Нещодавно ми повідомили, що розробляємо OneBox Next — CRM-систему з штучним інтелектом. Але ШІ це дуже широке поняття і для більшості наших клієнтів і користувачів зовсім не зрозуміло, що означає.
Сьогодні я хочу розповісти зрозумілими словами "що це таке” і як це застосовано в нашому продукті.
Що таке нейронна мережа і машинне навчання
Зараз дуже модно стало говорити про машинне навчання. Воно ж machine learning або скорочено ML. Давайте розберемо докладно що це таке.
Уявіть, що у вас якісь вхідні дані, і деякі вихідні дані. Наприклад, вхідними даними нехай буде фотографія, а вихідними — стать людини на цій фотографії.
Схематично це можна показати так. Припустимо фотографія має дозвіл 320x240.
Отже у нас буде 320x240 = 76800 входів.
Вихідні дані — 4 сигналу: наскільки фотографія схожа на чоловіка (від 0 до 1), на жінку, на дитину, на “незрозуміло що”. Кожен вихід — це ймовірність. Наприклад, на малюнку показано що 0.91 — це ймовірно чоловік.
Завдання машинного навчання: побудувати відповідності між вхідними та вихідними даними. Знайти закономірність, яку може не побачити навіть людина на око.
Які є способи і методи?
Є багато алгоритмів машинного навчання, за якими знаходяться закономірності. Це нейронні мережі, метод k-найближчих сусідів, метод групового обліку аргументів. Це все різні алгоритми.
Але їх суть одна — знайти формулу закономірності, так звану математичну модель.
У найпростішому випадку формула може бути лінійна — це називається апроксимація.
А може бути і більш складний поліном — це називається інтерполяція.
На малюнках показані точки з координатами X, Y. Синя лінія — це знайдена закономірність.
Навіщо її шукати? Все просто: якщо ви знаєте формулу закономірності, то ви можете сказати який буде результат на іншому наборі даних.
Це дуже прості приклади які шукають закономірність X від Y. Вони двомірні. У реальності машинне навчання дозволяє знайти не одну, а кілька закономірностей в наборі даних. Ми шукаємо їх в 3D / 4D / .. 10KD.
Які закономірності можна знаходити?
Тепер, коли ви знаєте теорію, поговоримо про те, які закономірності можна знаходити. Якщо припустити, що людина не може побачити залежності у всіх даних, то можна шукати в них будь-які закономірності, навіть якщо вони здаються божевіллям.
Наприклад:
- іноді є закономірності навіть там, де ви їх не бачите. Приклад з числами. Успіх операції в залежності від дня тижня;
- прогноз зустрічних питань від клієнта в залежності від прогнозу погоди
- сума чека в залежності від часу спілкування з клієнтом;
- періодичність наступного дзвінка клієнта від історії дзвінків в минулому
- і так далі.
Нейромережі допомагають знаходити такі закономірності всередині CRM. Наприклад, OneBox Next вже зараз допомагає нашій компанії таким чином:
- вибір оптимального співробітника залежно від суті завдання;
- оцінка часу виконання завдання;
- пошук максимально схожою групи завдань;
- пророкування дзвінка від клієнта;
- можливі результати угоди в залежності і на кого її краще призначити, в залежності від галузі клієнта, його манери спілкування і ще величезної кількості даних.
Уявіть, що ви будете знати результат угоди ще до того як вона завершитися, і будете точно знати на кого її варто чи не варто призначати.
Автоматичне формування відповідей в чатах і поштою
Є ще одна сфера застосування штучного інтелекту — це формування відповідей на питання клієнта. Якщо у вас є величезний масив даних в вигляді чат-листування або корпоративної пошти, то можна знайти закономірності “що запитують => що відповідають”. І коли буде поставлено чергове запитання, то ІІ може знайти закономірність і видати максимально наближений відповідь.
Технічно, ми будуємо величезний граф “яка фраза від якої залежить” і наскільки сильно. І потім шукаємо можливі варіанти.
На жаль, побудувати модель на основі поштового листування дуже складно, тому що сам текст в листуванні не стандартизований. Там багато сміття: вітання, підписи, даремні пересилання листів Fwd: Fwd: і так далі. Об'єктивно, всередині OneBox Next ця функція ще досить довгий час буде в змозі розробки і тестування.
Що вже зараз вміє OneBox Next
- у нас є контакти, листування, замовлення, завдання проекти;
- в кожній з цих сутностей box може знаходити закономірності;
- для певної групи завдань прогнозувати час виконання;
- для певної групи завдань визначати кращого виконавця;
- прогнозувати дзвінки і листи від клієнтів заздалегідь;
- прогнозувати результат угоди;
- рекомендувати лист/дзвінок клієнту в потрібний час, щоб наблизитися до максимально вдалою ланцюжку подій, яка приведе до угоди;
- і це все ви налаштовуєте самі.
Коли це буде доступно?
Очікувана дата релізу OneBox Next — грудень 2016 — січень 2017.
