«Реален ли этот потенциал ИИ/МО?»
«Сможет ли это решить мои бизнес-проблемы? И если да, то с чего мне начать?»
Если вы руководитель бизнеса (а не эксперт по машинному обучению или энтузиаст искусственного интеллекта); Я уверен, что текущее широкое освещение достижений в области искусственного интеллекта и машинного обучения наверняка привлекло ваше внимание. Очень трудно пропустить истории о авариях Автопилота Теслы, победе АльфаГо или о том, как машины собираются взять верх над человечеством.
Часть I этой серии посвящена потенциальной проблеме AI/ML. В этой части я собираюсь представить пример использования, который потенциально может стать хорошей отправной точкой для многих предприятий. Идея состоит в том, чтобы помочь руководителю оценить область, в которой AI/ML можно использовать эффективно и разумно.
Достойна ли ваша проблема решения ИИ?
BCG в статье предложила подход к определению областей, подходящих для использования ИИ. Они также охватили список критериев оценки применения ИИ. Общая идея состоит в том, чтобы продвигать инициативы в области ИИ со стратегической направленностью от руководителей высшего звена до всех низов в организации.
Возьмем пример обработки документов — это может быть обработка счетов, урегулирование претензий или процесс проверки документов. Подобные процессы почти встроены в большинство компаний, и я буду использовать их для создания своего сценария использования ИИ.
Эти процессы выполняются либо вручную, либо в лучшем случае автоматизированы с использованием правил допуска. В некоторых отраслях, например. Обработка логистических счетов также связана с SLA, привязанными к производительности, и требует дополнительных шагов проверки транзакций. Эти процессы требуют значительных человеческих ресурсов и часто являются основными кандидатами на аутсорсинг для BPO.
Таким образом, идеальный вариант использования ИИ. Кроме того, «обработка документов» хорошо подходит с точки зрения системы оценки, предложенной выше.
Типичный процесс сопоставления счетов-фактур включает следующие этапы:
Новый подход предлагает следующие преимущества:
- Интеллектуальное сопоставление — заказы на покупку должны сопоставляться по номеру заказа, выпуску, строке, отгрузке и получению заказа на покупку.
- Умный поиск — сопоставьте счет за «сантехнику» с заказом «ремонт кухонной мойки»
- Обработка дифференциации из-за аберрации или орфографических ошибок, например — сопоставление «Службы обслуживания приложений» и «Службы обслуживания приложений» или «Службы обслуживания приложений».
- Обрабатывает множество заказов на покупку для многих счетов-фактур
- Гибридный движок (Правила (допуски) + автообучение)
- Полный контрольный журнал и соблюдение
- Экономия рабочей силы и сокращение ошибок
- Новый более разумный подход к решению «традиционной проблемы»
Что будет строительными блоками?
С точки зрения решения, для сопоставления счетов с помощью ИИ потребуются считыватель документов, валидатор, обработчик транзакций и создатель транзакций.
С точки зрения матрицы навыков; для этого требуется сочетание компьютерного зрения, текстовой аналитики и знаний ERP для создания комплексного решения. Компьютерное зрение поможет прочитать документ, а текстовая аналитика поможет идентифицировать и извлечь информацию, присутствующую в счете-фактуре. Знание ERP является обязательным условием беспрепятственного внедрения этой информации в процессы проверки и проводки транзакций, которые связаны с ERP.
Потребуется следующая дополнительная информация/данные:
- Идентификация физических/электронных счетов-фактур (обучающие данные для чтения документов — читать и извлекать данные из документа)
- Идентификация и расположение соответствующих транзакционных данных (заказ на поставку, GR, счета-фактуры, платежи и т. д.) из ERP и/или DW
- Требования к сверке счетов.
- Требования к интерфейсу для проводки транзакций в ERP
Благодаря этому у вас есть больше, чем нужно для запуска вашей первой инициативы в области ИИ.
Резюме
Я надеюсь, что как бизнес-руководитель это поможет понять, как AI/ML может использоваться в вашей организации для решения реальных проблем. Я надеюсь, что это также разрушит некоторые из наиболее распространенных мифов, окружающих эту тему. Если ваша организация собирала данные; у вас есть рутинная, повторяющаяся или рутинная задача или, возможно, что-то, что ранее было автоматизировано с помощью правил — у вас есть потенциальная возможность запустить пилотный проект AI/ML.
Эндрю Нг (главный научный сотрудник Baidu, председатель и соучредитель Coursera, адъюнкт-профессор Стэнфорда) недавно сказал: ИИ — это новое электричество. Я уверен, что вы не хотите, чтобы ваш бизнес всегда работал вне сети.
Все еще читаю :) Спасибо за ваше время. Пожалуйста, поделитесь своим опытом/комментариями и отзывами, и если вы все еще думаете, как двигаться дальше, или у вас есть еще вопросы/сомнения, дайте нам знать.
Первоначально опубликовано на https://www.linkedin.com 5 апреля 2017 г.