В конце прошлого года исследовательская и консалтинговая компания Gartner, специализирующаяся на рынках информационных технологий, отнесла Decision Intelligence к числу главных IT-трендов 2022 года. Вместе с тем примеры успешного применения технологии в бизнесе есть уже сейчас, что в совокупности с благоприятными прогнозами экспертов выводит её из разряда «модные термины» на совершенно иной уровень. Расскажем о тонкостях ее использования и нюансах, о которых следует знать предприятиям, решившим внедрить технологию в ближайшем будущем.
Что такое Decision Intelligence или «интеллект принятия решений»
Глобальная цифровизация и ускоряющийся темп жизни изменили подход к бизнес-аналитике. Последнее десятилетие традиционные методы принятия решений в компаниях становились всё менее эффективными, и на смену им чаще стали приходить технологии, включающие в себя возможности Искусственного интеллекта (ИИ).
Системы, базирующиеся на ИИ, оперируют большими объёмами данных и на их основании с помощью заданного алгоритма формулируют наиболее эффективные решения поставленных задач. До недавнего времени работа таких систем ограничивались анализом математических показателей. Всё изменилось с появлением Decision Intelligence.
Decision Intelligence (DI) – это технология принятия решений, которая объединяет ключевые знания из прикладного направления data science, социальных наук и науки управления. То есть DI, помимо количественных, оперирует качественными, «эмоциональными», факторами. С её помощью руководители компаний могут принимать решения в соответствии с политической конъюнктурой и настроениями в обществе – важными для экономического сектора, рынка ценных бумаг и ряда других областей тонкостями. В этом принципиальное отличие DI-систем от других систем для принятия решений: они базируются на знании бизнеса, а не на совершенстве алгоритмов.
Из чего состоит система интеллектуального принятия решений
DI-система представляет собой совокупность технологий и алгоритмов (Рисунок 1).
Рисунок 1
Рассмотрим блоки, которые лежат в основе любой DI-системы:
Машинное обучение. Алгоритмизированная обработка структурированных данных и вынесение решений в соответствии с заданными параметрами.
Глубокое обучение. Апгрейд машинного обучения: выработка предложений с учётом ранее принятых решений и их результатов.
Визуальное моделирование решений. Наглядная демонстрация вариантов решений и их результатов для повышения качества их анализа.
Моделирование сложных систем. Быстрое построение сложной бизнес-логики на основе имеющихся данных, правил и цели.
Предиктивная аналитика. Выстраивание максимально точных прогнозов с помощью построения самообучаемых математических моделей.
DI является попыткой усилить преимущества ИИ возможностями человеческого мышления, открывающей ряд преимуществ для бизнеса.
1. Повышение точности принимаемых решений
Разберём, как DI может повысить точность решений стриминговых сервисов. Существующие программные продукты с ИИ формируют предложения только на основе предпочтений человека: какие параметры он указал при авторизации, что чаще всего смотрит или вбивает в поиске.
DI может добавить к сбору данных о пользователе учёт дополнительных внешних факторов. То есть ориентироваться не только на предпочтения человека, но и на сезонность, текущую погоду в регионе и даже ближайшие праздники. Это поможет системе сформировать более персонализированный список фильмов, которые интересны и актуальны для конкретного пользователя.
Допустим, сервис знает, что сейчас за окном лёгкий минус и большая вероятность выпадения осадков в виде снега, а пользователь N активно интересуется зимними видами спорта. Поэтому ему можно рекомендовать к просмотру документальные фильмы про сноубордистов.
Кажется, что эмоциональные факторы нельзя оцифровать. Но это не так:
Эмоции условно прогнозируемы, поскольку, оценивая характер того или иного события, можно предугадать его влияние на социум.
Есть шаблоны поведения людей в той или иной сфере деятельности. Если мы говорим о рынке ценных бумаг, то зачастую шаблоны поведения инвесторов со временем меняются – по мере их погружения в тему. Допустим, сначала человек покупает только акции, а затем добавляет к ним облигации и диверсифицирует свой портфель, балансируя его на уровне 50/50 для снижения инвестиционных рисов. Так вот система с DI может учитывать эти изменения в своих прогнозах для клиентов.
Разные модели поведения людей могут касаться и результатов, которые они преследуют. Например, условно консервативный инвестор рассчитывает на небольшую, но стабильную прибыль в 7-9%. Система с DI учитывает и это. И ищет такие решения, чтобы пользователь получал максимально ожидаемую выгоду на основе своих предпочтений.
Таким образом, системы с DI, в отличие от систем, основанных только на математической рациональности, помогают принимать более объективные и персонализированные решения, отвечая на запросы и ожидания человека.
2. Экономия времени сотрудников компании
DI помогает сократить время и усилия, связанные с созданием, разработкой и развёртыванием сложной бизнес-логики. На начальном этапе сотрудники занимаются формированием входных данных и постановкой цели.
Затем всё самое трудоёмкое – анализ данных и выработку решений – система берёт на себя. Поэтому сотрудники компании могут сфокусироваться именно на результате: оценить его корректность, применимость в конкретном случае и возможности компании для решения задачи заданным путём.
3. Повышение эффективности бизнеса
Один из главных приоритетов для большинства современных компаний – умение быстро реагировать на изменения рынка, чтобы удовлетворять потребности клиентов. Это напрямую влияет на эффективность бизнеса: чем быстрее принимаются решения и чем сильнее их связь с реалиями, тем довольнее аудитория.
Помимо этого, персонализированные решения, строго ориентированные на текущие цели, помогают достигать максимальных результатов. Поэтому будущее за теми компаниями, чья деятельность основывается на качественной аналитике и возможностях ИИ.
Можно ли с помощью DI вывести человека из уравнения принятия решений
Человек должен участвовать во всех этапах работы DI-системы:
1. Определение и постановка цели перед системой. Самый сложный и ответственный шаг ложится на плечи человека, ведь на этом этапе формируются бизнес-цели и ожидания по их достижению.
2. Реализация проекта. Контролируя работу DI-системы, человек сможет придерживаться поставленной цели и ориентироваться на специфику правил своего бизнеса, а не только на совершенствование алгоритмов.
3. Тестирование системы перед внедрением. Важно удостовериться в том, что DI выдаёт корректные решения задач.
4. Принятие решения о необходимости применения DI. Система для интеллектуального принятия решений подходит для анализа далеко не всех процессов. Поэтому нельзя поставить бизнес-анализ по этой технологии «на поток». В каждом случае целесообразность подхода должна оцениваться и обсуждаться.
5. Оценка результатов. При всех своих возможностях, безусловно, DI может ошибаться. Большое количество данных, с одной стороны, делает решение более взвешенным, с другой – способно сыграть злую шутку. Это происходит тогда, когда при измерениях была допущена большая погрешность. Поэтому качество входных данных определяет корректность работы DI-системы.
DI-система упрощает все процессы бизнес-анализа, экономит время, повышает точность принятия решений, но она не высвобождает человека из этой цепочки.
В каких случаях компании будет полезен интеллект принятия решений
Один из ключевых эффектов от внедрения DI-системы – повышение эффективности бизнеса. Однако такие программные продукты ориентированы на те сферы, где нужно принимать быстрые решения, где данные постоянно меняются, а результаты очень зависят от качественных факторов. Для статичных компаний применение технологии Decision Intelligence нецелесообразно.
Помимо этого, думая над внедрением интеллектуальной системы для принятия решений, компания должна понимать, какие цели она преследует. Рассмотрим направления бизнеса, где организации могут извлечь большую пользу из технологии DI и с её помощью использовать свои данные по максимуму.
Рынок ценных бумаг
Decision Intelligence максимально раскрывает свой потенциал при поиске решений для ряда задач финансового сектора. Технология помогает устранить несоответствия между практикой принятия решений и сложным характером текущих обстоятельств. И это хорошо прослеживается при сравнении DI с её предшественницей – прогнозной системой (предиктивной аналитикой), которая оперирует только количественными факторами.
В сфере финансов, например, фактом изменения цен на акции определённой компании в течение большого промежутка времени. На основе этой информации строится регрессионная модель с графиком. И система пытается угадать, по какой зависимости он пойдёт, чтобы рассчитать будущие скачки стоимости. Модель обучаема: если данные меняются, то и она перестраивается, что положительно влияет на точность принимаемых решений.
Но предиктивная аналитика не учитывает эмоциональные факторы – политические события, социальные изменения и сезонность, которые оказывают большое, порой даже очень большое, влияние на стоимость акций. Эти данные сделали бы модель совершеннее, а решения – точнее. Как в системах с DI.
Здравоохранение
В сфере здравоохранения такие системы могут быть дополнены знаниями (фактами) о пациентах. Рассмотрим случай использования DI в дерматологии. Сейчас есть методы обнаружения меланомы по фотографии пациента, но при классическом подходе использования AI, ML, DL в результате работы алгоритма может быть допущена ошибка.
К примеру, алгоритм на основе фото, где виден размытый контур невуса, выдаст высокую вероятность возникновения болезни в будущем. При этом, если учесть этническую принадлежность пациента, регион его постоянного пребывания и другие факторы, то риск появления меланомы может быть сведён к нулю.
DI-система же будет принимать решение аналогично врачу, который ориентируется не только на визуальную составляющую, но и на ряд специфических маркеров, своего рода собранный анамнез пациента. Именно поэтому, пока такие системы не распространены, врачи не любят проводить диагностику с использованием информационных технологий, «по фото», и рекомендуют очные консультации.
Экспорт товаров
На формирование экспортной политики товаров и услуг может влиять множество факторов, и далеко не всегда только количественных. DI-система выдаёт решение о том, стоит ли реализовывать товары и услуги на экспорт, с учётом текущей геополитической ситуации и в соответствии с внутренней политикой страны. Так, DI будет брать в расчёт наличие санкций, налоговую нагрузку, возможные дотации и т. д. Что важно, поскольку порой именно эти факторы указывают на то, что реализация товаров и услуг на внутреннем рынке на данном этапе выгоднее, чем экспорт.
Будущее Decision Intelligence
Не исключено, что благодаря DI не только появится много новых систем, но и произойдёт модификация давно использующихся продуктов для бизнес-аналитики. Технология может стать следующей надстройкой над возможностями существующих систем (Рисунок 2).
Рисунок 2
Как показано на рисунке, модифицированная система для бизнес-аналитики будет состоять из нескольких уровней:
1. Датчики, осуществляющие сбор исходной информации.
2. Учётная система, построенная на основе обработанных данных с приборов учёта.
3. Мониторинговый центр, транслирующий рассчитанные ключевые показатели эффективности на основе учётной системы.
4. Прогнозная аналитика, пытающаяся предугадать поведение системы на короткий горизонт времени.
5. Система принятия решений (DI), которая будет основываться на показателях мониторингового центра и прогнозной системы.
Что касается обозримого будущего, то можно точно сказать, что технология в силу специфики решаемых задач вряд ли станет повсеместной. В то же время DI будет неотъемлемой частью процессов бизнес-аналитики для компаний определённых типов. Тех, чья деятельность требует быстрой, но при этом взвешенной реакции на стремительно меняющиеся социальные факторы.