Штучний інтелект у програмі лояльності

У напрямі аналітики відділ відповідає за побудову звітів у BI-системах, розробку звітності для партнерів ПЛ та внутрішніх потреб, побудову ML-моделей, а також підтримку Data Lake, що акумулює всі дані програми з різних джерел.
У технічному напрямі команда займається ІТ-інтеграцією з партнерами, впровадженням нового функціоналу спільно з підрядниками (зокрема у CRM-системі та мобільному застосунку), адмініструванням і  управлінням налаштуванням програмних параметрів (наприклад, для запуску промоакцій), а також автоматизацією процесів, зокрема із використанням штучного інтелекту.

“Найбільший виклик — це велика кількість даних та необхідність максимально витиснути із них необхідний результат. Кількість показників, розмірностей, вимірів даних росте щодня і будувати правильні взаємозв'язки та висновки стає все важче. Звичайно, покращити цю ситуацію допомагають нові інструменти і технології. Але це теж виклик, оскільки інформація про нові можливості аналізу даних чи про нові підходи часто губиться у великому потоці найрізноманітніших джерел.”

“Якщо говорити по LLM (великі мовні моделі), то ми звернули на них увагу ще в кінці 2022 року. Тоді коли вперше на слуху з'явився Chat GPT, а далі ставали відомими й інші.”

“Перш за все, LLM моделі допомагають підвищити продуктивність. Найбільше це відчутно із завданнями, що пов'язані з написанням коду (наприклад, автоматизація чи звичайні селекти в DB). Також ШІ суттєво допомагає нам із генеруванням текстових описів, технічних завдань для підрядників чи партнерів стосовно впровадження нового функціоналу або ж внесення змін в існуючий.”

“Перший і найвідчутніший — це економія часу. А також ефективність та можливість використання різних моделей. Чи навіть різних версій однієї моделі для вирішення певної задачі. Це дозволяє з достатньо великої кількості варіантів, які генеруються з високою швидкістю (подекуди хвилини чи навіть секунди) вибрати той, що найбільше влаштовує або скомбінувати кілька отриманих опцій.”

“Часто отримані результати не вирішують поставленої проблеми, є поверхневими і взагалі не розуміють контексту. Буває, що модель видає неправильні результати. Але часто невдалий результат є наслідком неправильного, неповного чи хибного промпту (запиту).”

“Зараз рівень моделей не дозволяє повноцінно і досконало аналізувати великі обсяги даних. Хоча, думаю, ця проблема вирішиться максимум за рік. Та поки що, ШІ зручно використовувати саме для підготовки плану дій, прописання коду для проведення аналізу даних. Чи, наприклад, для генерування ідей, які після додаткового опрацювання з боку аналітика можуть стати реально корисними і дієвими для звітності, аналізу даних чи побудови ML-моделей.”

“Поки що людський контроль є обов’язковим. Ба більше, часто він доповнює результати ШІ. Наразі зусилля для повної автоматизації мені видаються надмірними, якщо порівнювати із отриманим бенефітом. Але це бажання з великою ймовірністю викликане неповним розумінням вже існуючих інструментів агентського ШІ, на розвитку яких зараз чи не найбільше зосереджені провідні провайдери LLM-моделей. Вже зараз складно починати чи супроводжувати будь-які задачі без застосування ШІ. Складно оцінити, де ми переходимо межу, коли на розгляд ШІ віддаємо занадто велику частку зусиль для вирішення задачі. Тобто, стає все важче балансувати між автоматизацією за допомогою ШІ і людським контролем. Не виглядає, що ця задача може стати простішою у майбутньою  — скоріше навпаки.”

“Окрім очевидних, пов’язаних з безпекою розповсюдження даних за межі компанії, є ще надмірна схильність беззастережно довіряти результатам моделі LLM. Ще один негативний момент полягає у небажанні (чи нездатності) побудувати промп таким чином, щоб він максимально використав потенціал моделі.”

“На мою думку, найближчим часом основні гравці на ринку зосередяться на максимізації зручності і просунутості агентів, які діють на базі їх моделей. Тобто, якщо зараз використання та налаштування ШІ  — це доволі технологічно трудоємкий процес, то вже незабаром їх сетап буде максимально інтуїтивним та зручним. Це також буде стосуватись розробки спеціальних агентів, що зосереджені на роботі з даними. Думаю, вони матимуть вбудовані (або в своїй досяжності) усі необхідні інструменти для забезпечення максимально ефективної та продуктивної аналітики. Додатково будуть суттєво зростати можливості автоматичної обробки великих обсягів даних у провідних моделях наявних на ринку.”

“Нещодавно натрапив на кілька схожих за вмістом новин про компанії, які звільнили велику кількість працівників на хвилі хайпу та просування ШІ. Зараз же вони їх повернули назад у такій самій чи навіть більшій кількості (Klarna, IBM). При тому, що відбулось перепрофілювання більшості новостворених посад. Тобто виглядає, що за оптимістичного сценарію не відбудеться масової втрати робочих місць в економіках світу. Натомість інтенсивне впровадження ШІ збільшить їх кількість. Тому, як не банально це звучить, але саме навички роботи в ШІ (промптинг, розуміння можливостей тощо) будуть ставати визначальними для конкурентоспроможності на ринку праці.

“Я порадив би максимально працювати з реальними задачами і на їх основі пробувати застосовувати якомога широкий спектр інструментів та нових підходів, які з’являються. Тут важливо водночас і слідкувати за нововведеннями, і ставати реальним фахівцем хоча б у одній з платформ, які представлені у різних сферах. Наприклад, досконало вивчити можливості та способи налаштування звітності у PowerBI чи Tableau.”