Автоматизация процессов
с помощью нейронных сетей

⁃ Написание технического задания (ТЗ)
⁃ Сбор датасета для обучения
⁃ Настройка GPT нейросети (ChatGPT, YandexGPT, GigaChat, Llama …)
⁃ Обучение GPT нейросети на подготовленном датасете
⁃ Упаковка GPT в модуль (загрузка и хранение данных, выгрузка результата, API интерфейс)
⁃ Оценка результата (тестирование, отладка)
⁃ Интеграция модуля с GPT в бизнес (сайт, битрикс, 1С, CRM, ERP, приложение …)
⁃ Техническая поддержка на 12 месяцев

Преимущества: умный чат-бот на основе GPT нейросети имитирует общение человека, понимает контекст вопроса в разных интерпретациях, он не ограничен заданными сценариями, его ответы всегда индивидуальны, он быстро дообучаем и не является сложной технологической разработкой (бюджетное решение, быстрая реализация). Он имеет практически безграничные возможности по увеличению его умений и превращению в многофункционального виртуального ассистента.

Финальная стоимость зависит от возможностей (умений) чат-бота, наличия данных для обучения и требований к внедрению в бизнес.

⁃ Написание технического задания (ТЗ)
⁃ Сбор расширенного датасета для обучения
⁃ Настройка GPT нейросети (Auto-GPT, BabyAGI, ChatGPT, YandexGPT, GigaChat, Llama …)
⁃ Обучение GPT нейросети на подготовленном датасете
⁃ Упаковка GPT в модуль (загрузка и хранение данных, выгрузка результата, API интерфейс)
⁃ Расширение возможностей GPT модуля (больший объем знаний и новые умения)
⁃ Оценка результата (тестирование, отладка)
⁃ Интеграция GPT модуля в бизнес (сайт, битрикс, 1С, CRM, ERP, приложение …)
⁃ Техническая поддержка на 12 месяцев


Преимущества: ИИ помощник имитирует определенную человеческую роль в бизнесе, он не только ведет целенаправленный диалог, но и параллельно выполняет вытекающие задачи из общения. Его база знаний быстро увеличивается за счет проводимого общения (опыта) и дополнительного обучения (новых данных). При необходимости, он может постепенно стать проекцией каждой роли в компании, т.е. быть ядром бизнеса, который знает все о нем и может выполнить практически любую задачу.

Финальная стоимость зависит от объема знаний и возможностей (умений) ассистента, наличия данных для его обучения и требований к внедрению в бизнес.

⁃ Бизнес-аналитика процесса(ов)
⁃ Написание технического задания
⁃ Теоретический анализ
⁃ Практическое исследование
⁃ Проектирование архитектуры модуля с ИИ
⁃ Сбор датасета
⁃ Создание нейронной сети
⁃ Обучение нейронной сети
⁃ Упаковка нейронной сети в модуль (загрузка и хранение данных, выгрузка результата, API интерфейс)
⁃ Оценка результата модуля ИИ
⁃ Расширения модуля ИИ (создание вспомогательных инструментов предобработки и постобработки данных)
⁃ Оценка результата модуля ИИ
⁃ Оптимизация модуля ИИ (корректировка параметров, модификация, дообучение)
⁃ Интеграция модуля ИИ в процесс бизнеса
⁃ Обучение сотрудников компании по использованию и взаимодействию с модулем ИИ
⁃ Техническая поддержка на 12 месяцев

Плюсы: автоматизация процесса с помощью ИИ позволяет значительно повысить эффективность его выполнения (скорость, точность, ликвидация человеческого фактора). В случае изменения процесса, ИИ нужно будет переобучить всего один раз. Все выполняемые действия ИИ фиксируются. Все используемые данные хранятся в безопасности на вашем сервере. Проведение НИОКР позволяет определить наиболее подходящий процесс для автоматизации ИИ, спрогнозировать объем работ и срок с гарантией результата.

Финальная стоимость зависит от надобности проведения НИОКР, имеющихся данных, сложности процесса и требований к ИИ технологиям.

⁃ Бизнес-аналитика процесса(ов)
⁃ Написание технического задания
⁃ Теоретический анализ
⁃ Практическое исследование
⁃ Проектирование архитектуры системы с ИИ
⁃ Сбор расширенного датасета для нейронных сетей
⁃ Создание компонентов из комплекса нейронных сетей (CV, OCR, NLP, GPT …)
⁃ Обучение нейронных сетей
⁃ Упаковка компонентов с нейронными сетями в систему (объединение процессов, загрузка и хранение данных, выгрузка результата, API интерфейс)
⁃ Оценка результата системы с ИИ
⁃ Создание дополнительных инструментов предобработки и постобработки данных, веб-сервисов (расширение возможностей системы)
⁃ Оценка результата системы
⁃ Оптимизация системы (корректировка параметров, модификация и дообучение нейронных сетей)
⁃ Интеграция системы в процесс бизнеса (автоматизация)
⁃ Обучение сотрудников компании по использованию и взаимодействию с системой
⁃ Техническая поддержка на 12 месяцев

Плюсы: полноценная автоматизация сложного процесса с помощью ИИ позволяет выйти бизнесу на новый уровень, т.к. разные роли и умения сотрудников будут выполняться невероятно быстро и точно, без ошибок, 24/7, исключая предвзятость и личные предпочтения. Все используемые данные хранятся в безопасности на вашем сервере. В случае изменения процесса, систему с ИИ нужно будет переобучить всего один раз. Все выполняемые действия ИИ фиксируются. Проведение НИОКР позволяет определить наиболее подходящий процесс для автоматизации ИИ и спрогнозировать объем работ со сроком и гарантией результата.

Финальная стоимость зависит от необходимости проведения НИОКР, сложности процесса (кол-во ролей и навыков в нем), имеющихся данных, ИТ-инфраструктуры компании и требований к внедрению системы.

Связываетесь с нами через форму захвата, номер телефона, почту или мессенджер.
Рассказываете о процессе, в который необходимо внедрить ИИ. Если таких процессов несколько, либо однозначно он не выявлен - мы помогаем наводящими вопросами это определить.

После чего, конкретизируем задачу и переходим к обсуждению вариантов реализации. Мы расскажем о разных подходах, стоимости и сроках, преимуществах и сложностях. С учетом ваших требований к ИИ, имеющихся данных и существующей ИТ-инфраструктуры в которую будет внедрен ИИ - определим оптимальный вариант реализации.

В ходе таких обсуждений могут быть задействованы ваши сотрудники и ИТ-специалисты.

Когда подход с задачей зафиксированы, переходим к составлению договора, в котором будет перечислено: основания работ (задача), перечень этапов, их стоимость и срок выполнения. После согласования и подписания документов, вы вносите предоплату за первый этап работ и мы приступаем к его выполнению на следующей день, далее, процесс создания ИИ будет запущен и реализован в полной мере нашей профессиональной командой, с последующей поддержкой, обучением и сопровождением.

Для оперативной консультации напишите Со-основателю в Telegram: @iBorshchov 👌

Всюду, где есть процессы, основанные на правилах, воспроизводимые и способные использовать (или уже использующие) ИТ-системы.

Вот некоторые стандартные задачи, которые может выполнять ИИ:

• Повысить скорость выполнения процесса
• Поднять качество выполнения процесса
• Принимать более эффективные решения
• Улучшить обслуживания клиентов
• Сформировать прогноз или повысить их точность
• Сократить операционные расходы
• Повысить рейтинг удовлетворенности клиентов
• Автоматизировать платежи
• Оптимально распределить ресурсы
• Увеличить продажи
• Уменьшить брак производства
• Увеличить контроль и безопасность на производстве
• Распознать тенденции

Нейронная сеть или в полном названии искусственная нейронная сеть (ИНС ) - это подмножество алгоритмов машинного обучения, предназначенных для распознавания закономерностей и составления прогнозов или решений на основе входных данных.

Нейронные сети способны обрабатывать сложные шаблоны данных и могут использоваться для различных задач, таких как классификация, регрессия, распознавание изображений, обработка естественного языка и многое другое.

ИНС нашли применение в различных областях, включая промышленность, финансы, здравоохранение, маркетинг, робототехнику и беспилотные автомобили. Сила нейронных сетей заключается в их способности автоматически обучаться и адаптироваться на основе новых данных, что позволяет им решать сложные задачи и делать прогнозы с высокой точностью.

Чтобы ИИ научить решать поставленную задачу, необходимо для этого собрать и структурировать данные, обработать их и очистить от мусора, а также разметить (добавить объяснения на языке ИИ). После чего, разделить данные на обучающую и проверочную выборки, т.к. ИИ на одних данных учится, а на других, которых он ранее не видел, проверяется (оценивается) его результат.

Изначально в компании данные могут быть не структурированы, тогда их необходимо предварительно структурировать. Если они уже структурированы, то только обработать, очистить от мусора, разметить и разделить.

Если архива с данными нет, их необходимо будет создать. Сбор может включать в себя парсинг веб-сайтов, досок объявлений, тендерных площадок, баз данных, вызовов API сторонних сервисов, выгрузку информации из CRM/ERP систем и 1С бухгалтерии, выгрузку логов серверов и оборудования, загрузку и/или ввод данных вручную, создание с нуля, проведение опросов и т.д.

Очистка собранных данных - это процесс, который включает в себя обработку отсутствующих значений, удаление дубликатов, исправление несоответствий и устранение любых аномалий данных. Очистка данных имеет решающее значение для обеспечения точного и надежного обучения нейронной сети.

Сбор данных требует затрат, их размер зависит от того, сколько данных необходимо и чем осложнен процесс сбора.

Есть ряд критериев, позволяющих определить подходящий бизнес-процесс компании для внедрения в него ИИ, вот некоторые из них:

• Он должен быть основанным на правилах, предсказуемым и воспроизводимым. Такой процесс должен иметь возможность быть описанным (детализированным) до «уровня нажатия клавиш».
• Желательно, он должен иметь большой объем и быть легко масштабируемым. Предпочтительным будет также процесс с большим числом итераций (например, много раз в день), поскольку он обеспечит более высокую отдачу от инвестиций в автоматизацию.
• Он может затрагивать сразу несколько систем, поскольку именно для интеграции и перемещения данных между системами обычно используются люди, которых ИИ способен заменить.
• Он относится к тем процессам, где низкое качество приводит к высокому риску или затратам. В подобной ситуации даже процесс малого объема лучше автоматизировать ради снижения рисков. Типичный случай — проведение платежей, когда соблюдение правил и точность их выполнения являются основными критериями надежности.

Нейронные сети обучаются в основном на видеокартах, именно на тех, которые используются для майнинга криптовалюты. Для разного рода задач используются разные вычислительные мощности (в основном это зависит от размера нейронной сети). Сам процесс обучения нейронной сети может занимать от нескольких часов до нескольких месяцев непрерывной работы вычислительных ресурсов.

Большинство нейронных сетей после обучения могут работать на CPU (центральном процессоре), что значительно дешевле, нежели использовать GPU (графический процессор), но скорость работы ИИ на CPU будет в разы (иногда в десятки раз) медленнее, чем на GPU.

Сервер для работы нейронной сети может стоять как в офисе, так и быть размещенным в облаке. В первом случае, необходимо приобрести соответствующее оборудование (его стоимость зависит от размера нейронной сети и сопутствующих требований, в среднем это от 50 000 до 350 000 рублей).
Во втором случае, использование облачной инфраструктуры проще и дешевле, т.к. вы арендуете уже готовые сервера нужных мощностей и характеристик, большинство настроек происходит за пару часов, а абон плата начинается от тысячи рублей в месяц. Но в случае использования мощных GPU серверов стоимость может доходить до нескольких десятков тысяч в месяц.

После разработки ИИ, внедрение обычно состоит из 2 задач:

1. Получение входящих данных для ИИ в автоматическом режиме.

Здесь производится интеграция с существующими процессами компании для извлечения данных из открытых интернет источников, а также из систем баз данных компании (ERP/CRM/1C…) с которыми ИИ необходимо будет работать.
Данный этап позволит автоматизировать процесс по получению и извлечению нужных данных для работы ИИ.

2. Отправка результата от ИИ в автоматическом режиме.

Данная интеграция с другими процессами компании позволяет автоматически отправлять получаемый результат от ИИ в нужное место бизнеса. Как правило, это некий интерфейс: веб-сайт, мобильное приложение, ERP, CRM или 1C система.

Иногда, интерфейс для взаимодействия с нейронной сетью разрабатывается отдельно.

Касательно железа, необходимо следить за функционированием сервера, на котором работает нейронная сеть (если это облачная инфраструктура - следить как минимум за своевременной его оплатой, если физический сервер, то проводить раз в квартал-пол года профилактические работы).

Периодические мониторить нагрузку на сервер, т.к. с увеличением использования нейронной сети, может потребоваться и увеличение вычислительных ресурсов сервера. Процесс мониторинга может быть автоматизирован с помощью дополнительных алгоритмов.

Также, с течением времени могут возникать задачи дообучения на основании новых актуальных данных, которые необходимо учитывать в рабочей модели. Такие задачи обычно обсуждаются после разработки и внедрения ИИ в процессы, если их будет много, то они также могут быть автоматизированы алгоритмами самообучения.

В случае, если автоматизированный процесс меняется, нужно будет переобучить ИИ под новые изменения.

Начинается все с подготовительных этапов (НИОКР).
Бизнес-аналитик исследует процесс(ы) компании, который необходимо автоматизировать, после чего, он пишет ТЗ с требованиями к ИИ, далее, происходит анализ с целью подбора потенциальных технологий реализации (готовые open source модели с нейронными сетями, библиотеки с фреймворками для их создания и SaaS решения с API возможностями), далее, проводится практическое исследование наиболее оптимальных технологий из отобранных в анализе (где на выходе обычно получается минимальная версия нейронной сети с демонстрацией ее возможностей под стоявшую задачу в ТЗ), после чего, проектируется архитектура модуля (фиксация технической дорожной карты).

Когда завершены подготовительные этапы (проведен НИОКР), происходит сбор датасета (для обучения и тестирования ИИ), создается нейронная сеть и происходит ее обучение с последующей оценкой результата (тестированием того, что получилось), после чего, формируется вывод и осуществляется оптимизация нейронной сети (дообучение, корректировка параметров) и повторно оценивается результат (так может быть еще несколько кругов оптимизации). Параллельно происходит создание модуля ИИ, т.е. реализация дополнительных инструментов для предобработки входящих данных (которые поступают к ИИ), чтобы улучшить качество работы нейронной сети.

Когда модуль ИИ готов, происходит его внедрение во внутренние процессы компании, для завершения задачи по автоматизации нужного процесса.

После чего, осуществляется поддержка, обучение персонала и последующее сопровождение.

Что такое модуль ИИ?

Модуль ИИ обычно состоит из нейронной сети и вспомогательных инструментов, которые позволяют загружать входные данные, хранить получаемый результат и выгружать его, а также, дополнительной предобработкой и постобработкой данных, включая API интерфейс для интеграции с другими системами.

Система с ИИ, это уже совокупность из различных нейронных сетей с набором дополнительных компонентов и инструментов. По сути, это тоже самое что и модуль ИИ, но только с большим кол-вом функционала, который решает более сложные задачи.

И чем больше требований в ТЗ к задаче ИИ, тем будет больше эта совокупность из различных нейронных сетей, компонентов и технологий, а также будет больше разных сторонних интеграций и сложнее процесс последующего внедрения.

В основном, все технологии ИИ являются open source решениями, т.е. их физически невозможно заблокировать, т.к. это открытые решения, которые были созданы как «инструменты разработки» и выложены в свободный доступ с целью их дальнейшего использования в разработке иных решений (продуктов). Т.е. ни то, что уже разработано, ни то, что будет разрабатываться/дорабатываться - никак заблокировать и навредить этому нельзя.

Если использовать APIs решения (SaaS решения, предоставляющие готовые модели с нейронными сетями и доступ к ним через API интерфейс) - то заблокировать их использование извне можно, но в таком случае можно заранее реализовать прокси сервер с подменой IP адреса с которого к ним обращаться (по аналогии включения VPN и использования ChatGPT). Риски конечно же остаются, но и разработка модуля ИИ с использованием SaaS решения является самым дешевым вариантом.

А что с лицензиями на open source решения?

Все платформы/фреймворки/библиотеки/модели/нейронные сети с открытым исходным кодом (open source) имеют лицензии свободного использования, вроде MIT (https://ru.wikipedia.org/wiki/Лицензия_MIT) и других.
Такие лицензии позволяют создавать свои коммерческие продукты, не отчисляя роялти или другие выплаты, а также позволяют оформлять авторские права на полученный продукт, без необходимости раскрытия исходного кода. Санкции также никак не могут повлиять на использование таких технологий.