Онтология: ключ к раскрытию возможностей ИИ
Мы знаем, как мы хотим, чтобы работали наши компании. Предприятия должны быть ориентированы на клиента, быстро реагировать и использовать цифровые технологии. Они должны доставлять каждому сотруднику и клиенту именно то, что им нужно, в тот момент, когда им это нужно. Данные и технологии для этого доступны уже сейчас. И тем не менее, слишком часто инвестиции в искусственный интеллект (ИИ) не оправдывают этих обещаний. Почему?
Сет Эрли
Эксперт с более чем 20-летним опытом работы в области стратегии знаний, информационной архитектуры, поисковых приложений и решений для поиска информации. Он автор отмеченной наградами книги «Предприятие, основанное на искусственном интеллекте», а также востребованный оратор, автор и влиятельный человек. Признан Thinkers 360 одним из 50 лучших мировых лидеров мысли и влиятельных лиц в области искусственного интеллекта 2022 года.
Проблема, которую руководители должны понять, заключается в том, что искусственный интеллект, созданный без дисциплины, терпит неудачу. Однако когда ИИ «понимает», что происходит внутри бизнеса, это становится чем-то большим, чем просто постепенным улучшением. Это становится ключевым фактором общей эффективности и результативности.
Показательный кейс — страхование бизнеса
Рассмотрим кейс из страховой индустрии. Страхование бизнеса сложно продать. По сравнению со страхованием жилья или автомобиля, страхование бизнеса защищает от множества рисков (как юридических, так и физических) для различных типов компаний: от парикмахерских до розничных торговцев и производителей авиационных запчастей.
Это создает проблему, поскольку десять тысяч небольших страховых агентств, разбросанных по стране, вынуждены продавать продукт, который вызывает бесчисленное множество вопросов. Торговые агенты этих компаний часто звонили в службу поддержки страховой компании в поисках ответов.
Все эти звонки съедали прибыль страховщика. Каждому представителю требовалось 16 недель обучения, чтобы набрать скорость, но высокая текучесть кадров означала постоянные инвестиции в новое обучение. Ответы не всегда были последовательными, что создавало дополнительную проблему: агенты перезванивали второй или третий раз в надежде получить те ответы, которые им понравились.
Похоже, что это та проблема, в которой ИИ мог бы преуспеть, поскольку она охватывает сложные задачи, требует последовательности и зависит от большого набора сложной информации в форме политических документов.
Поэтому руководители страховой компании запустили проект по созданию цифрового продукта ABIE – эксперта по бизнес-страхованию. Этот ресурс искусственного интеллекта был предназначен для создания согласованной, масштабируемой машины для ответов на вопросы страховых агентов о бизнес-политике компании.
Теоретически вы могли бы свалить все документы с ответами в большой бункер и поручить ИИ поискать все, что ему нужно. Но эта идея игнорирует ключевой шаг.
Любой ИИ, потребляющий эту информацию, нуждается во внутренней модели бизнеса компании – модели, которая понимает, например, что «страхователи» означают то же самое, что и «клиенты», и что банки являются финансовыми учреждениями, а автодилеры — нет, и ни одна из них не является финансовым консультантом. Модель также должна будет включать знания о типах страховых продуктов, типах рисков и правилах, которые различаются в зависимости от штата или города, а также о том, как все эти переменные связаны и взаимодействуют друг с другом.
Ключом к созданию цифрового продукта ABIE таким образом, чтобы он мог все это понимать, было создание набора классификаций, называемых таксономиями – например, таксономиями типов бизнеса и типов рисков. Эти таксономии были связаны вместе в структуру, называемую онтологией.
Онтология — это модель бизнеса, и именно она позволяет такой системе, как ABIE, принимать политический документ или другую информацию, представлять ее внутри себя как набор ценного контента и, что наиболее важно, иметь возможность отображать этот контент, когда это применимо к вопросу агента.
На создание ABIE ушел год. Но после запуска он стал ключевым ресурсом.
- Уровень загрузки колл-центров снизились на 10%, поскольку агенты, продающие услуги потенциальным клиентам, поняли, что могут быстро получать ответы из онлайн-системы.
- Число обратных вызовов резко сократилось, поскольку агенты получали последовательный и правильный ответ с первого звонка.
- Сотрудники колл-центра сами начали использовать цифровой продукт ABIE в качестве ресурса и смогли добиться продуктивной работы всего за 12 недель вместо 16.
Руководство страховщика стало рассматривать ABIE как гигантский фактор успеха для компании. И в конечном итоге компания-стаховщик разместила ABIE в Интернете, где каждый, включая потенциальных клиентов, мог сам получить доступ к ответам.
ИИ более продуктивен, когда он основан на онтологии
ИИ не может начать с нуля. Он основан на информационных структурах и архитектуре. Искусственный интеллект начинается с информационной архитектуры. Другими словами, нет ИИ без ИА.
ИИ работает только тогда, когда он понимает душу вашего бизнеса. Онтология является ключом к этому пониманию.
Это представление того, что важно внутри компании и что делает ее уникальной, включая продукты, услуги, решения, процессы, описания клиентов, организационные структуры, методы и все мыслимые типы данных и контента. Если вы создадите его правильно и примените соответствующим образом, это будет иметь значение между грубыми обещаниями ИИ и устойчивым выполнением этих обещаний.
Онтология — это последовательное представление данных и отношений между ними, которые могут служить основой для технологий искусственного интеллекта. Она включает в себя элементы, которые ранее были описаны с использованием терминов модели данных, модели контента, информационные модели, архитектура данных/контента/информации, основные данные или метаданные. Но это больше, чем каждая из этих вещей сама по себе.
Вы не можете купить онтологию у поставщика технологий, поскольку она уникальна для вашей отрасли и вашей компании. Его создание требует систематического процесса, подобного тому, который страховая компания и моя компания предприняли для классификации и систематизации всей информации внутри этой компании.
Его создание — это пошаговый процесс, который начинается с наблюдения за тем, как компания решает проблемы (например, вопросы, задаваемые агентам колл-центра страховщика), придумывания лучших и более продуктивных способов организации этих решений, определения того, кто использует эти решения, и построение подробных вариантов использования. Проделав эту работу – а для любой компании приличного размера это серьезная работа – вы можете разработать принципы организации данных и контента.
Также возможно использовать восходящий подход, ориентированный на данные, наблюдая за всеми данными, которые использует компания, и организуя их в основной набор таксономий, которые вместе составляют основу онтологии.
Начните с правильного фундамента
Какой бы подход вы ни выбрали, вы создадите актив, который окупится по-разному. Как выяснила страховая компания с помощью цифрового продукта ABIE, система организации и понимания всех данных становится ценной для различных аудиторий, и вы можете развивать ее, чтобы охватить больше проблем и решений. А имея онтологию, на которой можно построить цифровой продукт, вы можете применять ИИ устойчивыми способами по мере совершенствования технологий и обогащения данных.
Конечно, можно применить ИИ, не выполняя всей этой работы. Но точечные решения ИИ почти всегда терпят неудачу — иногда сразу, а иногда чуть позже, когда становится ясно, что они просто добавляют еще один уровень сложности к набору и без того сложных проблем. Невозможно построить современное здание на старом, прогнившем фундаменте. И вы не сможете по-настоящему использовать возможности ИИ, если он не построен на основе онтологии, моделирующей то, что важно для бизнеса.