#deperspective: AI w procesach biznesowych

Algorytmy sztucznej inteligencji i uczenia maszynowego (polecamy mapę pojęć dla odświeżenia terminologii) obecnej generacji są wysoce wyspecjalizowane i większość z nich robi tylko to, co im każemy. Ale już na tym etapie rozwoju technologii mamy systemy AI i ML oparte na analityce, które potrafią wykryć usterki produkcyjne (quality control, image recognition), nadużycia i kradzieże (anti-fraud), zoptymalizować logistykę w magazynie czy zautomatyzować obsługę likwidacji szkód na potrzeby ubezpieczeń.

Takie rozwiązania pokazali Kamil Konikiewicz (SAS Analytics Practice Lead w regionie MEEE) i Tomasz Rostkowski (Analytics and Automation Department Manager w Integrated Solutions).

Anti-fraud

Myśląc o anti-fraud czasem zapominamy, że potencjalnym zagrożeniem są nie tylko nieuczciwi klienci czy mityczne organizacje przestępcze, ale też nasi pracownicy. Kamil Konikiewicz z SAS opowiedział mrożącą krew w żyłach historię o tym jak pracownicy operatora komórkowego wyłudzali kilkadziesiąt nowych smartfonów miesięcznie, obchodząc prawo pozwalające na kupienie tylko 2 kart SIM na dany PESEL – i jak algorytm analityki danych to wykrył.

Jeśli jesteście ciekawi modelu biznesowego bohaterów tej historii kryminalnej – kluczem do sukcesu były tzw “słupy” i cesje.

A jak algorytm opracowany przez SAS namierzył przestępców? Okazało się, że sprawcy byli prawdziwymi przodownikami pracy, którzy po zamknięciu salonu wyrabiali wielokrotność dziennej normy obsłużonych cesji.

Jeśli moglibyśmy wyciągnąć z tej lekcji jakiś morał, brzmiałby on tak:

Nie pracujcie za dużo po godzinach. To źle wygląda w logach 😉

Automatyzacja procesów back-office
Tomasz Rostkowski z Integrated Solutions zademonstrował system łączący techniki robotyzacji i analityki tekstu, który automatyzuje procesy na styku back-office i obsługi klientów. Przedstawiony robot analizował treść wiadomości mailowych od klientów polis grupowych, identyfikował ich intencję i klasyfikował jako dotyczące chęci indywidualnej kontynuacji polisy. Jeżeli w zgłoszeniu brakowało danych indentyfikacyjnych takich jak PESEL czy numer polisy, robot prowadził dialog z klientem przez maila lub SMSa w celu uzupełnienia tych danych. Na końcu skompletowane zgłoszenie było automatycznie weryfikowane i rejestrowane w systemie biznesowym.

Jak powiedział Tomasz, zastosowanie zaawansowanej analityki pozwala podnieść skuteczność robotyzacji, a  nowe narzędzia klasy RPA pozwalają bardzo szybko wdrażać efekty uczenia maszynowego w procesach operacyjnych.

Optymalizacja logistyki

Pracownik magazynu obsługujący wysyłkę towaru przemierza miesięcznie średnio 5-6 tys. kilometrów. SAS opracował dla klienta algorytm, który optymalizował rozkład produktów na półkach tak, aby ostatecznie zmniejszyć przebieg pracowników nawet o 15-20%.

Podstawą takiej optymalizacji była na przykład analiza, które produkty są najczęściej pakowane razem, które wysyłane najczęściej, itp. Popularne zestawy rozmieszczono niedaleko od siebie, a najczęściej rotowane - na początku alejki.

Data 4.0

Era popularności Big Data przyniosła też popularność stanowiska Data Scientist – a raczej zapotrzebowania na niego. Adopcja technologii – w tym analityki – rośnie, a rynek pracy nie nadąża. Wyciąganie wniosków z surowych danych (BI) jest coraz lepiej automatyzowane, a następnym krokiem tej automatyzacji będzie automatyzacja decyzji. Chociaż nieprędko spodziewamy się prawdziwie inteligentnych robotów, zyski i oszczędności z RPA i BI, nawet tych wąsko wyspecjalizowanych, są imponujące.