iПомощники: просто о сложном

• Для начала
• Что это вообще такое?
• Как это в целом работает?
• Как включить?

Для начала

Технологии искусственного интеллекта доступны для бизнеса как никогда раньше. Но их применение все еще вызывает множество вопросов. В этой статье мы постараемся доступно и подробно рассказать об этом новом для 1C:CRM направлении развития.

Самое главное в любой технологии — польза, которую она может принести людям. Разумеется, эта польза должна превышать затраты на владение технологией — стоимость ее внедрения и поддержки.

Далее мы вкратце рассмотрим технологии искусственного интеллекта в целом, и созданные на их основе для 1C:CRM простые инструменты, которые позволяют принести реальную пользу бизнесу — сократить время обслуживания клиентских обращений и спрогнозировать вероятность конверсии в процессе продажи. Приступим!

Что это вообще такое?

Пожалуй, это наиболее частый вопрос, возникающий при знакомстве с технологиями искусственного интеллекта. Если рассматривать их в целом, то наиболее заметное их отличие от других вычислительных технологий — способ решения задач бизнеса. 

В привычной нам автоматизации бизнеса задачу принято решать, используя четкие алгоритмы, создавая модели сущностей и процессов предметной области, и затем, описывая все это в программном коде. Для всех, кто так или иначе связан с автоматизацией бизнеса, это знакомая и привычная работа.

Технологии искусственного интеллекта не используют строгих алгоритмов решения задач. Для того, чтобы решить задачу, программу, использующую искусственный интеллект, учат на том или ином количестве исходных для задачи данных, и добиваются приемлемой точности результатов. Это так называемое «машинное обучение с учителем», — одна из разновидностей технологий искусственного интеллекта. Есть и другие разновидности, но везде работа идет непосредственно от исходных данных.

Простой пример, помогающий понять, как это работает — почтовые спам-фильтры. Мы практически не думаем о них, но они постоянно включены и фильтруют нашу почту. Для решения таких задач очень хорошо подходит нечеткий программный классификатор, которому показывают коллекцию электронных писем, верно помеченных как спам или не спам.

Обучившись на текстах этих писем, классификатор становится способен с высокой точностью детектировать спам, и фильтровать его. При выявлении новых видов спама достаточно лишь дообучить классификатор, и проверить его точность. Не нужно заниматься трудоемким переписыванием алгоритмов, поскольку их просто нет.

Самое главное здесь — чтобы отсеять спам, не нужно его читать. И это не только сокращает время, потраченное сотрудниками на разбор почты, но и спасает от киберугроз — поскольку 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%. Подробнее можно прочитать здесь.

Похожим образом работают все классификаторы на основе технологий искусственного интеллекта, только внутри они устроены сложнее. Принимая для обучения данные реального мира, они особым образом обрабатывают их, выучивая и запоминая присущие данным природные зависимости.

В процессе проверки (часть данных заранее, еще до обучения откладываются для проверки) такой классификатор должен показать хорошую точность (например, 95%). Это будет означать, что он пригоден для решения своей задачи. Затем, в процессе эксплуатации, классификатор способен выдать результат на новых данных, которые он еще не встречал.

Пусть, например, компания занимается продажей и сервисным сопровождением техники. Классификатор почты может сразу при получении письма по его 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, и это важно понимать. Но процент ошибок, если классификатор обучен правильно, как правило, ниже процента ошибок при ручной обработке тех же данных. При том, что скорость работы таких программ многократно выше скорости работы человека-оператора.

Для человека здесь остается функция контроля. При точности классификатора 95% в среднем как раз такая доля писем сразу будет передана по назначению, а в среднем 5% будет классифицировано неверно. Сотрудники отдела продаж получат письма с запросами техподдержки, и наоборот, специалисты поддержки получат лиды.

Но, поскольку они все равно должны будут прочитать каждое обращение, чтобы ознакомиться с его содержанием, неправильно классифицированные письма будут выявлены и переклассифицированы вручную. Таким образом, затраты времени на разбор входящей почты уменьшится в среднем на 95%. Профит!

Скорость и точность на больших объемах данных — сильная сторона технологий искусственного интеллекта. Слабая сторона — это узкая направленность на решение конкретной задачи. И, как следствие, чувствительность к изменениям контекста. При серьезном изменении характера обращений, устаревании данных (стали писать о другом или по-другому), или появлении новых классов классификатор теряет свою силу, и его нужно дообучать или вообще обучать по-новому. Но, в общем-то, здесь тоже нет ничего удивительного. Многие программы требуют обновления и регулярного обслуживания.

Итак, определившись с тем, что в целом представляют классификаторы на основе технологий искусственного интеллекта, перейдем к рассмотрению умных помощников 1C:CRM.

Как это в целом работает?

Технологии искусственного интеллекта сейчас практически повсеместно разрабатываются на языке Python. Такие программы можно только интегрировать с 1С. Сейчас нативный искусственный интеллект на 1С невозможен. В 1С:CRM они сделаны, как отдельно устанавливающийся веб-сервер, дистрибутив которого включен в макет конфигурации, и может быть установлен по команде в интерфейсе 1C:CRM. Инструкция по установке сервера помощников находится в каталоге установки шаблона конфигурации 1C:CRM.

Для того, чтобы использовать помощников, сервер должен быть постоянно запущен, и проще всего это сделать на отдельном компьютере с ОС Linux. На компьютерах с ОС Windows в настоящее время помощники запускаются в режиме консольного приложения. Мы имеем возможность запустить сервер помощников как службу в Windows, но пока оставляем ее только для пилотных внедрений.

Каждый из помощников ориентирован на выполнение одной конкретной задачи, и ничего другого делать не умеет. Собственно, в начале он не умеет делать вообще ничего — для этого его нужно научить. Обучение помощников происходит на данных информационной базы, в которой они работают. Для этого в форме настройки помощников 1C:CRM реализованы команды выгрузки обучающих данных.

То есть, чтобы помощник помогал, а не мешал, необходимо, чтобы до этого уже была проделана некоторая ручная работа и в базе были данные, на которых он мог бы научиться. Чем больше данных — тем лучше. Это может стать стоп-фактором при внедрении, но именно так работают эти технологии.

Для того, чтобы снизить зависимость от данных на старте, мы разработали готовый классификатор для помощника классификации электронной почты, обученный на данных электронной почты компании «1С-Рарус». Также, помощник может быть обучен на данных, взятых из сторонней системы, но это отдельная задача.

Мы продолжаем работу над готовыми помощниками, и приглашаем всех желающих к сотрудничеству. Если у вас есть идеи для существующих или новых помощников в 1С:CRM, или любые вопросы, предложения по их работе и использованию — просто пришлите нам письмо на электронный адрес crm@rarus.ru с пометкой «умные помощники» — и мы свяжемся с вами для обсуждения вопроса.

И напоследок. Каждый из помощников может использоваться независимо от других. Включайте и используйте только то, что необходимо именно вам!

Как включить?

Для того, чтобы пользоваться умными помощниками (в программе они называются «моделями машинного обучения»), необходим действующий договор 1С:КП Отраслевой и регистрация 1С:CRM в личном кабинете на сайте фирмы «1С».

Включить и установить модели можно из формы приложений для 1C:CRM на рабочем столе программы. Поскольку модели машинного обучения — это веб-сервер, установку необходимо проделать, запустив клиент 1С на том компьютере, где фактически будет функционировать этот веб-сервер.

Это может быть ваш сервер «1С:Предприятие», или любой другой компьютер, отведенный для этой роли - это ничем не ограничивается. Разумеется, поскольку в процессе работы сервер 1С будет периодически обращаться к серверу машинного обучения, нужно, чтобы их соединение было быстрым и надежным.

По нажатию ссылки «Подробнее» откроется общее описание, а по щелчку на картинке запустится процесс установки и настройки. Или же будет предложено подключить интернет-поддержку, указав логин и пароль для проверки договора 1С:КП Отраслевой.

Если ранее модели машинного обучения не настраивались, программа задаст вопрос о том, что сделать — запустить мастер установки, или же просто открыть настройки для их заполнения вручную. Мы рекомендуем пройти мастер, поэтому жмите «Запустить помощник».

Помощник установки выглядит так:

Подробно на этих шагах мы останавливаться не будем — их прохождение описано в инструкции по установке моделей машинного обучения. Главное, что после прохождения этих шагов на выбранном вами компьютере, будет установлен веб-сервер, который будет способен 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 примерно 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 вам с этим поможем.

Описание умных помощников читайте в статье iПомощники: подробнее о помощниках