрузки информации (которая так идет гораздо быстрее, чем в облако), затем он возвращается в информационный центр компании Amazon и загружает все это на ее серверы. Впрочем, по мере того как скорость передачи данных через сети улучшается, в подобных экстравагантных решениях будет все меньше и меньше необходимости.

Еще одна проблема облачного искусственного интеллекта заключается в том, что хранение данных вне офиса может рассматриваться как риск, особенно если данные являются конфиденциальными (например, сведения о клиентах банка). Однако вопросы безопасности можно решать и с помощью сервисов, предоставляемых самими «облачными» провайдерами: лучшие из них могут теперь предложить меры безопасности, ничуть не уступающие по надежности локальным, а порой и превосходящие их. В начале 2017 года правительство Великобритании выпустило руководство по обращению с информацией, в котором специально указывается, что организации государственного сектора могут безопасно размещать в персональном облаке личные и даже совершенно конфиденциальные данные.

Тем не менее из-за стоимости организации и предоставления облачных сервисов, которые могут эффективно, надежно и экономично хранить, обрабатывать данные и управлять ими с помощью искусственного интеллекта, на рынке облачного ИИ в настоящее время доминирует крайне малое число провайдеров: в сущности, их всего три – Amazon, Google и Microsoft. Только три компании предлагают полный набор услуг искусственного интеллекта, включая доступ к готовым для использования обученным алгоритмам.

Как правило, предложения продуктов искусственного интеллекта «из облака» включают четыре основных компонента. В качестве основы для их описания я использую здесь модель компании Amazon.

Инфраструктура. Состоит из виртуальных серверов и процессорных модулей, которые необходимы для размещения данных и приложений, обучающих и запускающих системы искусственного интеллекта.

Фреймворки. Это службы разработки приложений искусственного интеллекта, которые применяются для создания индивидуальных ИИ-систем и, как правило, используются исследователями и специалистами по работе с данными. Они могут включать в себя предварительно установленные и настроенные платформы, такие как ApacheMXNet, TensorFlow и Caffe.

Программные платформы. Используются разработчиками искусственного интеллекта, которые имеют свои собственные наборы данных, но не имеют доступа к алгоритмам. На платформах можно разворачивать обучение искусственного интеллекта и управлять им, а кроме того, размещать различные модели ИИ.

Услуги. Для тех, кто не имеет доступа к данным или алгоритмам, службы искусственного интеллекта предлагают предварительно обученные алгоритмы. Это самый простой способ получить доступ к конкретным функциям искусственного интеллекта с минимальными техническими знаниями о том, как они работают.

Возможность использовать достаточно сложные, предварительно обученные алгоритмы – настоящее благо для тех, кто хочет встроить возможности искусственного интеллекта в уже имеющиеся приложения. Если вы хотите создать приложение, которое имеет некоторые функции понимания естественного языка (например, чат-бот), вы можете использовать алгоритм Lex Amazon, лингвистический анализ Microsoft или Parsey McParseFace от Google. Каждый из них представляет собой простой интерфейс прикладного программирования (англ. Application Programming Interface, API). Вы отправляете конкретные данные, а в ответ получаете результат, который может быть прочитан вашим приложением.

Одна из интересных особенностей этих сервисов заключается в том, что они либо бесплатны, либо подразумевают очень низкую плату за пользование. Так, плата за использование услуги Language Understanding Intelligent Service (LUIS) от Microsoft основано (по крайней мере, в текущее время) на числе вызовов API в месяц – ниже определенного порогового значения услуга бесплатна, а каждая тысяча свыше бесплатного пакета вызовов стоит всего несколько центов. Другие алгоритмы могут оплачиваться по принципу ежемесячной подписки.

Сегодня многие предприятия, вместо того чтобы создавать свои собственные ИИ-приложения, применяют облачный искусственный интеллект. Например, один пивовар в Орегоне, США, использует эти услуги для контроля своих технологических процессов; публичные телекомпании применяют облачные приложения для идентификации и маркировки людей, которые появляются в телепрограммах; школы используют соответствующие услуги для прогнозирования оттока учеников, а некоторые коммерческие компании, такие как FMCG, пользуются облачным ИИ для анализа заявлений о приеме на работу.

Как упоминалось в главе 2, одна из причин, по которой лидеры облачных сервисов предлагают свои технологии искусственного интеллекта практически бесплатно, заключается в том, что благодаря обширной клиентуре они получают доступ к огромному количеству данных, которые в определенном смысле можно назвать «валютой» для искусственного интеллекта. Разумеется, гигантские прожорливые корпорации никогда не упустят своей выгоды, но невзирая на это, облачный искусственный интеллект все же создает ощущение некой «технологической демократизации», когда все больше и больше людей получают простой и дешевый доступ к лучшим интеллектуальным разработкам.

Искусственный интеллект и автоматизация роботизированных процессов

Автоматизация роботизированных процессов (англ. Robotic Process Automation, RPA) – относительно новый тип программного обеспечения, которое может выполнять за человека некоторые рутинные повторяющиеся операции завершенного характера, основанные на четко соблюдаемых правилах (так называемые «транзакционные» операции, англ. transactional).

Следует пояснить, что между RPA и традиционными ИТ-системами существуют четкие различия. Технология RPA использует (на самом базовом уровне) автоматизацию для того, чтобы заменить целую последовательность человеческих действий – вот почему мы говорим здесь о «роботах». Автоматизация возможна далеко не для всех технологий, а замена машинной процедурой (по сути – математическим уравнением в электронной таблице) лишь одного человеческого действия еще не считается признаком RPA. Кроме того, множество автоматизирующих модулей уже и так встроены в различные программные системы, например, в торговой фирме они связывают информацию о клиентах в финансовом отделе и отделе закупок. Поскольку эти модули является лишь частью обычного функционала системы, их тоже не рассматривают как RPA, а просто говорят в таком случае о более «экипированной» системе.

В идеальном мире все транзакционные операции будут выполняться глобальными сверхмощными ИТ-системами вообще без участия человека. В действительности же, хотя системы могут автоматизировать большую часть конкретных операций и функций, они, как правило, разобщены или имеют дело только с одним блоком сквозного процесса. Представьте себе процедуру подачи заявки на получение кредита через интернет. Машина должна получать входящие данные из веб-браузера и сама отсылать ему некоторые данные, отправлять другие данные в систему управления взаимодействиями с клиентами (англ. customer relationship management, CRM), в систему проверки кредитов, финансовую систему, систему этических правил (англ. «know your customer», KYC, дословный перевод: «знай своего клиента»), в систему поиска адресов и, возможно, еще в одну или две таблицы. А ведь многие компании имеют несколько систем, которые были приобретены в разное время для решения конкретных проблем или образовались вследствие слияний различных компаний между собой либо поглощений одних компаний другими. Традиционно «интеграция» всех этих систем, связывающая их в единый сквозной процесс, производится человеком, причем чаще всего эти люди не являются штатными сотрудниками, а задействуются со стороны (аутсорсинг).

Роботизированная автоматизация процессов может заменить почти все транзакционные операции, выполняемые человеком, причем с гораздо меньшими затратами (примерно вполовину ниже). Системы RPA воспроизводят человеческую работу, основанную на правилах, используя простые инструменты отображения процессов, то есть взаимодействуют на уровне предоставления функций, и это означает, что нет необходимости изменять какие-либо из базовых систем. Один процесс может быть автоматизирован и начнет окупать вложенные в его подготовку средства в течение нескольких недель, после чего, если потребуется, «робот» продолжит функционировать хоть 24 часа в сутки, 7 дней в неделю и 52 недели в году, причем каждое его действие может быть полностью проверено. Если процесс меняется, нужно будет переучить только одного робота и только один раз, а не переквалифицировать целую группу исполнителей.

Приведем простой пример. Когда юридическая фирма управляет портфелем недвижимости от имени клиента, в какой-то момент она должна будет проводить кадастровые проверки. Обычно это задание выполняется сторонними помощниками, получающими запрос от адвоката или напрямую от клиента, нередко путем заполнения шаблонной заявки, через электронную почту или систему документооборота. Исполнитель прочитает соответствующую информацию из формы, зайдет на сайт земельного кадастра, введет там информацию и прочитает результаты поиска. Затем исполнитель переносит эту информацию обратно в стандартную форму ответа на запрос и отсылает ее клиенту или юристу.

Несмотря на наличие целого ряда различных шагов, этот процесс может целиком выполняться программным «роботом» без какого-либо вмешательства человека. И хотя этот пример относится к числу самых элементарных, он прекрасно демонстрирует целый ряд преимуществ системы RPA:

● стоимость работы робота составляет лишь малую часть стоимости работы человека (от трети до десятой части);

● робот работает точно так же, как и человек, поэтому никаких изменений в технологиях или процессах не требуется;

● после обучения робот способен выполнять процесс непрерывно;

● каждый шаг, который делает робот, регистрируется, обеспечивая возможность полностью прозрачного аудита;

● робот может работать по ночам и по выходным, если это необходимо;

● роботы не болеют, не нуждаются в отгулах и отпусках, не требуют повышения заработной платы или продвижения по служебной лестнице.

Это означает, что всюду, где есть процессы, основанные на правилах, воспроизводимые и способные использовать (или уже использующие) ИТ-системы, человек может быть заменен программным роботом. Вот еще некоторые стандартные процессы, которые могут быть успешно автоматизированы:

● тренинг для новых сотрудников;

● обработка счетов-фактур;

● платежи;

● составление нотариальных актов о передаче имущества;

● проверка прав на наследство;

● запросы на обслуживание IT-оборудования.

Разумеется, это лишь очень небольшая часть всех тех процессов, которые можно роботизировать с помощью RPA. Комплексный анализ операций, выполняемых в операционном отделе фирмы, может выявить куда большее число вариантов автоматизации. Особый интерес представляют примеры, где RPA уже продемонстрировала особую эффективность.

1. Компания O2 заменила 45 офшорных сотрудников, общая заработная плата которых составляла около 1,35 млн долларов в год, десятью программными роботами единоразовой стоимостью лишь 100 000 долларов. Автоматизация полностью обеспечила выдачу клиентам новых SIM-карт. Сэкономив таким образом 1,25 млн долларов, компания наняла 12 новых штатных сотрудников для работы с инновационными технологиями в своей штаб-квартире.

2. Barclays Bank обеспечил себе ежегодно сокращение затрат на обслуживание сомнительных долгов на 175 млн фунтов стерлингов и сэкономил более 120 эквивалентов полной занятости (FTE). Примеры автоматизированных процессов в этом банке включают в себя:

● автоматическое закрытие мошеннических или скомпрометированных счетов;

● автоматизированный процесс мониторинга отраслевых рисков, сопоставление и мониторинг показателей операционного риска в сети филиалов;

● автоматизированный процесс обработки новых заявок на кредит.

3. Корпорация Co-operative Banking Group автоматизировала с помощью RPA более 130 процессов, включая сложную обработку протокола аутентификации по методу «вызов – приветствие» (англ. Challenge Handshake Authentication Protocol, CHAP), обработку возврата денег в платежной системе VISA и многие другие вспомогательные процессы для поддержки продаж и общего администрирования.

Наряду с обеспечением экономии RPA оказывает огромное влияние и на то, как компании в целом организуют свои ресурсы: совместные сервисные центры уже созрели для крупномасштабной автоматизации, а аутсорсинговые операции возвращаются обратно в офисы, потому что затраты и риски после автоматизации становятся гораздо менее существенными. Это «одомашнивание» некогда аутсорсинговых процедур, кстати говоря, создает серьезную угрозу для выживания аутсорс-провайдеров.

При внедрении RPA необходимо учитывать ряд тонкостей. Во-первых, необходимо понять, будут ли роботы работать с помощью человека или без посторонней помощи. Робот-партнер обычно работает лишь над некоторыми частями более общей процедуры и запускается человеком. Например, в контакт-центре агент по обслуживанию клиентов может позвонить клиенту, который хочет изменить свой адрес. После завершения вызова агент запускает робота для внесения изменений в различные системы, использующие информацию об адресе. Тем временем сотрудник-человек может осуществлять уже другой вызов.

Полностью самостоятельные роботы функционируют автономно, запускаются по определенному расписанию (например, каждое утро понедельника в 8:00) или по предупреждению (очередь невыполненных работ превышает определенный порог). Они обычно выполняют свои задачи от начала до конца и поэтому более эффективны, чем специализированные роботы-ассистенты. Важно знать, что различные пакеты программного обеспечения RPA по-разному подходят для каждого из описанных сценариев.

После выбора типа робота уже можно рассмотреть подходящие для автоматизации процессы. Есть ряд характеристик, которые делают процесс пригодным для выполнения интеллектуальными роботами.

● Он должен быть основанным на правилах, предсказуемым и воспроизводимым. Такой процесс должен отображаться и настраиваться в программном обеспечении RPA, и, соответственно, он должен быть детализирован до «уровня нажатия клавиш».

● Он должен иметь большой объем и быть легко масштабируемым. Предпочтительным будет также процесс с большим числом итераций (например, много раз в день), поскольку он обеспечит более высокую отдачу от инвестиций в автоматизацию.

● Он может затрагивать сразу несколько систем, и в этом случае RPA работает особенно эффективно, поскольку именно для интеграции и перемещения данных между системами обычно используются люди, которых RPA способна заменить.

● Он относится к тем процессам, где низкое качество приводит к высокому риску или затратам. В подобной ситуации даже процесс малого объема лучше автоматизировать ради снижения рисков. Типичный случай – проведение платежей, когда соблюдение правил и точность их выполнения являются основными критериями надежности.

Следование этим четырем критериям позволяет обнаружить множество возможностей для применения RPA на большинстве крупных предприятий. Но здесь имеются некоторые ограничения. Главная причина, по которой программное обеспечение RPA представляет особый интерес для пользователей искусственного интеллекта, заключается в том, что, хотя программное обеспечение RPA способно управлять процессами очень эффективно, сами роботы – механизмы «тупые»: они будут делать именно то, что им велено, с непоколебимой последовательностью. Во многих случаях это даже очень хорошо, но есть ситуации, в которых наблюдается двусмысленность – либо в поступающей информации, либо в принятии решения. Именно здесь искусственный интеллект и выходит на первый план.

Одним из самых больших ограничений автоматизации процессов с помощью RPA является то, что роботам на входе требуются структурированные данные. Это может быть, например, электронная таблица, веб-форма или база данных. Робот должен точно знать, где находятся требуемые данные, и, если он не находит их в ожидаемом месте, процесс полностью останавливается. Искусственный интеллект, в частности функция поиска, позволяет преобразовывать неструктурированные или полуструктурированные исходные данные в структурированные, после чего они становятся доступными для роботов.

Примерами частично структурированных данных могут быть счета-фактуры или уведомления о денежных переводах. Информация в таких документах, как правило, одинакова по содержанию (название поставщика, дата, адрес, стоимость, сумма НДС и т. д.), но может значительно различаться по формату и положению на странице. Как рассказывалось в предыдущей главе, функция поиска ИИ может извлекать метаданные из документа и вставлять их в главную систему записи, даже если каждая версия документа выглядит по-своему. Обратившись к главной системе, роботы могут затем использовать данные для автоматической обработки.

Роботы могут даже использовать данные на выходе систем искусственного интеллекта в качестве триггера для запуска. Например, юридический договор может рассматриваться как полуструктурированный документ, поскольку он содержит довольно много общей информации, такой как названия сторон, условия расторжения, пределы ответственности и т. п. Функция поиска ИИ может извлекать эти метаданные для всех контрактов данного бизнеса, чтобы облегчить управление общим портфелем рисков. Роботы RPA будут запускаться по сигналу ИИ в определенных случаях, например, если произошли изменения в регламенте и все контракты определенного типа (например, соответствующие законодательству Англии и Уэльса) необходимо обновить.