Professional Documents
Culture Documents
Субота Владислав відпрацювання практики 2
Субота Владислав відпрацювання практики 2
Завдання до практики 2
Завдання для всіх прикладів:
Запропонуйте технології, якими можна виправити поточний стан справ. Які
бізнес-процеси підлягатимуть діджиталзації? Які позитивні наслідки дасть
діджиталізація у цих випаках? У яких випадках може йтися і про оцифровку, і при
цифровізацію (як різні поняття)?
Приклад 1
Компанія займається виробництвом і продажем нафти і газу. Визнана
найприбутковішою і ефективною компанією в галузі.
Проблема. Внутрішня база технічної інформації сильно застаріла. Пошук
документів проходив повільно і з помилками. Це стало причиною серйозних
прорахунків в прийнятті управлінських рішень. А відмовитися від використання бази
було неможливо, в середньому кожен співробітник звертався до неї до 16 разів на
день.
Оскільки, витрати на кол центри дуже великі, існує багато проблем, то можна
використати один із напрямів штучного інтелекту – машинне навчання. Йдеться про
навчання через нейронні мережі, яке дозволятиме роботам розширювати можливості,
сприймати більше семантичних відтінків, відмічати для себе помилки людей.
Сьогодні боти переважно використовують тригери, тобто дають стандартні відповіді
за ключовими словами. З часом вони матимуть відповіді на найрізноманітніші
запитання від користувачів.
Вже в найближчому майбутньому спілкування з ботом буде нагадувати розмову
з реальною людиною. Запит можна спершу направляти на бота. Якщо той не
впорається з відповіддю, то перенаправити клієнта на реальну людину – оператора
контакт-центру.
Машинне навчання нейромереж у call-центрах використовується для вирішення
різних завдань. Він здатний перетворювати телефонні розмови на текст, розпізнавати
емоції клієнтів, і навіть миттєво надавати інформацію за типовими запитами без
залучення оператора. За допомогою цих сервісів call-центри можуть розшифровувати
більший обсяг інформації, аналізувати отримані дані (наприклад, сортувати дзвінки
за датою або прізвищем оператора) та перетворювати на звіти. Дані будуть братися
правильно, не будуть губитися, оскільки все буде в системі.
Одним із поставлених завдань машинного навчання нейромереж є
автоматизація розробки та модифікації стратегій ведення діалогів між оператором та
клієнтом. Даний алгоритм допоможе знизити кількість співробітників у компаніях та
зробити процес спілкування більш швидким та точним.
Чим швидше і якісніше вирішуються проблеми клієнтів, тим вищою буде їхня
лояльність до цієї компанії. Існує багато критеріїв оцінки параметрів, які визначають
ефективність роботи call-центрів. Одним із них є кількість успішних завершених
звернень клієнтів. Вважається, що від 80 до 90% заявок, оброблених за допомогою
нейромереж, показник ефективної інтеграції машинного навчання в call-центр.
Приклад 3
Оператор поштової мережі. Налічує 86 філій і більше 42 000 відділень.
Чисельність персоналу - 350 000 чоловік.
Проблема. До 2014 року стало зрозуміло, що сайт компанії застарів і не
вирішує завдання користувачів. Клієнтів обслуговують тільки в офлайні, хоча
половину послуг можна надавати віддалено, розвантаживши відділення.