Спасители от рутины: какие процессы российский бизнес доверяет роботам

В прошлом месяце «Почта России» заявила о планах потратить 40 млрд руб. на цифровизацию за ближайшие пять лет. Около 10 млрд руб. из этой суммы пойдет на облачные проекты, работу с big data и технологиями искусственного интеллекта для роботизации бизнес-процессов.

Роботизированные системы, которые берут на себя управление рабочими процессами, стали реальностью уже для многих крупных компаний. В отличие от привычных программ, от 1C до многочисленных CRM и таск-менеджеров, такие системы не требуют участия человека. Соответственно, они снижают себестоимость процессов, уменьшают нагрузку на менеджеров, увеличивают быстродействие и исключают человеческий фактор. Повсеместному внедрению роботов мешают сложность и высокая стоимость разработки: «коробочных» решений здесь пока очень мало, поэтому каждую систему приходится создавать с нуля.

Один из самых распространенных и доступных инструментов автоматизации — чат-боты, которые заменяют менеджера при общении с клиентами. Такое решение удобно для крупных компаний с большим количеством типизированных запросов: в США более 80% потребителей утверждают, что довольны своим опытом общения с ботами. По данным исследовательской компании Juniper Research, к 2022 году чат-боты будут экономить предприятиям до $8 млрд в год.

Популярность чат-ботов привела к появлению конструкторов для их создания, аналогов конструкторов сайтов. Однако, как и в случае с сайтами, крупные компании не доверяют быстрым и дешевым решениям и улучшают сервис за счет собственных разработок.

В Тинькофф Банке уже сейчас 30% диалогов с клиентами проходит без участия человека. Как отмечают в финансовой организации, в остальных случаях боты переводят обращение на оператора, но продолжают в фоновом режиме анализировать содержание диалога и предлагать подсказки как клиенту, так и работающему с ним менеджеру контакт-центра.

Банк также работает над внедрением кол-бота — робота, который будет автоматически обзванивать клиентов и общаться с ними с помощью заранее записанных фраз. Этот бот призван сократить издержки компании на исходящие звонки. По заверениям Тинькофф Банка, при тестировании никто не понял, что с ним говорит бот, а не человек.

Автоматизация процессов особенно важна в сферах с большим потоком клиентских обращений, тем более это касается банковского сектора, телекома и ретейла.

В том же Тинькофф Банке подавляющее большинство, 80%, решений по ипотечной сделке принимает машина. В прошлом году на брокерском сервисе «Тинькофф Инвестиции» был запущен робо-эдвайзер (автоматизированный советник), который за несколько минут по заданным параметрам может собрать инвестиционный портфель. К рекомендациям робота прибегают более 80 тыс. уникальных пользователей.

Автоматизация постепенно приходит и в такие традиционно «человеческие» области, как работа с кадрами. HR-роботы не только помогают в обработке документации, но и упрощают работу по найму новых сотрудников.

В России широко известен пример с роботом по имени Вера (его в 2016 году вывел на рынок российский стартап Stafory). Вера умеет выбирать подходящие резюме на рекрутинговых сайтах, звонить кандидатам, задавать вопросы и проводить видеоинтервью. Ее услугами активно пользуются «Ростелеком», МТС, «КДВ Групп», IKEA и другие компании.

За три года функционал робота-рекрутера заметно расширился: в частности, в «Ростелекоме» сообщили, у них Вера занимается не только подбором персонала, но и процессом адаптации новых сотрудников и проведением выходного интервью.

В 2018 году Stafory привлек инвестиции для выхода на зарубежные рынки и расширения команды. Тем временем в России у Веры появились свои конкуренты: сервисы Sever.AI, PapaJobs и собственные разработки компании HeadHunter.

Важнейшую роль в создании роботизированных систем играют технологии искусственного интеллекта. Они помогают анализировать поведение пользователей, создавать персональные предложения, выбирать новые локации для инфраструктуры, формировать ценообразование.

• В компании «Ситилинк» парсер (программа, которая используется для сбора информации с сайтов) собирает конкурентные цены и автоматически загружает в систему. «Далее алгоритм ценообразования сам вырабатывает цены конкурентов и в соответствии с деревом решений предлагает сформулировать цену», — комментирует директор по развитию компании Михаил Замыцкий.
• X5 Retail Group разместила в торговых залах системы видеоаналитики и компьютерного зрения, разработанные на основе искусственного интеллекта. Это позволяет ускорить контроль за планограммами (план-схема выкладки товара на конкретном торговом оборудовании магазина) и сократить потери в магазинах. По данным компании, инструмент позволил на 10% сократить число тех, кто уходит без покупок, и на 20% снизить потери магазинов.

Видеоаналитика используется для контроля наличия и правильной выкладки товаров на полках, предупреждения краж в магазинах и оценки числа покупателей в очередях. Если система обнаруживает, что в очереди к кассе стоит более пяти человек, руководство магазина получает сигнал о необходимости открыть дополнительную кассу.

• У Wildberries есть функционал подбора одежды по фотографии: пользователь может сделать снимок любой понравившейся ему одежды (например, на проходящем мимо) и загрузить в приложение. По словам ИТ-директора компании Андрея Ревяшко, система покажет подборку максимально похожих товаров из каталога компании.
• Райффайзенбанк планирует опробовать систему, основанную на обработке естественного языка: она будет анализировать разговор клиента в контакт-центре, чтобы, к примеру, определять его настроение по разнообразным индикаторам, выявлять зоны недовольства и повышать качество обслуживания, говорит Андрей Попов, CIO Райффайзенбанка.

Машинное обучение позволяет анализировать большие данные и делать прогнозы на будущее, например при планировании загрузки банкоматов для оптимизации процесса инкассации или при выборе новых локаций для инфраструктуры.

В «МегаФоне» с помощью больших данных оценивают целесообразность строительства базовых станций в том или ином регионе. Как пояснили в компании, георекомендательный сервис дает точную картину жизни выбранного района на заданном отрезке времени и помогает оценить перспективность открытия новой торговой точки.

Расширение возможностей машинного обучения вызывает появление все более сложных систем прогнозирования.

В компании Aviasales разработали инструмент «Пророк», который предсказывает цены и места назначения на даты, на которые еще нет реальных данных, используя для этого статистику за последние десять лет. Сервис был придуман на корпоративном хакатоне с целью проверить, есть ли взаимосвязь между изменениями цен на билеты и тем, сколько времени осталось до вылета или в какой день он состоится. Как сообщили в пиар-службе компании, погрешность сервиса составляет всего 10%.

Чаще всего технологии искусственного интеллекта применяются для персонализации клиентского сервиса в интернете. Анализируя покупательскую модель клиентов, система автоматически подбирает для них предложения или потенциально интересный контент.

С помощью машинного обучения формируется более 70% целевых акций «Перекрестка», а в прошлом году система искусственного интеллекта начала использоваться и в коммуникациях «Пятерочки».

Обычно внутри одной компании системы, обслуживающие бизнес-процессы, действуют автономно и никак не связаны между собой. Поэтому зачастую, если информацию из них нужно свести воедино, сотрудники делают это вручную.

Чтобы избежать подобных ситуаций, крупные компании создают единые платформы, которые объединяют разрозненные внутренние системы и программы.

К такому решению пришел Сбербанк: в основе системы, разработанной на базе искусственного интеллекта, лежит единый репозиторий, хранилище информации о процессах и вообще обо всей архитектуре предприятия.

Частично этой тенденции последовала и компания «Ситилинк», которая объединила на единой платформе веб-сервисы сайта и терминала. Но разработка собственной системы очень сложна и ресурсозатратна, поэтому позволить ее себе могут далеко не все компании. В таких условиях на рынке появляются готовые решения.

Распространение роботизированных систем позволяет компаниям отказаться от большого штата сотрудников для поддержания рутинных процессов. Но пока «умные» решения могут заменить человека только в типизированных ситуациях.

В «Ростелекоме» робот Вера подбирает кандидатов преимущественно на массовые вакансии, специалисты на более высокие должности проходят собеседование c людьми.

Таким образом, экспансия роботов ведет скорее к перепрофилированию многих специалистов, чем к началу безработицы: как отметили в Сбербанке, автоматизация в рутинных операциях позволяет освободить человека от механических процессов, оставляя ему интеллектуальную работу, где алгоритмы бессильны.