W sklepie i w fabryce

Na przykład Centrum Ewidencji Działalności Gospodarczej, Warta, Alior Bank czy PLL LOT korzystają z Wirtualnego Doradcy warszawskiej firmy InteliWise, która według Forrester Research jest w pierwszej dziesiątce globalnych dostawców technologii typu Virtual Agent. Chodzi o oparte na inteligentnych algorytmach oprogramowanie, które analizuje i „rozumie” najczęstsze zapytania klientów (także te zadawane w mowie potocznej, w formie tekstowej i głosowej) oraz dostarcza natychmiast odpowiedzi. Wirtualny Doradca przeprowadza klientów m.in. przez proces składania i realizacji zamówienia, nawiązując z nimi dialog. Początkowo jest w stanie samodzielnie odpowiedzieć na 30–60 proc. najczęściej zadawanych pytań, a jeśli nie może, kieruje sprawę do konsultanta-człowieka. Jednak program ten stale się uczy i udoskonala, gdyż to, czego nie umiał, zostaje zapisane i powiększa jego bazę wiedzy. 

Przedsiębiorstwo, które z niego korzysta, ma szansę wzmocnić lojalność swych lepiej obsłużonych klientów, a zarazem zwiększyć przychody, gdyż osoby wsparte taką asystą rzadziej przerywają transakcję. Spadają też koszty utrzymania call center. 

Bat na cyberprzestępców

Do końca tego roku kilkadziesiąt firm z całego świata wdroży u siebie wykorzystujący sztuczną inteligencję system antyfraudowy spółki Nethone z Warszawy. Zainteresowane są nim także dwa duże przedsiębiorstwa z Polski, jedno z branży travel, a drugie z finansowej, które obecnie go testują. System ten jest odpowiedzią na narastający problem, jakim są oszukańcze transakcje w internecie i niedostateczne zabezpieczanie kart kredytowych. W przypadku tzw. fraudów kartowych w niekorzystnej sytuacji są zwłaszcza sklepy online. To na nich spoczywa obowiązek chargebacku, czyli zwrócenia pieniędzy ich prawowitym właścicielom, ponoszą też koszty związanej z tym procedury. 

Tymczasem zabezpieczenia wciąż bazują w większości na statycznych regułach definiowanych przez analityków z zespołów zarządzania ryzykiem. Taka reguła może np. zablokować transakcję, jeśli dane karty wskazują, że pochodzi ona, powiedzmy, z USA, a numer IP komputera, z którego dokonywany jest zakup, z Bliskiego Wschodu. Niestety system, który opiera się na tym, że skoro nastąpiło wyłudzenie z zastosowaniem określonej metody, to tworzymy regułę, która będzie zapobiegać dalszemu jej wykorzystywaniu, ma tę wadę, że reaguje post factum. – A w systemie zabezpieczeń nadal istnieją dziury, które tylko czekają na odkrycie przez oszustów – mówi Hubert Rachwalski, dyrektor do spraw operacyjnych w Nethone. 

Rozwiązanie tej firmy oparto nie na regułach eksperckich, ale na uczeniu maszynowym, wykorzystującym ogromny zbiór danych o użytkownikach stron sprzedawców internetowych. 

Narzędzie to potrafi „zassać” w czasie rzeczywistym kilka tysięcy tzw. metryk dotyczących pojedynczego użytkownika. Wie m.in., z jakiego korzysta on oprogramowania czy sprzętu, w jaki sposób łączy się z siecią i jakie są jego wzorce zachowania, np. sposób korzystania z klawiatury czy myszki. Analizując te wzorce, tworzy behawioralny „odcisk palca” danej osoby. Dzięki systemowi Nethone można ustalić, czy sklep internetowy ma do czynienia z prawdziwym komputerem, czy z maszyną wirtualną, z faktycznym oprogramowaniem, czy z jego emulacją, czy użytkownik łączy się poprzez VPN, czy sieciowe Proxy. Jeśli ktoś wykorzystuje wirtualną maszynę, manipuluje połączeniem lub jego parametrami, a zakupu dokonuje błyskawicznie, istnieje podejrzenie, że próbuje ukryć swoją tożsamość w niecnych celach. 

– Nie jest sztuką stworzyć system, który zredukuje do małego odsetka transakcje zakończone zwrotem środków. Problem w tym, że zakładając bardzo ostry filtr na transakcje, sprzedawca blokuje dużą część zdrowego ruchu, odrzucając płatności, które powinny się odbyć – podkreśla Rachwalski. A to uderza w lojalność zirytowanych klientów, poza tym – nie dochodzi do sprzedaży. Jak na razie wyniki rozwiązania Nethone to o ok. 60 proc. skuteczniejsza minimalizacja chargebacku i zmniejszenie blokowania zdrowych transakcji o 50 proc. A ponieważ system cały czas się uczy, jego skuteczność i precyzja rosną. 

Przetwarza on też korelacje dla 3 czy 5 tys. zmiennych, podczas gdy dobry analityk dla kilkunastu, góra kilkudziesięciu, i będzie do tego potrzebował dużo więcej czasu. Ten zaś jest cenny: właściciele sklepów, obserwując nagły skok sprzedaży, kojarzą go np. z przeprowadzoną ostatnio kampanią marketingową, a nie z fraudem. Gdy się zorientują, że padli ofiarą oszustów, może być już za późno, by uratować ich płynność finansową. 

Inteligentna fabryka

Polacy tworzą też inteligentne rozwiązania dla fabryk. Na przykład firma UIBS Teamwork z Rybnika opracowała IPOSystem, który steruje produkcją. – Najpierw definiujemy, co chcemy wytworzyć, w jakiej ilości i terminie, a potem system sam zaczyna decydować, co ma się dziać na hali produkcyjnej – opisuje Krzysztof Fiegler, współwłaściciel UIBS Teamwork. 

„Myśląca” maszyna wydaje polecenia nie tylko urządzeniom, ale też ludziom. Wie wszystko o procesie produkcji: co już wykonano, co trzeba jeszcze zrobić, czy jest jakieś opóźnienie albo wąskie gardło itd. Po zalogowaniu się przez pracownika w systemie, w ciągu kilku sekund przydziela mu zadanie na najbliższy czas – zgodne z jego kwalifikacjami. Kolejne otrzyma on dopiero wtedy, gdy upora się z poprzednim. Nie ma więc mowy o obejściu poszczególnych etapów przez załogę. 

Tu także wykorzystano uczenie maszynowe – system stale się uczy optymalizacji poprzez zapamiętywanie i porównywanie efektywności użytych zasobów. Wie dzięki temu, co się lepiej sprawdzało przy realizowaniu danego zadania i co aktualnie ma za niską wydajność. Jeśli praca wykonywana jest zbyt wolno lub nie tak, jak powinna, informuje pracowników dozoru o problemie. – Przy kolejnym poleceniu, które musi wydać, maszyna bierze zaistniałą sytuację pod uwagę. To „żywy” organizm, który cały czas się reguluje  – dodaje Fiegler. 

Według niego zastosowanie IPOSystem zwiększa wydajność przedsiębiorstwa o 15–30 proc., eliminując jednocześnie większość stanowisk związanych  z planowaniem produkcji i jej nadzorem. Z rozwiązania rybnickiej firmy korzysta kilkanaście polskich przedsiębiorstw, w tym Andrychowska Fabryka Maszyn  Defum, Fama Gniew, Fabryka Urządzeń Kolejowych, Ice Group czy Valvex. 

Sieć neuronowa i rekrutacja

I kolejny przykład rodzimej firmy, która sięga po sztuczną inteligencję: warszawska spółka Connectis, lider w branży outsourcingu pracowników IT, pracuje wraz z Politechniką Warszawską nad systemem, który pozwoli jej na znaczne obniżenie kosztów i przyspieszenie procesu rekrutacji informatyków. Wykorzystując zaawansowane algorytmy wyszukiwania, umożliwi on dokładną analizę bazy danych firmy, poszerzoną o ogólnodostępne informacje z internetu. Następnie przedstawi listę rankingową kandydatów spełniających wymagania stawiane przez pracodawców. 

Rozwiązanie to, oparte na tzw. sieci neuronowej (patrz artykuł wstępny), będzie się samo uczyło trafnego dobierania specjalistów na podstawie tego, jak rekrutujący oceniają ich dopasowanie do zespołu realizującego konkretny projekt IT. Z upływem czasu system będzie coraz dokładniej sugerować najlepsze kryteria zapytań dotyczących umiejętności i doświadczenia kandydatów w odniesieniu do poszczególnych stanowisk. – Szacujemy, że ta funkcja 10-krotnie skróci czas wyszukiwania właściwego eksperta – mówi Michał Gierczak, prezes Connectis. – Jednak nie ograniczamy się tylko do tego. Wykorzystując tzw. web mining i web harvesting, będziemy w stanie znaleźć w internecie dużo więcej danych o kandydatach. 

Ci bowiem często nie zamieszczają w CV wszystkich swoich osiągnięć, pomijają fakt udzielenia się na forach internetowych czy w bardziej niszowych projektach, a tymczasem te nieuwzględnione informacje mogą znacząco wzmocnić ich pozycję podczas ubiegania się o pracę. Szefom zaś mogą ułatwić bardziej precyzyjny dobór kompetencji w zespole. Oprócz tego pracodawcy będą mogli sprawdzić, czy CV zawiera prawdziwe informacje dotyczące kursów, projektów i konferencji, w których ktoś uczestniczył. Gierczak przewiduje, że powinno to zwiększyć kompletność bazy danych o kandydatach o 20–30 proc. 

Edward i inni

W czerwcu krakowska spółka 2040io wprowadziła na rynek Edwarda – inteligentnego asystenta pracowników działów sprzedaży, który po wgraniu na smartfona zbiera dane z telefonu, e-maili i kalendarza. – Odciąża np. handlowca od obowiązków związanych z prowadzeniem rejestru kontaktów, przypomina też o zdarzeniach, które mogłyby mu umknąć, np. o oddzwonieniu do klienta czy odpisaniu na e-maila – mówi Tomasz Wesołowski, współtwórca Edwarda i prezes 2040io. 

Skąd program wie, na który list należy odpisać? Wszystko dzięki algorytmom analizującym zbierane dane i uczeniu maszynowemu: im dłużej używamy asystenta, tym lepiej dostosowuje się do nas, poznając nasz rozkład dnia, branżę, klientów itp. 

W ramach abonamentu handlowcy dostają Edwarda, a ich menedżer panel analityczny do zarządzania informacjami o tym, co się dzieje w dziale sprzedaży. Szef monitoruje na bieżąco zachowania podwładnych w związku z klientami. Panel pokazuje m.in. ich nowe kontakty, historie połączeń i e-maili. Założenie jest takie, że dzięki temu menedżer będzie im lepiej pomagał zwiększać efektywność. 

Ciekawe rzeczy robi też spółka IndoorNavi z Elbląga, pracująca nad wykorzystaniem sztucznej inteligencji w halach magazynowych. Obecnie w fazie pilotażowej znajduje się jej oprogramowanie pokazujące bieżącą aktywność i lokalizację ludzi oraz pojazdów, np. wózków widłowych i podnośników. Potrafi określić ich położenie z dokładnością do 30 cm i ustalić wzory ich poruszania się w danej przestrzeni. – Dzięki analizie danych zbieranych w czasie rzeczywistym można optymalizować liczbę pojazdów i przestrzeń, na której pracują. Idąc dalej, można budować systemy, które pozwolą dynamicznie zarządzać zadaniami w zależności od tego, ile wózków jest wolnych i gdzie się znajdują – opowiada Mateusz Kuszner, prezes startupu Blast Lab, udziałowca IndoorNavi, który z zespołem inżynierów pracuje nad tym oprogramowaniem. 

Do analityki wykorzystuje ono samouczący się superkomputer IBM Watson, pozwalający m.in. porównywać kształty „wyrysowane” przez przemieszczające się obiekty. – Watson może np. stwierdzić, że obiekt nie porusza się zgodnie z systematyką, jaka została mu pierwotnie przypisana. Poda też, ile wynosi odchylenie – mówi Kuszner. Na podstawie analiz superkomputera operator wózka widłowego może dostać na aplikację mobilną zalecenie, jak optymalnie go przemieszczać. 

Testy finansowanego z grantów NCBR pomysłu zakończą się pod koniec  2018 r. Wtedy też będzie  wiadomo, czy zostanie  skomercjalizowany.