Больше возможностей с решениями NAUMEN на базе искусственного интеллекта

Российский производитель ИИ-решений для бизнеса и органов власти

Компания NAUMEN обладает компетенциями и опытом создания информационных систем и реализации инфраструктурных проектов с применением технологий искусственного интеллекта (ИИ), машинного обучения и анализа больших данных. В портфеле ИИ-решений компании — диалоговые роботы, виртуальные ассистенты, интеллектуальная автоматизация бизнес-процессов, системы когнитивного поиска, рекомендательные системы и решения в области прогнозной аналитики.

Какую пользу приносят
ИИ-решения NAUMEN

Сокращение операционных издержек и затрат на персонал

Наши ИИ-системы позволяют повысить производительность труда и освободить специалистов от рутинных операций при обработке входящих обращений, поиске информации, работе с документами и т. д. Массовые типовые операции можно доверить роботам и виртуальным ассистентам, выполняющим свои функции без участия человека, в то время как умный поиск, рекомендательные системы и другие ИИ-решения помогут специалистам быстрее справляться с их ежедневными задачами.

Повышение качества процессов, решений и исследований

Интеллектуальные технологии помогут вам повысить качество бизнес-процессов и снизить их стоимость. В рамках отдельных процессов наши ИИ-системы способны с высокой точностью решать широкий спектр задач, среди которых — классификация контента и его маршрутизация, экспертиза документации, заказ услуг, формирование рекомендаций и консультирование, проведение опросов и др. Также ИИ-системы позволяют ускорить доступ сотрудников к релевантной информации, тем самым повышая качество критически важных решений и исследований.

Оптимизация затрат на инфраструктуру и повышение ее надежности

С помощью наших ИИ-решений можно реализовать интеллектуальный анализ данных из систем мониторинга оборудования и инфраструктуры. Целями анализа могут быть прогнозирование трендов и значений (например, потребления ресурсов), поиск аномалий, а также предсказание аварий на основе накопленной статистики технических сбоев и отказов. Применение этих решений позволяет снизить затраты на эксплуатацию инфраструктуры и повысить ее эксплуатационную надежность.

Технологии ИИ
в решениях NAUMEN

Машинное обучение /
Machine Learning (ML)

Машинное обучение позволяет ИИ-системам самостоятельно обучаться решению поставленных задач без участия человека, выявляя закономерности в имеющихся массивах данных. В наших продуктах ML-технологии используются для решения различных видов задач — структурирования данных, классификации, уточнения смысла в зависимости от контекста, выявления ошибок и противоречий в документах, формирования рекомендаций, прогнозирования трендов и значений, выявления аномалий и др.

Обработка естественного языка /
Natural Language Processing

Технологии обработки естественного языка, используемого в повседневном общении, позволяют ИИ-системам понимать смысл информации, и делают возможным ведение диалога между машиной и человеком. В наших продуктах NLP-технологии используются для классификации неструктурированных данных, семантического анализа текстов, распознавания реплик в диалогах, извлечения фактов из текста и разговорной речи.

Предсказательная аналитика /
Predictive Analytics

Предсказательная аналитика исследует текущие и исторические данные для прогнозирования будущих событий, позволяя принимать оптимальные решения. У наших специалистов есть опыт разработки прогнозных моделей для поиска трендов и аномалий в метриках оборудования, прогнозирования сбоев и отказов на основании накопленной статистики.

Поддерживающие технологии
при внедрении ИИ-систем

Управление данными

Полнота и качество данных критически важны для построения эффективных моделей и эксплуатации ИИ-систем. В наших проектах задачи в области управления данными решаются с помощью специальных инструментов, позволяющих разрабатывать модели данных, создавать хранилища данных, получать данные из различных источников, осуществлять контроль и мониторинг качества и объема собираемых данных.

Визуализация

Технологии визуализации отвечают за представление результатов использования ИИ-решений в наиболее доступном виде. В наших решениях используются информационные панели (дэшборды) и другие инструменты визуализации для мониторинга эффективности диалоговых роботов, оценки загрузки персонала, контроля состояния процессов, инфраструктуры, услуг, сервисов и др.

Поддержка принятия решений

Для реализации задач глубокой аналитики и построения отчетов в наших ИИ-системах применяются BI-инструменты. С их помощью можно проводить онлайн-мониторинг и пост-анализ процессов, оценивать эффективность сотрудников и подразделений, выявлять проблемы, массовые инциденты, ошибки и отклонения, формировать отчеты.

:doodle { @grid: 20 / 100vmax; } --hue: calc(190 + 1.5 * @row() * @col()); background: #0e2a4a; transform: scale(@rand(.15, .7)); transition: all 0.5s ease;

Научные исследования
в области Data Science

С момента своего создания компания NAUMEN занимается развитием программ сотрудничества между бизнесом и наукой. В 2018 году при партнерстве с Национальным исследовательским технологическим университетом «МИСиС» был создан Центр исследования больших данных. Центр специализируется на опережающих поисковых и прикладных исследованиях в области технологий интеллектуальной обработки неструктурированных данных и разработке наукоемких решений, ориентированных на международный рынок. Среди сотрудников Центра — международные эксперты в области Data Science, машинного обучения и автоматической обработки естественного языка.

Наши проекты
на основе технологий ИИ

ОТП Банк

Виртуальный ассистент для клиентского сервиса в банке

На сайте банка виртуальный ассистент «Отти» отвечает на вопросы клиентов по 26 наиболее частотным тематикам. Робот понимает разговорную речь и специфическую банковскую лексику, учитывает все данные в реплике клиента при формировании ответа и задает уточняющие вопросы. Для оценки качества обслуживания используются метрики, связанные с прохождением сценария в диалоге с роботом.

Результат

Уже через 2 месяца после старта проекта виртуальный ассистент стал обрабатывать 50% входящего трафика в текстовых каналах, при этом 38% клиентских обращений он обслуживает без привлечения операторов. Точность автоматической классификации обращений по 26 тематикам превышает 95 процентов.

Хотите узнать больше
об этом проекте?

Получить презентацию

Мосэнергосбыт

Роботизация контактного центра энергосбытовой компании

В контактном центре «Мосэнергосбыта» голосовые роботы классифицируют входящие обращения принимают показания счетчиков электроэнергии, а также выполняют коллекторские функции: в режиме исходящего обзвона робот информирует о наличии долга, сообщает о размере задолженности и причинах ее появления, уведомляет о сроках отключения и согласует оплату долга в установленный срок. Робот-коллектор подключен в системе биллинга, распознает широкий набор реплик клиентов и способен извлекать значимые факты из разговорной речи.

Результат

Через три месяца после запуска голосового робота, принимающего показания счетчиков, нагрузка на операторов снизилась на 40%. Выросла доля оплат по дебиторской задолженности за счет ежемесячного информирования 100% должников о статусе задолженности и сроках ее погашения.

Хотите узнать больше
об этом проекте?

Получить презентацию

НТЦ «Газпром нефти»

Система когнитивного поиска для научно-технического центра нефтяной компании

Система когнитивного поиска НТЦ «Газпром нефти» стала «единым окном» для быстрого доступа к большому массиву неструктурированных данных о технологиях, исследованиях и инженерных решениях, расположенных на внутренних ресурсах компании (свыше 650 Тб) и во внешних источниках. Система позволяет вести научную и аналитическую работу с результатами поиска, обеспечивает трансфер знаний между подразделениями и департаментами.

Результат

Вдвое уменьшилось время поиска решения задач у сотрудников, сократились затраты на анализ и проработку тематик и технологий, существующих в международной и российской практике. Выросло количество обращений к лучшим практикам внутри компании, расширилась внутренняя кооперация.

Хотите узнать больше
об этом проекте?

Получить презентацию

Газпром нефть

Модель прогнозирования наработки на отказ нефтедобывающего оборудования

В рамках исследования, проводимого по заказу НТЦ «Газпром нефти», разработана прогнозная модель, позволяющая определить технический предел работы внутрискважинного оборудования на основании накопленной статистики отказов и параметров обслуживаемых скважин.

Результат

Прогнозная модель показала высокую точность расчёта средней продолжительности работы оборудования между отказами, в том числе на объектах с наибольшей сложностью прогнозирования, и стала победителем внутреннего конкурса НТЦ «Газпром нефти».

Хотите узнать больше
об этом проекте?

Получить презентацию

Области применения ИИ
в наших проектах

Управление клиентским опытом

Виртуальные ассистенты и диалоговые роботы NAUMEN выполняют широкий спектр задач — от классификации обращений до полноценного обслуживания клиентов без участия оператора. Эти ИИ-решения обеспечивают стабильность качества обслуживания в соответствии с отраслевыми стандартами и лучшими практиками, способны работать с голосовыми и текстовыми каналами, обеспечивая омниканальный клиентский опыт.

Naumen Erudite

Сервисные процессы

Наши решения обеспечивают интеллектуальную автоматизацию сервисных процессов — от регистрации заявки до пост-анализа обработанных обращений. ИИ-системы позволяют автоматизированно решать типовые проблемы и формировать рекомендации для специалистов сервисных служб и конечных пользователей, снижая стоимость сервисных процессов и устраняя недостатки, связанные с ручной обработкой данных.

Naumen SMIA

Эксплуатация инфраструктуры, ТОиР

ИИ-решения NAUMEN обеспечивают сбор, хранение и анализ произвольных данных об эксплуатационных параметрах оборудования, полученных из систем мониторинга, систем управления и IoT-устройств. Эти решения позволяют выявлять сложные и динамически изменяющиеся связи, оптимизировать производительность и доступность сервисов, выявлять тренды и аномалии, прогнозировать сбои и аварии, формировать рекомендации для предотвращения проблем.

Naumen Data Aggregation Platform Naumen Business Service Monitoring

Управление знаниями

Наши ИИ-решения помогают выявить, объединить и структурировать весь объем накопленных знаний в компании, а также расширить корпоративную базу знаний за счет подключения к ней внешних источников информации. Быстрый и удобный доступ к знаниям обеспечивает система интеллектуального поиска.

Интеллектуальный поиск

Юридические технологии
(Legal Tech)

ИИ-решения NAUMEN повышают качество и ускоряют работу с нормативными актами, договорами и другими документами, обеспечивая поиск ошибок, противоречий и пересечений в содержании документов, формирование рекомендаций по формулировкам, быстрый и гибкий поиск документов по содержанию, атрибутам и связям.

Naumen Legal Tech

Как избежать ошибок
при внедрении ИИ

Сергей Попов Руководитель направления роботизированных систем

При внедрении интеллектуальных роботов в клиентский сервис важно избежать ошибочной уверенности в том, что достаточно загрузить в нейросеть исходный необработанный массив исторических диалогов операторов с клиентами, чтобы робот самообучился и включился в дистанционное обслуживание.

На практике такой подход к машинному обучению не может обеспечить качественный и единообразный сервис для клиентов. Кроме того, в исторических диалогах могут в принципе отсутствовать эталонные примеры обслуживания. Поэтому проект роботизации в большинстве случаев мы рекомендуем начинать с аудита существующих практик и стандартов клиентского сервиса в компании. В ходе аудита анализируются текущие правила и сценарии обслуживания клиентов, в ряде случаев разрабатываются новые, отвечающие стандартам индустрии, затем уточняется стратегия роботизации и на базе множества источников формируется пул релевантных обучающих данных.

Дмитрий Рубин Директор департамента систем автоматизации ИТ и сервисного обслуживания

Самая распространенная ошибка в проектах, где мы решаем задачу интеллектуальной автоматизации процессов — это отношение к системе как к некоторому черному ящику, который можно установить в инфраструктуре, и «всё станет хорошо».

Это не так, потому что интеллектуализация бизнес-процессов на базе больших данных и машинного обучения требует предварительного анализа этих процессов, экспертных консультаций заказчика и готовности вносить изменения в устоявшуюся реальность. Кроме того, крайне важно собирать и сохранять все артефакты процесса — запросы пользователей, статьи базы знаний и т. д. Делать это нужно уже сейчас, даже если внедрять интеллектуальные технологии вы пока не готовы.

Никита Кардашин Руководитель отдела развития интеллектуальных систем

Системы предиктивной аналитики позволяют выявлять тренды и аномалии в работе инфраструктуры, а также прогнозировать сбои и отказы оборудования, при этом не стоит забывать, что успешное решение задач в области прогнозирования требует полноты данных.

Это значит, что на более ранних этапах необходимо выстроить процессы управления мониторингом и событиями, регламентировать точки подключения и отключения оборудования и сформировать качественную базу конфигурационных данных (CMDB). Обязательно также наличие системы Service Desk для учета всех активностей, возникающих в процессе эксплуатации инфраструктуры (инцидентов, проблем, событий и т. д.) и контроля реакции на них со стороны персонала.

Лев Голицын Директор департамента информационных систем управления

В проектах создания интеллектуальных систем, построенных на технологиях анализа неструктурированных данных, заказчику нужно быть готовым к тому, что сначала придется решить такие задачи, как интеграция данных и обеспечение их качества. К примеру, качество отсканированных документов может быть очень разным, документы могут быть «зашумлены», в этом случае потребуется их очистка, удаление нечитаемых фрагментов и нераспознанного текста.

Технические сложности также могут возникнуть из-за разнородности данных (статьи, нормативные документы, книги, проекты и т. д.) и их источников (база знаний, внешние ресурсы, сетевые папки, порталы). И только после решениях этих вопросов можно приступать к построению языковой модели и машинному обучению системы.

Обсудите с нами ваши задачи

Хотите обсудить возможности использования ИИ-решений в вашей организации или заказать демонстрацию? Сообщите нам ваши контактные данные, и мы ответим как можно быстрее.

Нажимая на кнопку «Отправить», вы даете согласие на обработку персональных данных