Машинное обучение принесет пользу любому бизнесу — от маленьких компаний до больших корпораций. Но как его использовать? Об опыте работы с МО в компании «1С-Битрикс» рассказал глава направления «Маркетплейс и интеграции» Сергей Востриков.

Сергей — автор книги «Мир InterBase. Архитектура, администрирование и разработка приложений баз данных в InterBase». Также эксперт работает над проектами по внедрению AI в «Битрикс24».

Спикер: Сергей Востриков (С. В.).
Интервьюер: AI Conference (A. C.).

A. C.: Можно ли использовать машинное обучение без больших данных?

С. В.: Машинное обучение не обязательно всегда связано с понятием Big Data. Учиться можно на любых данных. Вопрос скорее в том, насколько точным получится результат. Как показывает практика, большие данные нужны не всегда.


A. C.: В чем заключаются особенности инженерного подхода к машинному обучению?

С. В.: Инженерный подход используют в случаях, когда нужно решить бизнес-задачу здесь и сейчас. В сфере машинного обучения существует огромное количество сервисов и публичных API, которые предоставляют бизнесу готовые «черные ящики» без погружения в математические аспекты.

Говоря об инженерном подходе, я обращаюсь к понятию «инженерное дело», которое подразумевает практическое использование теорий, технологий и инструментов, какой бы сферы это ни касалось. Как программирование в целом не требует глубоких знаний математики, так и практическое использование машинного обучения сейчас во многих случаях происходит без погружения в нюансы статистики.


A. C.: Расскажите о применении инженерного подхода к ML на реальном примере. Каких результатов удалось достичь?

С. В.: В том же «Битрикс24» есть ряд сервисов, доступных для конечных пользователей: распознавание телефонных переговоров, face-tracker в CRM для идентификации клиентов или сотрудников компании, для отметки рабочего времени и т. д. Все эти сценарии — это использование готовых «абстрактных» сервисов на основе машинного обучения, доведенное до решения очень конкретных практических задач бизнеса.


A. C.: Вы возглавляете направление «Маркетплейс и интеграции» в «1С-Битрикс». Расскажите, чем занимается ваша команда?

С. В.: Мы развиваем наши площадки готовых партнерских решений для продуктов «Битрикс», готовим платформы для создания интеграций с различными внешними продуктами и сервисами: телефониями, социальными сетями, сервисами техподдержки и т. д.

Благодаря этому мы понимаем практические потребности реальных клиентов, которые хотят максимально эффективно работать за счет дополнительного ПО в «Битрикс24», используя его как основной инструмент. Но машинного обучения тут, конечно, нет. По крайней мере, в настоящее время.


A. C.: Какие AI-решения разрабатывает и использует ваша компания? Какие способы машинного обучения применяют в «1С-Битрикс»?

С. В.: Перечень достаточно разнообразен. Тут и внедрение готовых внешних решений с распознаванием изображений и речи, про которые я говорил выше, и свои внутренние разработки. К примеру, система рекомендаций для интернет-магазинов или скорринг клиентов в CRM. При таком широком диапазоне задач мы используем разные способы обучения: от простой линейной регрессии до коллаборативной фильтрации.


A. C.: О чем вы расскажете гостям на AI Conference в Москве?

С. В.: Моя основная задача — убедить посетителей в том, что технологии машинного обучения уже сейчас могут приносить практическую пользу любому бизнесу, независимо от его размера. Главное — научиться сопоставлять возможности и ограничения машинного обучения с пользовательскими сценариями.

Скажем, иногда, когда модель дает точность 85%, — это результат, который несет бизнесу пользу. А иногда те же 85% не дают ровным счетом ничего. Математически все то же самое, а результат — диаметрально противоположный. Как это работает, я буду показывать на реальных примерах.


Сергей Востриков выступит с докладом «Инженерный подход к машинному обучению. Примеры реальных побед и поражений» на AI Conference. Чтобы послушать эксперта и задать ему вопросы, регистрируйтесь на мероприятии, которое состоится в Москве 22 ноября.

Зарегистрироваться