Пока темой искусственного интеллекта пугают обывателя, заявляя, что роботы вот-вот лишат нас работы и самостоятельно начнут войну, технологии искусственного интеллекта (ИИ) начинают все активнее применяться в российских ИТ-продуктах. Интересно, что в некоторых случаях технологии эти базируются на основе российской фундаментальной математической науки, которая разрабатывает оригинальные подходы в этой области еще с середины прошлого века.
Мечта снабженца
Стоны по поводу оторванности российской науки от реальной жизни слышатся давно. Примером преодоления этой проблемы может стать деятельность российской ИТ-компании «Антирутина», которая объявила о разработке и внедрении в тесном сотрудничестве с российскими учеными уникального ИТ-решения с алгоритмами искусственного интеллекта в компании «Газпром». Речь идет о продукте «Антирутина. Корпорация», который российский разработчик позиционирует как универсальное ИТ-решение, способное эффективно автоматизировать процесс закупок в крупной корпорации. Новое решение — мечта любого снабженца. Любой, кто имел отношение к корпоративным закупкам нужных материалов, товаров и услуг, знает, какая это мука — выверять в прайс-листах поставщиков нужные строчки с артикулами, лучшей ценой, комплектацией и проч. Особенно кропотливым такой труд становится в крупной корпорации, где часто одновременно осуществляется закупка тысяч наименований продукции. Обычно в отделах снабжения таких компаний работают десятки людей, которые терпеливо собирают нужную информацию от поставщиков и формируют заказы.
Всю эту нудную рутинную работу предложено заменить новым ИТ-решением, которое будет справляться с такими задачами лучше, быстрее, эффективнее, чем большой штат менеджеров. «Наша система способна сама быстро анализировать внушительные массивы данных, например по прайс-листам поставщиков. С помощью алгоритмов искусственного интеллекта она в нужном виде упорядочит информацию, таким же образом, как ее упорядочил бы штат специалистов, — объясняет Герман Инденбаум, генеральный директор “Антирутины”. — Например, система, анализируя все предложения, скажем, отнесет молоко жирностью 2,8 процента к одной группе, а жирностью 3,2 процента — к другой. Литровые пачки попадут в одну категорию, поллитровые — в другую. И при этом будет выбрана лучшая цена, сроки поставок и другие важные параметры заказа».
По словам Германа Инденбаума, преимущество новой системы в том, что сервис в автоматическом режиме может быстро «понимать», что и каким образом нужно закупать конкретной компании. Например, система способна быстро анализировать десятки тысяч планируемых или исторических закупок, классифицировать и распределять все заказы в нужные группы, выявлять географическое распределение товаров и на основе базы данных цен, в том числе прайс-листов поставщиков, не только определять оптимальные цены, но и даже предсказывать их возможное повышение.
Первые опыты внедрения новой системы получили положительные отзывы пользователей. Например, в «Газпроме», где сис