В свежем номере BIS Journal — экспертное мнение Дмитрия Дырмовского, генерального директора группы компаний ЦРТ, о развитии LLM — больших языковых моделей.
Фото: Дмитрий Дырмовский, генеральный директор группы компаний ЦРТКрупный бизнес активно внедряет речевые технологии для улучшения качества коммуникаций с клиентами, импортозамещения и сокращения расходов на содержание контактных центров. Речевая аналитика, диалоговые ассистенты уже доказали эффективность в телекоме, банковской сфере.
Например, в контактном центре «Мегафон» речевая аналитика позволила переквалифицировать 20% специалистов контроля качества в коучей при снижении количества претензий на 40%.
Появление больших языковых моделей (LLM), таких как GigaChat, и совмещение их с традиционными алгоритмами машинного обучения позволило нам предоставить бизнесу новый функционал: суммаризацию содержания и тематик диалогов, оценку их результативности и тональности.
Теперь все данные агрегируются, расшифровываются и анализируются в онлайн-режиме прямо в момент обращения клиента. Это помогает оператору давать более точные ответы на запросы, а также прогнозировать изменение клиентских предпочтений. Новое решение SpeechXplore — AI-решение для аналитики и управления коммуникациями в контактных центрах — фактически даёт новый уровень управления клиентским опытом.
Однако в целом влияние новых нейросетевых подходов гораздо более значительное. Можно утверждать, что большие языковые модели трансформируют все новые индустрии, и одна из них — промышленность. Важно, что LLM могут помочь в создании виртуальных ассистентов без ручного обучения, а также персональных Co-pilots — AI-помощников для целого набора различных специализаций. В настоящее время в компании СИБУР выполняется проект внедрения больших языковых моделей в промышленности — один из первых в стране. В нём объединены научные разработки ЦРТ в области обработки естественного языка (NLU) и возможности нейросетевой модели Сбер GigaChat. Уже созданы следующие решения.
- AI-ассистент инженера-диагноста: инженер может вести диалог с помощником о причинах неисправности оборудования. В ходе разговора сотрудник описывает в текстовом виде аномалии в работе оборудования, а обученный AI-помощник даёт релевантный ответ или формулирует гипотезы о причинах нехарактерного поведения агрегатов, а также предлагает возможные варианты устранения неисправности.
- AI-советчик для оптимизации закупки материально-технических ресурсов: искусственный интеллект позволяет перейти от статичных записей номенклатурных позиций к параметрическим карточкам. В результате система будет подбирать допустимые аналоги, имеющие преимущества по цене, качеству и доступности.
- AI-ассистент финансиста: агрегируя данные компании, он может отвечать на вопросы о динамике ключевых факторов, которые влияют на маржинальный доход.
Источник: https://ib-bank.ru/bisjournal/post/2297