В этой статье постараемся доступно рассказать о новом для 1C:CRM направлении развития — умных помощниках, основанных на искусственном интеллекте. Главное в любой технологии — польза, которую она приносит людям. Ещё она должна превышать затраты на владение технологией — стоимость внедрения и поддержки.
Чем такие помощники отличаются от всех остальных
В обычной автоматизации бизнеса задачу принято решать, используя четкие алгоритмы и создавая конкретные модели, чтобы потом описать в программном коде. Для всех, кто так или иначе связан с автоматизацией, это понятная работа.
В отличие от них, технологии искусственного интеллекта не используют строгих алгоритмов решения задач. Их учат на уже готовых наборах исходных данных и добиваются приемлемой точности результатов. Есть и другие разновидности, но везде работа зависит от исходных данных.
Почтовые спам-фильтры сначала учатся на явном спаме, отмечая признаки, которые есть у таких писем. Алгоритм может с высокой точностью обнаруживать и фильтровать спам. При выявлении новых видов спама достаточно дообучить классификатор и проверить его точность.
После работы такого фильтра сотрудники тратят гораздо меньше времени на чтение спама. Дополнительно это спасает от киберугроз — вместе со спамом злоумышленники часто рассылают вредоносные программы. Согласно данным «Лаборатории Касперского», доля спама в почтовом трафике рунета во 2 кв. 2020 г. составила 51,23%.
Похожим образом работают все алгоритмы на основе искусственного интеллекта, только внутри они устроены сложнее. Обучаясь на данных из реального мира, они обрабатывают их, изучая и запоминая зависимости.В процессе проверки такой классификатор должен показать хорошую точность, например, 95%. Это означет, он пригоден для решения своей задачи.
Например, компания занимается продажей и сервисным сопровождением техники. Классификатор почты может при получении письма по тексту определить, что оно похоже на новый лид. И тогда его следует отдать в процесс продажи, а не специалистам поддержки. Мы можем положиться на результат классификации в статистическом смысле. Он будет верным не всегда, но при правильном обучении процент ошибок ниже, чем при ручной обработке тех же данных. Притом, что скорость работы таких программ намного выше.
Для человека здесь остается функция контроля. При точности классификатора 95% — такая же доля писем будет передана по назначению, остальные 5% классифицируются неверно. Сотрудники отдела продаж получат письма с запросами техподдержки, а специалисты поддержки получат лиды. Но, поскольку они все равно должны прочитать каждое обращение, такие письма будут выявлены и переклассифицированы вручную. Таким образом, время на разбор входящей почты уменьшится в среднем на 95%. Профит!
Скорость и точность на больших объемах данных — сильная сторона технологий искусственного интеллекта. Слабая сторона — узкая направленность на решение конкретной задачи и чувствительность к изменениям контекста. Если стиль большинства входящих писем резко поменяется, классификатор нужно переобучить.
Как работает искусственный интеллект и нейросети
Большинство технологий искусственного интеллекта (ИИ) разрабатывается на языке Python. Поэтому такие программы можно только интегрировать с 1С, а не встроить в само решение. Например, в 1С:CRM ИИ сделан как отдельно устанавливающийся веб-сервер, который можно включать и настраивать независимо от остального функционала. Чтобы использовать помощников, сервер должен быть постоянно запущен, и проще это сделать на компьютере с ОС Linux. Мы можем запустить сервер помощников как службу в Windows, но пока оставляем ее только для пилотных внедрений.
Каждый умный помощник ориентирован на выполнение одной конкретной задачи. Первоначальное обучение помощников происходит на данных информационной базы, в которой они работают. Для этого в форме настройки помощников 1C:CRM предусмотрены команды выгрузки обучающих данных.
Чтобы помощник помогал, а не мешал, должна быть проделана ручная работа и в базе присутствовали данные, на которых он мог бы научиться. Чем больше данных — тем лучше. На чистой базе умный помощник обучиться не сможет. Чтобы снизить зависимость от данных на старте, мы разработали готовый классификатор для помощника классификации электронной почты, обученный на данных электронной почты компании «1С-Рарус».
Мы продолжаем работу над готовыми помощниками и приглашаем к сотрудничеству. Если у вас есть идеи для существующих или новых помощников в 1С:CRM, вопросы, предложения по их работе и использованию — пришлите нам письмо на электронный адрес crm@rarus.ru с пометкой «умные помощники» — и мы свяжемся с вами для обсуждения вопроса.
Практика
Включить и установить модели можно из формы приложений для 1C:CRM на рабочем столе программы. Модели машинного обучения — это веб-сервер. Поэтому нужно запустить клиент 1С на том же компьютере, где он будет функционировать.
По ссылке «Подробнее» откроется общее описание, а по щелчку на картинке запустится процесс установки и настройки:
Если раньше модели машинного обучения не настраивались, программа задаст вопрос: запустить мастер установки, или открыть настройки для их заполнения вручную. Мы рекомендуем пройти мастер, поэтому жмите «Запустить помощник»:
На выбранном компьютере установился веб-сервер, который будет принимать запросы от 1С:Предприятия и выдавать в ответ результаты.
Внешний вид окна настроек моделей машинного обучения (открывается после прохождения мастера установки):
Окно сервера моделей машинного обучения выглядит так (закрывать его не следует):
На данный момент сервер моделей машинного обучения — это консольное приложение, так сделано в целях тестирования и отладки и для знакомства с механизмом. Если необходимо, чтобы работа «умных помощников» не зависела от запущенной консоли — напишите нам на crm@rarus.ru, и мы с этим поможем.