Bisakah AI Menguntungkan?
Akhir-akhir ini, kecerdasan buatan (AI) lebih banyak dibicarakan di media dibanding teknologi lainnya. Pada saat yang sama, teknologi yang mendasari dan manfaat yang dapat dihasilkannya bagi bisnis tidak jelas bagi siapa pun. Dan ini bukan hanya bahasa Rusia, tetapi tren global. Pada 2019, analis di MIT Sloan Management Review dan BCG melakukan studi yang mensurvei lebih dari 2.500 CEO di 27 industri di seluruh dunia. Ternyata masih buruk bagi bisnis untuk menghasilkan uang dari AI: 70% pengusaha mengatakan bahwa pengenalan AI tidak memengaruhi bisnis mereka sama sekali, dan hanya 40% responden yang berhasil mendapatkan setidaknya sedikit keuntungan.
Menurut penelitian terbaruVTsIOM 69% perusahaan Rusia mencatat kekurangan personel terampil di bidang AI. Di saat yang sama, perusahaan besar dan berteknologi tinggi menyadari manfaat yang dapat diperoleh sekarang dengan memperkenalkan solusi berbasis AI ke dalam proses mereka. Tetapi bahkan pemain besar tidak memiliki keahlian mereka sendiri untuk bekerja dengan teknologi ini.
Pentingnya masalah juga dipahami di tingkat negara bagian. Pada Oktober 2019, Presiden mengeluarkan keputusan tentang pengembangan kecerdasan buatan di Federasi Rusia, yang mengusulkan untuk menyetujui strategi nasional untuk pengembangan AI hingga tahun 2030.
Sementara para pejabat memikirkan tentang strategi global, bisnis (bahkan bisnis menengah dan kecil) telah belajar menggunakan alat digital untuk mengotomatiskan proses mereka. Salah satu alat ini adalah solusi RPA, yang telah tersebar luas - alat ini membebaskan orang dari proses rutin yang teratur. Misalnya, RPA dapat mengisi formulir laporan atau mentransfer data dari satu database ke database lainnya. Sayangnya, sementara perusahaan menggunakan alat ini secara tidak sistematis: dalam proses bisnis ujung ke ujung yang panjang saat ini, rata-rata, hanya sepertiga yang otomatis. Robot tidak sepintar yang kita inginkan, karena bisnis tidak memanfaatkan AI sepenuhnya.
Bagi kebanyakan perusahaan, AI sebenarnya adalah teknologi yang sangat kompleks dan tidak jelas. IBM menunjukkan dalam penelitiannya bahwa sebagian besar eksekutif percayabahwa perusahaan mereka tidak memiliki kompetensi yang diperlukan dalam ilmu data, pembelajaran mesin, dan teknologi terkait AI lainnya untuk otomatisasi proses.
Bisnis siap membayar uang untuk keuntungan spesifik yang dapat diperoleh dari otomasi dan digitalisasi, tetapi tidak memahami bagaimana hal ini dapat direalisasikan sendiri.
Solusi mulai bermunculan di pasar yang membantu dengan mudah mengintegrasikan perkembangan eksternal ke dalam proses bisnis mereka. Layanan digital juga mulai muncul yang membantu menggabungkan AI dengan solusi RPA otomatis.
Bagaimana AI membantu robot
Saat ini, dengan menggunakan sinergi AI dan RPA, Anda dapat melakukan apa yang sebelumnya tidak mungkin dilakukan dalam kerangka kerja otomatisasi proses bisnis rutin yang biasa. RPA berkomitmen untuk menerapkan teknologi mutakhir, termasuk kecerdasan buatan (AI) dan pembelajaran mesin, untuk semakin mengotomatiskan proses dan memberdayakan manusia. Kami menemukan beberapa kasus baru yang menarik yang menggambarkan kemungkinan menggunakan pendekatan ini di berbagai bidang bisnis.
Secara umum, sekitar 90% dari kasus penggunaan AI saat ini bekerja dengan dokumen dalam berbagai bentuk: pengakuan paspor, PTS, ijazah, cek, dan pembayaran. Kasus untuk mengenali konten yang berguna dalam email sangat relevan. Saat menerima surat dari RPA, AI membantu memilih hal utama dari teks, mengklasifikasikan surat dengan tepat dan mengirimkannya ke penerima yang diinginkan. Saat ini, robot, menggunakan AI, membantu departemen akuntansi, sumber daya manusia, penjualan, pembelian, logistik, dan departemen lain yang menangani pengumpulan dan pemrosesan informasi.
Menata Dagangan dengan Cara Baru
Di antara para trendsetter dan inovator dagangan, orang dapat membedakan, misalnya, Walmart, yang diluncurkan pada akhir 2019sistem berbasis kecerdasan buatan, yang memungkinkan untuk memantau barang di rak secara real time. Sistem ini dipasang di salah satu toko masa depan, beroperasi dalam konsep Lab Ritel Cerdas - atau singkatnya IRL. Kamera AI memantau ketersediaan barang di rak secara real time. Gadget akan melacak tingkat inventaris untuk menentukan, misalnya, apakah staf perlu membawa lebih banyak daging dari lemari es gudang dan mengisi kembali rak, atau memberi peringatan jika beberapa makanan segar sudah terlalu lama berada di rak dan perlu ditarik keluar.
Penilaian resume otomatis
Analisis perilaku prediktif - kata barudi HR: perusahaan terbesar di dunia mencoba mempertahankan bakat yang berharga dengan bantuannya, memperhatikan perubahan berbahaya dalam cara perasaan orang tentang pekerjaan pada waktunya. Beberapa, misalnya Sberbank, melangkah lebih jauh dan sudah mulai menggunakan penilaian kandidat berdasarkan parameter awal untuk memprediksi kemungkinan pemecatan mereka. Diasumsikan bahwa dengan cara ini bank akan mampu menghadapi tingginya pergantian personel pada posisi massa.
Salah satu penggunaan AI yang paling produktif dalam manajemen sumber daya manusia terkait dengan pencarian pekerja yang kelelahan. Jadi, perusahaan Amerika Ultimate Software Group, yang mengembangkan perangkat lunak untuk manajemen personalia, telah membuat indeks keamananpara karyawan. Ini adalah indikator yang, berdasarkan 50 indikator, Anda dapat memprediksi apakah seorang spesialis akan berhenti dalam waktu dekat.
IBM menggunakan superkomputer AI Watson untuk membuat solusi serupa . Untuk mengukur suasana hati seseorang, superkomputer menganalisis riwayat karier, masa kerja, gaji, tanggung jawab pekerjaan, jarak dari tempat kerja ke rumah, dan metrik lainnya. Sekarang, departemen SDM sebuah perusahaan dapat memprediksi siapa yang akan berhenti dengan 95% kemungkinan enam hingga sembilan bulan sebelum itu terjadi, dan mengambil tindakan untuk mencegah PHK.
Analisis sentimen di blog
Analisis sentimen atau analisis sentimen arus informasi memiliki potensi besar untuk aplikasi pemantauan, sistem analisis dan pensinyalan, untuk sistem aliran dokumen dan platform periklanan yang ditargetkan pada subjek halaman web. Arahan tersebut dianggap salah satu yang paling menarik, yang mendorong studi dan penerapan AI di berbagai industri.
Para penulis studi yang sudah klasikmenggunakan analisis sentimen untuk mempelajari pendapat dan umpan balik orang tentang tiga perusahaan mobil: Mercedes, Audi dan BMW. Robot mengambil semua tweet dengan merek menyebutkan, setelah itu diproses menggunakan metode penambangan teks. Semua tweet dibagi menjadi tiga kategori: positif, negatif, dan netral. Hasil penelitian ini memberikan wawasan tentang pentingnya menganalisis ulasan dan opini konsumen di industri ini. Penulis berhasil mendapatkan informasi yang sangat berharga untuk pemasaran merek tersebut.
Analisis tweet AI menunjukkan bahwa Audi menerima ulasan paling positif (83%). Pada saat yang sama, Audi menerima tanggapan negatif yang lebih sedikit (16%) dibandingkan pesaing lain yang diteliti. Jelas bahwa penawaran iklan di situs web Audi akan menjangkau lebih banyak pengguna setia daripada yang serupa di situs web BMW dan Mercedes. Ada sesuatu yang perlu dipikirkan baik untuk pabrikan maupun pemasar mobil ini.
Bagaimana menerapkan sinergi RPA dan AI
Ada beberapa solusi di pasaran yang membantu memanfaatkan kekuatan AI untuk proses robotik dengan berbagai keberhasilan. Jika Anda yakin dengan peringkat khusus , maka pemimpin dalam menciptakan layanan untuk robotisasi adalah UiPath. Menurut statistik, rata-rata, sekitar 30-40% dari proses bisnis ujung ke ujung diotomatiskan saat ini. Dengan menggunakan platform UiPath, yang mencakup solusi untuk Proses Penambangan, AI Fabric, dan produk lainnya, Anda dapat meningkatkan persentase otomatisasi proses tersebut menjadi 70.
Vendor baru-baru ini merilis platform AI Fabric, yang membantu mendapatkan sinergi dari RPA dan AI. AI Fabric adalah penghubung antara kecerdasan buatan dan proses otomatis. Platform ini dirancang untuk membawa aplikasi ML dalam proses bisnis di luar tim pengembang kecil yang sangat terampil dan meneruskannya ke pengguna bisnis. Dengan kata lain, dengan bantuan solusi ini, bahkan developer junior pun dapat menerapkan AI di perusahaan - tidak perlu lagi mempelajari seluk-beluk teknis dan secara mandiri menerapkan infrastruktur yang diperlukan. Untuk bisnis, platform berguna karena membantu untuk memahami dalam praktiknya manfaat dan peluang dari penggunaan AI dalam proses bisnis nyata.
Persentase otomatisasi berbagai proses bisnis dapat lebih ditingkatkan dan ditingkatkan, tetapi hanya dengan bantuan RPA ini tidak akan berfungsi lagi - tugas memiliki batasan alami pada algoritme formal mereka. Tetapi dalam hubungannya dengan AI, ini bisa dilakukan.
Platform AI Fabric memungkinkan Anda menggunakan model pembelajaran mesin Anda sendiri atau model yang dibeli dari pihak ketiga dengan robot. Menggunakan hasil kerja mereka, Anda dapat secara otomatis mendapatkan data untuk meningkatkan kinerja model. Dengan demikian, Anda mendapatkan kesempatan untuk mengintegrasikan AI dengan mulus ke dalam proses bisnis perusahaan dan pada saat yang sama menggunakan alat yang nyaman untuk mengelola model Anda.
Memulai dengan platform itu mudah. Pertama, Anda perlu menentukan kategori kasus pengguna Anda. Kemudian pilih model yang sesuai yang sesuai dengan permintaan Anda, misalnya dari yang disediakan "dalam kotak" atau dikembangkan di perusahaan Anda. Seperti yang Anda ketahui, model pembelajaran mesin cukup rakus dalam hal sumber daya CPU dan GPU, dan oleh karena itu robot AI secara otomatis dibuat agar model dapat bekerja, yang sebenarnya merupakan wadah khusus yang memungkinkan Anda mengelola konsumsi sumber daya secara fleksibel.
Sebagai contoh, pertimbangkan kasus prediksi churn pelanggan.
Platform UiPath
- Mengambil informasi tentang pengguna dari CRM
- Menerima prediksi churn pelanggan dari AI Fabric
- Memperbarui CRM berdasarkan informasi ini
- Mengirimkan informasi tentang pengguna tersebut kepada karyawan
Implementasi skenario memungkinkan pencegahan churn pelanggan secara proaktif, menghilangkan faktor manusia karena respons yang terlambat, dan mengoptimalkan retensi pelanggan dan biaya akuisisi.
Layanan yang memanfaatkan kekuatan penuh AI dalam hubungannya dengan alat otomasi tradisional membantu bisnis menurunkan ambang batas untuk adopsi AI. Mereka memungkinkan perusahaan untuk menggunakan solusi out-of-the-box dan menghemat sumber daya mereka sendiri. Saat ini, ini menjadi tren baru dalam hiper-otomatisasi, yang akan tersebar luas dalam waktu dekat.