Wykorzystanie Sztucznej Inteligencji i Uczenia Maszynowego

W dobie intensywnego rozwoju nowych technologii, sztuczna inteligncja (AI) stanowi obszar, którego funkcjonalności obejmują szerokie spektrum branżowe.

Sztuczna Inteligencja i Uczenie Maszynowe w e-Zdrowiu

Comarch Healthcare wykorzystuje zaawansowane możliwości, jakie niesie ze sobą uczenie maszynowe (machine learning). Inteligentne algorytmy, które są zdolne do samodzielnej korelacji i wyszukiwania powiązań, są jednym z fundamentów rozwoju telemedycyny.

Jednym z rozwiązań, które usprawnia procesy zachodzące wewnątrz sektora medycznego, jest Platforma Analiz Medycznych (CMAP). CMAP to centralna platforma, która oparta jest na zaawansowanych algorytmach uczących się. Zastosowanie jej w medycynie dostarcza wielopłaszczyznowych rozwiązań, zarówno w diagnostyce, jak i zarządzaniu placówką medyczną. Algorytmy, na których bazuje CMAP, są w stanie przetworzyć duże ilości danych, a potem wyselekcjonować je w taki sposób, aby lekarz mógł pozyskać jedynie interesujące go informacje.

Możliwość inteligentnej selekcji rekordów medycznych jest funkcjonalnością sprawdzającą się w przypadku Elektronicznej Dokumentacji Medycznej (EDM). Zdolne do samodzielnego uczenia się algorytmy pomagają znaleźć zależności w dokumentach zawierających historie chorób, przydatne są także w długotrwałym monitoringu stanu pacjenta, takim jak np. odczytywanie zapisu EKG. Cały proces obserwacji może odbywać się zdalnie. Dzięki uczeniu maszynowemu, system wyodrębnia tylko te fragmenty odczytu, które wskazują na zaburzenia pracy serca, wysyłając informację do lekarza prowadzącego, co znacznie skraca czas na przejrzenie historycznego zapisu w całości i usprawnia proces leczenia.

    Sztuczna Inteligencja i Uczenie Maszynowe w Telekomunikacji

    Stale zwiększająca się złożoność sieci wraz bezprecedensowa ilością przesyłanych przez nią danych sprawiają, że operatorzy telekomunikacyjni coraz śmielej wdrażają rozwiązania korzystające z osiągnięć sztucznej inteligencji (AI) i uczenia maszynowego (ML). W branży wyraźny jest trend, że nowe technologie, w tym sieci piątej generacji (5G), Internet Rzeczy (IoT), czy też wirtualizacja funkcji sieciowych (NFV – network function virtualization), tworzą szereg złożonych zależności, trudnych, a przede wszystkim niezwykle kosztownych do manualnej obsługi. Stąd rosnąca popularność wykorzystywania w telekomunikacji algorytmów sztucznej inteligencji (AI) oraz machine learning (ML).

    Jednym obszarów, gdzie w telekomunikacji wykorzystać można z powodzeniem algorytmy uczenia maszynowego oraz AI, jest zapewnienie odpowiedniej jakości sieci i usług. Produkty Comarch z linii Intelligent Assurance & Analytics oraz Integrated Assurance pomagają dostawcom telekomunikacyjnym na szybkie wykrywanie błędów sieciowych, diagnozowanie zaistniałych incydentów, błyskawiczne naprawianie usterek, a nawet proaktywne wykrywanie potencjalnych problemów (preventive maintenance) – wszystko dzięki implementacji zaawansowanego modułu analitycznego, korzystającego z najnowszych osiągnięć w dziedzinach nie tylko AI i uczenia maszynowego, lecz również big data i wielowymiarowej analizy danych.

    Scenariusz predictive maintenance jest realizowany także w rozwiązaniu Comarch Field Service Management, służącym do kompleksowego zarządzania zasobami ludzkimi w terenie. Przez wykorzystanie sieci komunikujących się ze sobą bezprzewodowo sensorów, znajdująca się w chmurze i zintegrowana z Comarch FSM Platforma IoT Comarch agreguje dane, a następnie przekuwa je w akcje pracowników terenowych, którzy zostają wysłani tam, gdzie ich obecność jest najbardziej potrzebna – na długo przed wystąpieniem problemu, który przybyli rozwiązać.

      Sztuczna Inteligencja i Uczenie Maszynowe w Finansach

      Nawet do dwóch bilionów dolarów stanowiących 5% światowego PKB — na tyle Biuro ONZ ds. Narkotyków i Przestępczości szacuje kwotę pieniędzy pranych każdego roku na świecie.

      Oparte na sztucznej inteligencji rozwiązania do przeciwdziałania praniu pieniędzy pozwalają bankom znacznie zwiększyć precyzję i skrócić czas monitorowana transakcji — rutynowej czynności, która wymaga sporej wiedzy i doświadczenia. Odciążają tym samym bankierów, skracając całkowity czas potrzebny na analizę „czerwonych flag”.

      Właśnie do tego służy oprogramowanie Comarch Anti-Money Laundering. Jest to system  do wykrywania oszustw przeznaczony dla instytucji finansowych – zobowiązanych do monitorowana, weryfikowania i zgłaszania podejrzanych transakcji organom nadzorującym.

      Comarch Anti-Money Laundering  potrafi zidentyfikować i zrozumieć relacje i podobieństwa między danymi, a następnie uczy się wykrywać anomalie lub klasyfikować i przewidywać konkretne zdarzenia.

      Sztuczna inteligencja może być również wykorzystywana w finansach do punktowej oceny ryzyka kredytowego, sporządzanej na podstawie danych behawioralnych, historii transakcji klienta lub jego aktywności w mediach społecznościowych, zwłaszcza w kontekście dyrektywy PSD2, która pozwala gromadzić dane z różnych źródeł. Mechanizmy uczenia głębokiego pozwalają przeszukiwać większe i bardziej dynamiczne zbiory oraz źródła danych, by przewidywać, czy pożyczka będzie spłacana regularnie. W tym zakresie przydatny będzie system Comarch Loan Origination.

      Systemy, które uczą się na podstawie danych historycznych wykorzystuje się ponadto w branży finansowej do sugerowania najlepiej dopasowanych produktów na podstawie profili osobowych, finansowych i behawioralnych oraz profili ryzyka klienta. Co więcej, możliwe jest nie tylko dostosowywanie oferty do zróżnicowanych potrzeb i celów, lecz także ich przewidywanie. Na tej zasadzie działa Comarch Wealth Management, system do zarządzania majątkiem skierowany do segmentu bankowości prywatnej – indywidualnych klientów zamożnych i biznesowych oraz klientów detalicznych.

        Sztuczna Inteligencja i Uczenie Maszynowe w Dużych Przedsiębiorstwach

        Wykorzystanie algorytmów sztucznej inteligencji (AI) oraz uczenia maszynowego (eng. machine learning) w celu zwiększenia zaangażowania klientów (tworzenie spersonalizowanych ofert, wykrywanie oszust lojalnościowych, analiza satysfakcji klienta, oraz wiele więcej).

        Dzisiejszy marketing mniej opiera się już na demografii, czy też popularnych trendach. Zamiast tego bardziej skupia się na szukaniu odpowiedzi na pytanie – kim naprawdę są nasi klienci? Aby zdobyć ich zainteresowanie, trzeba być w pełni świadomym ich indywidualnych potrzeb. Funkcja Offer Personalization pozwali Ci znaleźć wzory w koszykach zakupowych Twoich klientów i oferować produkty zgodne z ich preferencjami. Eksperymentuj z wieloma kategoriami produktów, aby później wysyłać rekomendacje, które idealnie wpasowują się w profil Twoich potencjalnych kosumentów. Ponadto, dzięki tej funkcji równie łatwo możesz obliczyć ogólny czas trwania zaangażowania klienta względem Twoich produktów, a także określić najlepszy moment na przedstawienie swojej oferty.

        Jeśli chodzi zaś o programy lojalnościowe to niestety zawsze znajdą się Ci, którzy będą próbowali łamać ich zasady. Funkcja Loyalty Fraud Detection wykorzystuje zaawansowane algorytmy uczenia maszynowego, aby identyfikować nietypowe wzory zachowań w historii transakcji każdego z uczestników danego programu (transakcje memoriałowe i umorzeniowe, zbieranie punktów lojalnościowych, rejestracja kont i inne) w celu uniknięcia ewentualnych niedogoności finansowych. Każda niezgodna z zasadami aktywność będzie Ci natychmiast zgłaszana - tak aby Twoja firma mogła natychmiastwo zaregować.

        Jednym z kluczowych elementów budowania silniejszych relacji z klientami jest komunikacja. Ponieważ kosumenci regularnie otrzymują dziesiątki rekomendacji dotyczących Twoich produktów, ważnym jest, aby równie często sprawdzać, co dokładnie sądzą oni o tych ofertach. Funkcjonalność Sentiment Classification umożliwia szybkie zapoznianie się z opiniami klientów publikowanych za pośrednictwem mediów społecznościowych. Kategoryzowanie komentarzy w kwestii ich pozytywnego, negatywnego lub neutralnego wydźwieku okazuje się być bardzo skuteczne dla doświadczeń Twojej firmy względem zdobywania jeszcze większego zaufania klientów.

          Sztuczna Inteligencja w małych i średnich przedsiębiorstwach

          Sztuczna Inteligencja jest obecnie jednym z głównych trendów w rozwoju usług, przedsiębiorstw i informatyki, a wachlarz jej zastosowań jest bardzo szeroki. Towarzyszy nam również w życiu codziennym, choćby w takich narzędziach jak wyszukiwarki internetowe, nawigacja, wirtualni asystenci czy algorytmy służące do automatycznego tłumaczenia treści. Jako Comarch wykorzystujemy również Sztuczną Inteligencję w systemach ERP tworzonych dla sektora MSP, a konkretniej w usługach takich jak OCR, BI Point i Comarch ERP Optima - by ułatwiać pracę przedsiębiorcom.

          Comarch OCR (z angielskiego Optical Character Recognition) – to aplikacja, która wykorzystując algorytmy sztucznej inteligencji pozwala rozpoznawać skanowany tekst, w tym również pismo odręczne. W ujęciu biznesowym sprowadza się to do oszczędności czasu, ponieważ dzięki Comarch OCR nie ma potrzeby ręcznego wprowadzania papierowych faktur. Wystarczy aparat fotograficzny w telefonie i dostęp do internetu, by aplikacja sama odczytała i skatalogowała dane z faktury. Wykorzystując zaimplementowaną sztuczną inteligencję program sam zamienia przedstawiony mu obraz na cyfrowy dokument, rozpoznając wszystkie dane – nazwę kontrahent, numer NIP, kwotę netto, brutto, VAT itd.

          Inne zastosowanie pojawia się w jednym z naszych flagowych produktów – Comarch ERP Optima. Dzięki prowadzonym obecnie badaniom wspomaganym sztuczną inteligencją, na bieżąco analizujemy i  dostosowujemy nasze systemy do tego, czego aktualnie potrzebują nasi klienci. Analizując codzienne procesy naszych użytkowników, wiemy w jaki sposób korzystają z wybranych komponentów systemu Optima, które z elementów są nieużywane, jakie przebiegi powinny ulec skróceniu oraz które funkcje nie są łatwo dostępne. Pozwala nam to z każdym kolejnym wydaniem optymalizować system z punktu widzenia UX i UI, co przekłada się na oszczędność czasu naszych klientów.

          Sztuczna inteligencja to również istotny element BI Point – naszego narzędzia do błyskawicznego generowania raportów biznesowych. Poprzez analizę danych w chmurze i znajdowanie korelacji między nimi, klienci w ciągu kilku kliknięć dostają zaawansowaną wizualizację, interaktywny dashboard, czy wykres ze wskaźnikami efektywności. Korzystając z BI Point, opartego na zaawansowanych algorytmach, bez udziału analityka można porównać dane sprzedażowe, marketingowe, czy statystyki publiczne.

          Produkty wykorzystujące Sztuczną Inteligencję i Uczenie Maszynowe

          Jak działa Uczenie Maszynowe?

          Oprogramowanie do uczenia maszynowego (Machine Learning), oparte na sztucznej inteligencji IT, daje komputerom możliwość "uczenia się" i umożliwia samodzielne przetwarzanie danych. Z czasem ich wydajność podczas rozwiązywania określonego zadania poprawia się bez potrzeby ponownego programowania czy kontroli. Zamiast wstępnego zakodowania konkretnego działania komputer stosuje reguły i zestawy danych w celu wykonywania złożonych obliczeń, porządkowania i klasyfikowania informacji, identyfikowania trendów, wykrywania ukrytych wzorców, identyfikowania zachowania lub porównywania danych. Skonstruowane algorytmy mogą być udoskonalane i nauczane w taki sposób, że kategoryzacja zdań jest wykonywana w sposób zbliżony do rzeczywistych wniosków wyciąganych przez człowieka (ale znacznie szybciej). Głównym celem jest praktyczne zastosowanie osiągniętych wyników w celu stworzenia automatycznego systemu, który może poprawić wykorzystanie zgromadzonego doświadczenia i danych oraz zdobycie nowej wiedzy. Istnieją dwa główne rodzaje uczenia maszynowego. Pierwszy to uczenie bez nadzoru, w którym komputer znajduje ukryte wzorce w danych lub sam uczy się odpowiednich funkcji. W tej metodzie algorytm uczenia się nie otrzymuje żadnych wskazówek, aby komputer mógłby samodzielnie odkryć strukturę i zależności. Uczenie bez nadzoru jest używane w biznesie do grupowania klientów, na przykład poprzez zachowania zakupowe. Drugi typ to uczenie nadzorowane, w którym komputer ma przykłady wejściowe i pożądane wyniki. Zadanie polega na znalezieniu brakującego ogniwa między danymi wejściowymi i wyjściowymi. Jest to przydatne w przypadku rozpoznawania pisma ręcznego, mowy, optycznego rozpoznawania znaków (OCR) lub wykrywania spamu.

          Sprawdź szkolenia i kursy z wykorzystaniem sztucznej inteligencji (AI) w Comarch!

          Zdobądź praktyczne umiejętności, które są pożądane na rynku pracy. Naucz się wykorzystać AI do codziennej pracy, w tym do optymalizacji procesów, analizy danych, automatyzacji oraz tworzenia innowacyjnych rozwiązań.

          Więcej o szkoleniach