Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Jak budujemy inteligentnego asystenta biznesowego

41 views

Published on

Dlaczego inteligentny asystent może się okazać najważniejszą przewagą konkurencyjną na Twoim rynku? Co zrobić, by wdrożyć nowoczesną technologię do Twojego działu sprzedaży już dzisiaj? Jak zyskać na wdrożeniu sztucznej inteligencji w dziale sprzedażowym?

>> https://edward.ai/pl <<

Published in: Business
  • Be the first to comment

  • Be the first to like this

Jak budujemy inteligentnego asystenta biznesowego

  1. 1. Jak budujemy inteligentnego asystenta biznesowego? Bartłomiej Rozkrut https://edward.ai
  2. 2. O czym będę mówił? 1. Kilka słów o moich doświadczeniach i skąd się wziął pomysł na Edward.ai, 2. Wprowadzenie – gdzie jesteśmy jako branża i jakie istotne zmiany czekają nas w najbliższym czasie? 3. Jakie problemy rozwiązujemy w Edward.ai, 4. Jakie wyzwania napotykamy na swojej drodze, 5. Jakie sobie z nimi radzimy?
  3. 3. Kilka słów o mnie Przedsiębiorca z dużym doświadczeniem w technologiach IT. • Pierwsze doświadczenia w biznesie IT już w 1999 r. • Zaczynałem jako administrator serwerów internetowych • Programista, kierownik projektów, analityk, konsultant w wielu projektach IT dla dużych i średnich firm • Wspólnik oraz akcjonariusz 3 firm, odpowiedzialny za IT • Pasjonat nowych technologii oraz zagadnień dotyczących bezpieczeństwa IT • Aktualnie jestem odpowiedzialny za technologię w start-upie, który chce zrewolucjonizować sposób w jaki korzystamy z aplikacji biznesowych
  4. 4. Moje doświadczenie
  5. 5. Dlaczego 2040?
  6. 6. ZMIANA?
  7. 7. 2016 – Demokratyzacja AI
  8. 8. Powrót botów
  9. 9. Internet Relay Chat (IRC) dla biznesu (z botami!)
  10. 10. Bot do przeprowadzania stand-up’ów SCRUM
  11. 11. Wszystko ma związek z „nowym” rodzajem interfejsu 1. CUI (Conversational User Interface) to interfejs, który używa konwersacji do komunikacji na linii człowiek-komputer. 2. Główne cechy CUI to: • Brak klasycznego GUI (nie projektujemy „ekranów”) • Duża dostępność – wiele platform, wiele metod interakcji – głos, tekst, elementy graficzne • Niezależny od platformy (omnichannel) – przenikanie doświadczeń pomiędzy kanałami styku
  12. 12. Ludzie kochają czaty i używają ich coraz częściej
  13. 13. Social networks vs conversations
  14. 14. Platform shift Mainframe PC Web Mobile
  15. 15. Sundar Pichai (CEO Google) – październik 2016
  16. 16. Platform shift - 2016 AIMobile
  17. 17. Jak zaczynaliśmy
  18. 18. Tworzenie aplikacji konwersacyjnych nie jest proste ?
  19. 19. Wyzwania i rozwiązania
  20. 20. Kontekst
  21. 21. Asystent bez kontekstu to zabawka Największym błędem asystentów (oraz chatbotów) jest brak wiedzy o użytkowniku! • Największym wyzwaniem jest pozyskanie kontekstu historycznego (m.in. na potrzeby uczenia maszynowego) • Pozyskiwanie kontekstu na bieżąco także jest problematyczne – nie możemy użytkownika „nękać” ciągłymi pytaniami o dane, których nam brakuje, np. czy kontakt jest prywatny/biznesowy? A to kluczowa wiedza do dobrej asysty. • Kluczem do zmniejszenia ilości interakcji w związku z pozyskiwaniem kontekstu jest zastosowanie uczenia maszynowego, które na bazie danych historycznych oraz całkiem nie oczywistych danych kontekstowych pozwala nam przewidzieć wybrane elementy kontekstu
  22. 22. Efektywna pętla zwrotna kluczem do uczenia nadzorowanego • Interfejs konwersacyjny jest idealnym narzędziem do uzupełniania brakujących danych kontekstu – pod warunkiem, że jest stosowany jedynie we właściwym momencie (np. prośba o nazwanie kontaktu natychmiast po pierwszym połączeniu z nieznanym numerem) • Jedną z technik jest mikro-ankietowanie – krótkie pytanie i jedynie dwie opcje wyboru – np. „tak” lub „nie” • Mikro-ankietowanie także jest inwazyjne, więc użytkownik musi mieć poczucie, że każda interakcja jest inwestycją czasu, którą odzyska z nawiązką poprzez bardziej dopasowaną obsługę i rekomendacje • Każda interakcja powinna być mierzona + opcja oceny (lubi/nie lubi) • Kontekst jest bardzo dynamiczny – każda chwila może zmieniać kontekst w znaczącym stopniu (np. wyjście z biura to krytyczna zmiana kontekstu)
  23. 23. Bezpieczeństwo
  24. 24. Asystent musi dbać o poufność naszych danych Kluczowym elementem w relacji z asystentem jest zaufanie. • Musimy udowodnić, że asystent przetwarza dane z zachowaniem najwyższych standardów bezpieczeństwa • Wykorzystanie chmur obliczeniowych oraz model hybrydowy • Pełna separacja usług (mikro-usług) przetwarzających dane – dostęp do danych wrażliwych tylko dla możliwie najmniejszych elementów systemu • Bezpieczeństwo sieci neuronowych to temat bardzo niszowy i mało znany, a jest bardzo ważny – odpowiednie trenowanie modeli jest tutaj kluczowe (pierwsze jaskółki bezpieczeństwa DNN – Defcon’16)
  25. 25. Horizontal AI vs Vertical AI
  26. 26. Rozumienie ludzkiej mowy Żaden komputer nie zdobył nigdy nagrody Loebnera (jedna z wersji testu Turinga) Na pewno stanie się to jeszcze za naszego życia (prawdopodobnie gdzieś między 2020 a 2040). Ale obecnie…
  27. 27. Udawanie człowieka jest trudne
  28. 28. Horizontal AI vs Vertical AI
  29. 29. Horizontal AI – rozwiązujemy „nie nasze” problemy? Należy bardzo uważać na angażowanie się w rozwiązywanie problemów horyzontalnych, które już ktoś rozwiązał lub angażuje duże środki w ich rozwiązanie. • Bardzo czasochłonne i kosztowne, duża konkurencja z dobrymi efektami • Problemy ogólnego zastosowania: • Rozpoznawanie mowy • Rozpoznawanie obiektów na zdjęciach i filmach • Przetwarzanie języka naturalnego (*) • Tłumaczenie maszynowe (*)
  30. 30. Rozwiązania • Jeżeli bot udaje człowieka, to użytkownik oczekuje że będzie w 100% tak się zachowywał • Rozwiązaniem jest specjalizacja • Koncentracja na use case zamiast po prostu używania konwersacji np. bot prawniczy, medyczny, concierge, doradca finansowy, trener osobisty • Ważny jest dobry onboarding (trzeba powiedzieć użytkownikowi, czego może się spodziewać) • Pokażmy już na początku kilka przykładów komend, które można wydać
  31. 31. Klikanie, czy pisanie?
  32. 32. Vertical AI – rozwiązujemy „nasze” problemy Jeśli problem, który rozwiązujemy dotyczy problemu wertykalnego i do jego rozwiązania możemy skorzystać z gotowych rozwiązań horyzontalnego AI z wsparciem modeli dziedzinowych opracowanych przez nas. • Wykorzystanie uczenia maszynowego w grach dla dzieci w celu wspomagania wczesnego rozpoznania autyzmu (Harimata) • Przewidywanie najlepszej pory i miejsca na interakcję z użytkownikiem na bazie zdefiniowanego przez nas kontekstu • Inteligentne odpowiedzi (Smart Reply) w konwersacji (bazujące na dziedzinowym problemie, który rozwiązujemy) • Klasyfikacja kontaktów na biznesowe i prywatne z punktu widzenia sprzedaży
  33. 33. Poszukiwanie rozwiązań
  34. 34. Platformy do tworzenia botów lub asystentów? A.D. 2016 … … … oraz wiele, wiele, innych
  35. 35. Dlaczego stworzyliśmy własną platformę? Najważniejszy jest szeroki kontekst, większość platform, albo go nie zbiera, albo nie udostępnia aplikacjom. • Nie chcemy być zależni od jednego rozwiązania – musimy być wieloplatformowi • Platforma powinna bazować na kontekście, a nie na konwersacji • Niezależność od kanału – skupiamy się na danych, a nie kanałach styku • Skupienie na wygodzie użytkownika, a nie na rozumieniu języka naturalnego • … ale i tak chcemy się integrować z wybranymi platformami jeżeli ma to uzasadnienie z punktu widzenia wygody użytkownika
  36. 36. • Obecnie lepiej się sprawdzają interfejsy hybrydowe • Łączą dwie metody: konwersacja i elementy tradycyjnego GUI • Każda wiadomość może być mini aplikacją • Staje się to standardem (np. Facebook, Slack, Google Assistant) CUI – przyszłość aplikacji?
  37. 37. Architektura
  38. 38. Jaka architektura IT pasuje do asystentów biznesowych? Coraz większe znaczenie zwinnego IT w biznesie, dynamiczny rozwój Internetu Rzeczy, oprogramowania rozproszonego oraz chmur obliczeniowych prowadzi do istotnych zmian w architekturze oraz modelach rozwoju oprogramowania. • Event-driven architecture • Real-time events and analytics • Microservices • Language agnostic (choose right language to task) • Containers (Docker, Kubernetes) • Server-less (Lambda functions) • Operational Intelligence (business analytics on real-time events)
  39. 39. Technologie wspomagające przetwarzanie dużej ilości zdarzeń Przetwarzanie dużej ilości zdarzeń może być bardzo wymagające dla zastosowanych komponentów. • Szybka kolejka do przetwarzania dużej ilości zdarzeń – np. Apache Kafka lub dla mniejszej ilości RabbitMQ (standard AMQP) • Narzędzia do szybkiej i łatwej eksploracji dużej ilości danych – np. Elasticsearch/Logstash/Kibana (ELK), przydatne przy odkrywaniu ciekawych cech w danych • Protocol Buffers (lekki i zwinny format opisu danych) – wymiennie z JSON/XML w zależności od sytuacji • gRPC.io (lekka komunikacja dwukierunkowa oparta o protocol buffers) – z możliwością szybkiego uruchomienia API Gateway gRPC do REST API
  40. 40. Wybrane zagadnienia oraz biblioteki i narzędzia ML W ramach realizacji asystenta rozwiązujemy wybrane zagadnienia Machine Learning: Tłumaczenie poczty • LSTM w/attention, seq2seq • OpenNMT Klasyfikacja poczty • multilabel, multiclass • ensemble różnych sieci neuronowych Klasyfikacja kontaktów • m.in. logistic regression
  41. 41. HTTP://WEB.STANFORD.EDU/CLASS/CS224N/SYLLAB US.HTML
  42. 42. 1. Messenger, Echo, Assistant (lub inna platforma) jako nasz „system operacyjny” 2. Brak konieczności instalacji 3. Więcej „naturalnych” interfejsów użytkownika 4. Każde urządzenie podłączone do Twojego asystenta 5. „Ambient software” Co nas czeka w przyszłości?
  43. 43. Cześć! Mam na imię Edward.
  44. 44. Zbieram biznesowe dane i uczę się z nich korzystać Komunikuję się z Tobą przez łatwy w użyciu interfejs I wysyłam spersonalizowane porady i szanse sprzedażowe Pracuję w tle jako inteligentny asystent sprzedażowy! Cześć! Mam na imię Edward.
  45. 45. bartek@2040.io /brozkrut www.edward.ai

×