Mašinsko učenje transformisaće mnoge industrije i poslovanja, a i Srbija je na dobrom putu

Jedan od krucijalnih i integralnih delova veštačke inteligencije je mašinsko učenje – proces kognitivnog pamćenja i prikupljanja podataka koji je svoje mesto pronašao i u našim pametnim telefonima i u velikim digitalnim sistema u sklopu različitih industrija – od turizma preko bankarstva do saobraćaja.

Kako vreme odmiče, primena ove tehnologije ubrzano raste, kao i sama tehnologija koja se sve više razvija i omogućava lakše obavljanje poslovnih procesa u velikim kompanijama i brendovima. Na jednom od takvih AI rešenja, baziranih na mašinskom učenju, radi i tim kompanije Saga, sa čijim smo članovima imali priliku da razgovaramo.

U nastavku teksta Ana Jaćimović (Product Owner) i Tamara Ćirić (Data Scientist), predstavnice pomenute kompanije, detaljnije nam otkrivaju na kojim rešenjima Saga tačno radi kada je reč o primeni mašinskog učenja, kako izgleda tim koji ta rešenja razvija i koje sve benefite u praksi donosi B2B implementacija ove pametne tehnologije.

Kod integracije kompleksnih sistema važno je imati dobru saradnju sa klijentom

Na samom početku razgovora Ana nam je otkrila da pomenuta kompanija razvija širok spektar modela mašinskog učenja koji su pretežno okrenuti ka krajnjim korisnicima. Štaviše, saznali smo da ovi modeli uključuju segmentaciju korisnika, predviđanje najbolje ponude za njega/nju, predupređuju njihovo potencijalno nezadovoljstvo, a tu su i modeli zasnovani na potrošačkom ponašanju (na primer, kategorizacija transakcija korisnika). Ova rešenja domaće kompanije obuhvaćena su u chatbot-u Weaver, kao i u CRM platformi Selecta o kojoj nam je Ana detaljnije govorila:

Selecta pored analitičkog i big data modula sadrži i operativni i module za upravljanje kampanjama i feedbackom korisnika. Operativnim modulom se omogućava automatizacija poslovnih procesa i 360° pregled korisnika, dok je najveća prednost modula za upravljanje kampanjama mogućnost slanja inbound kampanja, tj. obraćanje korisniku dok je na kanalu komunikacije. Na ovaj način konverzija korisnika je primetno veća.

Naša sagovornica objasnila nam je i koje benefite ovaj sistem pruža kompanijama koje ih koriste. Ona ističe da analitički big data modul omogućava brendovima da prikupljaju podatke i koriste vrednost koju podaci nose, njihovom obradom i primenom modela mašinskog učenja. “Korišćenjem modela za segmentaciju kompanije dobijaju mogućnost za bolje razumevanje svojih korisnika i unapređenje pristupa ka njima”, ističe ona i dodaje:

Sa druge strane, personalizacija sadržaja omogućava da svaki korisnik dobija relevantne ponude i informacije od kompanije i na taj način kompanija održava interesovanje i zadovoljstvo korisnika. Ukoliko je korisnik nezadovoljan, ranom detekcijom nezadovoljstva se postiže pravovremena reakcija, kao i očuvanje korisničke baze.

Upravo ovo rešenje (kao i chatbot Weaver) kompanija Saga je uspešno implementirala kod više klijenta u sklopu različitih industrija, a treba napomenuti da korišćenje Selecta platforme nije ograničeno određenom industrijskom oblašću. Ana je dodala i to da je rešenje modularno, tako da svaka kompanija može da koristi upravo one module koji im donose vrednost – od praćenja prodajnih procesa do mogućnosti za razumevanje profila svojih korisnika i pružanja odgovarajućeg pristupa, i uz to istakla:

Konkretno, u praksi se pokazalo da je implementacijom Selecte kod jednog od najvećih tour operatera u Srbiji prodajni proces zatvaran veoma brzo i na sveopšte zadovoljstvo. Sada sa Selectom imaju dobro segmentirane korisnike, personalizovane kampanje prema afinitetima klijenata, što je povećalo realizaciju prodajnih prilika i uticalo na marginu, kao i na smanjenje troškova. Povećano je i zadovoljstvo zaposlenih agenata, a svoje marketinške budžete su pametnije preusmerili i postali su precizno merljivi.

Sa druge strane, Anina koleginica Tamara nam je više otkrila i kako izgleda tim koji stoji iza razvoja pomenutih sofisticiranih rešenja, koji je prilično multi-disciplinaran, jer je kompanija spojila ekspertizu iz domena biznisa i tehnoloških inovacija.

Sve ovo timu umnogome olakšava posao pokrivajući sve bitne aspekte u procesu razvoja proizvoda, od razumevanja korisničkih potreba i zahteva do realizacije finalnog proizvoda. Ipak, u svemu tome ima i dosta izazova, što je Tamara i prokomentarisala:

Najveći izazov predstavlja sprovođenje projektnog plana u delo, tačnije biti u koraku sa dinamikom izazova usled nepredviđenih okolnosti. Sada imamo odličan primer pandemije COVID-19, kada je potrebno modifikovati rokove i uskladiti se sa klijentima.

Potrebno je pratiti nove trendove iz sveta mašinskog učenja kako bi se odgovorilo na zahteve tržišta

S obzirom na to da je reč o sofisticiranom tech rešenju, zanimalo nas je i koje sve metodologije i softvere koristi AI tim prilikom razvoja rešenja baziranih na mašinskom učenju. Tamara objašnjava da je sam proces razvoja proizvoda (tj. softverskog rešenja) dosta kompleksan, pa samim tim zahteva korišćenje raznorodnih tehnologija.

Ona nam otkriva i da se svi podaci preusmeravaju na jedno centralizovano mesto (Data Lake). Međutim, kako dodaje, za proizvod koji se razvija od samog početka pa sve do njegove implementacije kod klijenta, neophodne su tehnologije kao što su serveri baza podataka (Microsoft SQL Server), .NET platforma za aplikativni razvoj, Python kao alatka za razvoj modela mašinskog učenja korišćenjem raznovrsnih biblioteka kao što su sklearn, tensorflow i mnogi drugi:

U fazi prikupljanja i čuvanja podataka oslanjamo se na Hadoop ekosistem kojim se omogućavala distribuirana obrada velike količine podataka. Izdvojila bih neke od komponenti kao sto su komponenta za strimovanje (Kafka) I Hadoop HDFS. Aplikativni deo sastoji se od složenog modula za obradu složenih događaja (CEP) i biblioteke Spark za mašinsko učenje u svrhu treniranja prediktivnih modela.

Štaviše, u okviru sloja aplikacija postoji čvorište za odlučivanje u realnom vremenu koje pruža brzi odgovor na aktivnosti kupaca. U procesu postavljanja verzija (implementacije) koristimo dokere i kubernete.

U čitavom ovom procesu razvoja ali i same integracije rešenja baziranih na veštačkoj inteligenciji i mašinskom učenju, važna je i saradnja sa klijentima kako bi taj servis uspešno postao deo sistema određene kompanije. Tamara otuda dodaje da je uspešno razvijeno rešenje ono koje u potpunosti odgovara zahtevima klijenata i koje se bez poteškoća koristi.

Kako ona ističe, agilni razvoj koji praktikuje ova kompanija obuhvata proces koji klijentima omogućava da budu upoznati sa svakom iteracijom razvoja i aktivno učestvuju u istim dajući svoj feedback. Sve to omogućava da se korekcije izvrše u veoma kratkom vremenskom roku, kao i da je shvatanje koncepta poslovanja onome kome se usluga nudi, krucijalna. Tamara dodatno pojašnjava:

Prvi korak jeste razumevanje poslovanja klijenta kako bi se uopšte otpočelo sa realizacijom projekta. Taj korak je najvažniji i u njemu je integracija domenskog znanja ključna za kvalitetno modelovanje rešenja primenom mašinskog učenja. Moram da priznam da smo i sami naučili pregršt stvari koje su nam sada od velike koristi na novim projektima.

Na pitanje Netokracije koji je, prema njenom mišljenju, potencijal implementacije AI rešenja na srpskom tržištu i da li je situacija danas povoljnija nego ranije, Tamara smatra da tržište u Srbiji još uvek nije potpuno otvoreno za ovakve tipove rešenja. Ona napominje da iako su neke inovativne kompanije na tržištu prepoznale prednosti rešenja zasnovanih na veštačkoj inteligenciji, veliki je broj kompanija koje ne razumeju potencijal podataka koje poseduju i njihove benefite:

Susrećemo se sa situacijom da ljudi ne mogu slepo da veruju “mašini”, pa traže dosta temeljno obrazloženje za svaku odluku koji dobijaju od AI rešenja. Ipak, situacija je dosta povoljnija nego ranije jer se tehnologije svakim danom dosta unapređuju i radi se na što boljem približavanju i objašnjenju procesa funkcionisanja ovakvih sistema.

Pred sam kraj razgovora, dotakli smo se i toga koji su naredni planovi ove kompanije kada je reč o daljem razvoju pomenute tehnologije. Tom prilikom Ana je istakla da je mašinsko učenje oblast koja je trenutno u velikom usponu, kao i da naučna istraživanja donose sve jače pristupe, koji mogu da stvore pozitivnu promenu u kompanijama.

“Dodavanjem novih funkcija (ML/AI) u postojeće organizacije dolazi do tehnološko inovativne transformacije koja ima jak uticaj na poslovanje, klijente, osvajanje novog tržišta. Otuda, neki od glavnih ciljeva u našoj kompaniji za naredni period su praćenje novih trendova i tehnologija koje se javljaju u mašinskom učenju, povećavanje baze znanja i odgovaranje na potrebe tržišta”, zaključila je na kraju Ana.