1. Sztuczna
inteligencja.
Bez hajpu
Praktyczny wymiar robotyzacji
i sztucznej inteligencji w polskich
organizacjach – tym zajmowaliśmy
się podczas spotkania CIONET
11 kwietnia 2018. Przytoczone
dane pochodzą z badania
przeprowadzonego przez
CIONET i Robonomika.pl
w marcu br. wśród 70 CIOs.
RPA
Główne cele
wdrożeń RPA
Główne obszary
zastosowania RPA
Główne bariery
wdrażania RPA
RPA (Robotic Process Automation) jest klasą oprogramowania
do automatyzacji procesów biznesowych, zakłada się stosowanie
- w miejsce pracownika - dedykowanego oprogramowania
do obsługi powtarzalnych, wieloseryjnych działań.
w trakcie wdrożenia rozważają nie planują
~35% ~35% ~30%
Gdzie są polskie organizacje w dziedzinie wdrożeń RPA?
AIAI (Artificial Intelligence) to szeroko pojęta
umiejętność maszyn do podejmowania decyzji
i uczenia się: umożliwiające rozumienie,
wnioskowanie i działanie.
Obniżenie kosztów
kadrowych
KsięgowośćFinanseWindykacja
Minimalizacja
błędów
Złożoność
i zmienność procesów
i systemów IT
Niska
świadomość
organizacji
Gdzie polskie organizacje są w dziedzinie wdrożeń AI?
w trakcie wdrożenia rozważają nie planują
~23% ~45% ~30%
Główne cele
wdrożeń AI
Główne obszary
zastosowania AI
WNIOSKI
KEYNOTES
Analiza obrazu,
przedmiotów
i dokumentów
Zwiększenie
efektywności
procesów
Ulepszenie jakości
i szybkości analizy
danych
Marketing i sprzedaż Finanse i księgowość
• ok. 30% przebadanych firm nie myśli jeszcze w ogóle o RPA
• Aż 75% organizacji nie ma doświadczeń z AI!
• Zwykle skala wdrożeń RPA w Polsce jest niewielka
• Czeka nas praca u podstaw: Obecne narzędzia RPA
są słabo przygotowane do złożoności i zmienności biznesu,
co zwiększa koszt ich dostosowywania, ale zastosowanie
automatyzacji kognitywnej może tu pomóc.
• Szansa dla połączenia RPA+AI albo okazja do porządków
w organizacji
• Podstawowym wyzwaniem dla zwiększenia opłacalności RPA
jest poprawienie jakości danych i praca nad kulturą organizacji.
prof. Andrzej Sobczak, SGH, Robonomika.pl
O developerów AI można konkurować nie tylko wysokością
wynagrodzenia. Ludzie chcą pracować u nas, bo mamy
wyzwania, merytokratyczną kulturę i technologię, która
zostawiła konkurentów w tyle.
Developerów AI zawsze będzie mało, bo sztuczną inteligencję
bardzo trudno napisać w domu. Do zbudowania dobrego AI
potrzebne są bazy danych na skalę tych, które posiada Google,
Facebook albo Amazon.
Od czego zacząć wdrożenie RPA? Nie od spotkania rady
nadzorczej, tylko od analizy procesów, które zachodzą
na dużą skalę. Na pewno można je zoptymalizować.
Błędy robotów wynikają z prozaicznych problemów
technicznych, jak błąd serwera albo wadliwe dane,
nie z wad algorytmów.
Na rynku robotów przemysłowych jest sporo
zaawansowanych urządzeń, które jednak są
już wcześniej dokładnie zaprogramowane i nie
podejmują żadnych decyzji. Nasze roboty uczymy
intuicji.
Science fiction obiecało nam roboty, które będą
rozwiązywać problemy w naszym życiu.
Póki co mamy roboty, które koszą trawę i
odkurzającą Roombę.
Myśląc o AI warto zacząć od prostych rozwiązań – odrobić
pracę domową i zacząć od sprawdzonych mechanizmów
analitycznych.
Jeden z używanych w Pracuj.pl modeli predykcyjnych, dzięki
tylko dopasowaniu właściwego czasu wysyłki, jest w stanie
ograniczyć liczbę wysyłanych maili o 3 mln w miesiącu.
Utrzymywanie i ulepszanie ML
jest nieporównywalnie tańsze niż
w przypadku konwencjonalnego
oprogramowania. ML sam się ulepsza.
Wyzwania w zastosowaniach AI w biznesie
(i jak sobie z nimi radzimy)
RPA w obsłudze klienta
Uczenie robotów prawdziwego świata
Sztuczna Inteligencja w rekrutacji
Groupon: Od RPA do Artificial Intelligence
Jacek Dąbrowski, Chief AI Officer w Synerise
Marek Grabowski, Dyrektor Obsługi Klienta B2B Orange
Kacper Nowicki, CEO NoMagic.ai
Maciej Chwiłoc, Dyrektor Rozwoju Produktu, Grupa Pracuj
Mirosław Forystek, VP Groupon Pracuj
FOTORELACJA
Premium Business Partners:
Business Partners:
Brak jest kontekstu strategicznego robotyzacji
To szansa dla automatyzacji
kognitywnej
AI stosujemy głównie do
zwiększenia przychodów
Zobacz
więcej