«Большие языковые модели трансформируют все новые индустрии»

«Большие языковые модели трансформируют все новые индустрии»

Крупный 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.

Возможности современных технологий впечатляют, а их синергия с большими языковыми моделями позволит в будущем добиться ещё более значимых технологических прорывов в самых разных индустриях.