Благодаря искусственному интеллекту (ИИ), ставшему постоянной темой лондонского мероприятия Domino Data RevX 2024, которое состоялось 13 июня, обучение с реальными пользователями и отделение ИИ от ИТ-инфраструктуры были раскрыты как области, которые ИТ-лидеры считают передовыми практиками.
У ИТ-руководителей есть множество вариантов внедрения ИИ для улучшения бизнес-процессов. Они могут создавать или покупать возможности ИИ, использовать интерфейсы прикладного программирования (API), которые обеспечивают доступ к функциям ИИ, запускать ИИ локально или использовать комплексные приложения «программное обеспечение как услуга» (SaaS). Какой бы подход ни был принят, ключевым моментом является обучение, основанное на внутренних данных организации.
Обучение и обратная связь
В своей презентации Радж Мукерджи, руководитель отдела обработки данных и искусственного интеллекта в Direct Line Group, объяснил, как компания использует генеративный искусственный интеллект (GenAI) для поддержки своей службы восстановления автомобилей GreenFlag после поломки. Его презентация продемонстрировала преимущества вовлечения пользователей в создание более точных моделей ИИ, но, как и в случае с ИИ в целом, успех строится на прочном фундаменте данных.
Мукерджи сказал: «Мы работали над нашей стратегией обработки данных большую часть четырех лет. Сейчас мы реализуем эту стратегию, и 75% нашего бизнеса сейчас работают над новым набором стратегий обработки данных».
Это означает, что возможности компании по управлению данными и инженерии данных достаточно зрелы, чтобы поддерживать стратегию Direct Line в области искусственного интеллекта по мере ее развития.
Исследуя один из вариантов использования в GreenFlag, Мукерджи сказал: «В сфере контакт-центров с клиентами мы пытаемся увидеть, как ИИ может расширить возможности наших агентов контакт-центра, сняв с них часть когнитивной нагрузки».
Общая идея заключается в предоставлении подробной информации, позволяющей сотрудникам контакт-центра быстрее решать проблемы клиентов. По словам Мукерджи, используя искусственный интеллект для поддержки своей работы, сотрудники контакт-центра также могут больше сосредоточиться на сочувствии клиентам, особенно с учетом того, что клиенты, как правило, не в восторге, когда им нужно позвонить в службу аварийного восстановления.
Что касается данных обучения, он сказал, что компания использовала веб-чат контакт-центра и стенограммы с удалением личной информации. «У нас были только данные о разговорах и посещениях с нашего веб-сайта. Эти источники данных использовались для проведения нашей аналитики».
Мукерджи добавил, что агенты колл-центра были частью группы тестирования. «Оценив качество ответа модели ИИ, мы смогли очень быстро выполнить проектирование», — сказал он.
Для Мукерджи это означало, что точность ответов, которые давала его модель искусственного интеллекта, улучшилась с 68% до 88%. Он сказал, что повышение точности было достигнуто «просто за счет отражения намерений агента колл-центра в ответных подсказках – мы даже не делали никакой тонкой настройки».
Отделить ИИ от ИТ
Помимо привлечения к обучению сотрудников колл-центра, Себастьян Конорт, главный специалист по данным в BNP Paribas Cardif, использовал свою презентацию для изучения преимуществ, которых могут достичь ИТ-руководители, если они обеспечат надежность систем искусственного интеллекта, которые они создают и развертывают, достаточно надежными, чтобы поддерживать изменения в их Модели ИИ и инфраструктура ИИ. Он рекомендовал ИТ-руководителям стремиться разделить свои ИИ и ИТ, чтобы по мере развития ИИ-части проекта ИТ не приходилось меняться.
«ИТ-отдел отвечает за развязку компонентов, безопасное предоставление услуг, хранилища, пользовательского интерфейса и оркестрации», — сказал он. «ИИ отвечает за предварительную и постобработку, оркестровку шагов ИИ и эволюцию модели».
Что касается искусственного интеллекта, Конорт также рекомендовал лицам, принимающим решения в сфере ИТ, использовать конвейеры, такие как SciKit-learn, и независимую от платформы платформу для вывода моделей, такую как Cuda, Hugging Face, Tensorflow, MMLabs и PaddlePaddle.
Наконец, чтобы сохранить «приемлемые» затраты, Конорт предложил ИТ-руководителям рассмотреть возможность использования программного обеспечения с открытым исходным кодом при разработке своих продуктов на базе искусственного интеллекта.