Хотите использовать ИИ, но не знаете, что это значит, и какими бывают ИИ-инструменты? Предлагаем простую классификацию.
Искусственный интеллект – это алгоритмы, которые помогают автоматизировать работу: они могут выполнять повторяющиеся операции быстро и с одинаковым качеством. Такую работу может делать и человек, но благодаря ИИ их силы можно сэкономить. И вместе с тем, ИИ – это анализ на основе огромного количества данных, обработать которое человек физически не смог бы.
Все ИИ-инструменты можно поделить на простые и сложные, автономные и интегрированные. К простым относят инструменты автоматизации, к сложным – решения с машинным обучением. Интегрированными решениями считают те, которые входят в состав другой системы, самостоятельными – отдельные приложения.
Уровень аналитики и степень автономности
Давайте рассмотрим два типа ИИ-инструментов по уровню аналитики и два типа по степени автономности.
Автономное решение используется отдельно, а не является частью всей платформенной системы. По уровню аналитики решение может быть проще или сложнее. Даже имея всего два критерия, бывает трудно отнести те или иные технологии к простым/сложным или автономным/самостоятельным. Например, чат-боты или рекомендательные сервисы могут попасть в разные категории в зависимости от целей и способов использования.
Уровень аналитики
Некоторые рутинные задачи можно автоматизировать, поручив искусственному интеллекту шаблонные операции, включающие в себя небольшой анализ. Подобная оптимизация сократит затраты. Речь идет о задачах, представляющих собой определенный алгоритм действий: простое приветствие, ответы на стандартные вопросы, выбранные пользователем из списка. Если такую задачу поручить чат-боту, он своим присутствием и круглосуточным доступом сможет повысить лояльность клиента. Он, правда, не сможет ответить на нетривиальный вопрос, зато сможет передать этот вопрос менеджеру. Не сможет чат-бот также выстроить новое взаимодействие или понять намерения клиента. Чат-бот, выполняющий самые простые шаблонные операции, – это простые технологии, которые можно назвать автоматизацией.
Есть алгоритмы, которые работают с большим количеством данных и умеют составлять сложные прогнозы, предлагая на их основе решения. Они способны распознавать изображения, расшифровывать тексты, сегментировать клиентов, предвидеть их реакции. Это машинное обучение – более сложный уровень аналитики.
Существуют ли уже сегодня рабочие и проверенные инструменты, основанные на машинном обучении? Они есть. Среди примеров – рекомендательные системы в электронной коммерции, системы определения предрасположенности клиентов к покупке на основе анализа их активности. Такие технологии сейчас в тренде. Усложненный вариант таких решений – глубинное обучение.
Несмотря на тенденции, сегодняшние технологии ИИ пока применяются для узких задач, им еще не хватает обучения на больших объемах данных.
Уровень автономности
ИИ-решения также можно разделить на интегрированные и автономные.
К автономным можно отнести полностью изолированные решения, не связанные с каналами продвижения и взаимодействия компании с клиентом. Чтобы воспользоваться такими программами, клиенту или представителю компании нужно взаимодействовать с отдельным ресурсом.
Пример. Производитель красок Behr создал приложение, в котором можно определить свой цвет с помощью ИИ, определяющего настроение и эмоции на основе текста. Результат – рекомендации по оттенкам, которые больше всего подойдут для окраски стен в комнате. Зная «свой» цвет, можно приобрести у компании и краску этого цвета, правда, не в самом приложении, а перейдя в магазин.
Есть еще интегрированные решения. Ими можно пользоваться, даже не замечая этого. Предложение вариантов для выбора видео в Netflix, рекомендация по конфигурации контекстной рекламы – все это примеры использования ИИ для своих маркетинговых целей.