Амазон недавно открылся полностью автоматизированный магазин , где нет продавцов и кассиров.
Это мероприятие спровоцировало новый виток дискуссий о тенденции замены людей роботами во многих сферах бизнеса (например, здесь статья на эту тему в The Guardian).
Мне удалось поговорить с Дмитрием Плотниковым, экспертом по автоматизации бизнес-процессов (Microsoft MVP), о том, кому действительно пора начать беспокоиться о своей работе.
Вы много работаете в сфере автоматизации бизнес-процессов.
Можете ли вы поделиться своими наблюдениями о том, каких сотрудников вскоре заменят роботы? Вообще, уже несколько лет в Интернете публикуются различные списки профессий, которые будут уничтожены роботами (например, Здесь И Здесь ), - всегда зовут заводских рабочих, водителей или официантов.
На самом деле, судя по тому, что мы видим, именно у офисных сотрудников проблемы могут возникнуть раньше других.
Например, у кого есть такое?
Например, сотрудники колл-центра, которые занимаются холодными продажами с помощью телефонных звонков.Обычно у оператора есть четкий сценарий разговора (скрипт), в котором прописано, что и как ему следует говорить.
Отклонение от него чаще всего запрещено.
И даже если возникает ситуация, не обрабатываемая сценарием, операторам положено повторять только те фразы, которые есть в их сценарии — остальные запрещены.
То есть человек, как робот, будет повторять одни и те же слова.
А раз так, то почему бы не заменить его роботом, ведь это сэкономит деньги: программу не нужно обучать, она может работать круглосуточно и семь дней в неделю.
Но в этом случае получается, что системе придется вести голосовой разговор, а это еще сложнее, чем чат-бот. Есть ли сейчас заметные успехи в этой области?
Да, мне довелось поучаствовать в проекте, где нужно было реализовать именно такую систему — приложение, использующее базу данных SharePoint в качестве CRM и общающееся посредством холодных звонков.Данная система уже запущена и работает у одного из заказчиков из западного региона (к сожалению, не могу назвать компанию).
На рынке довольно много подобных решений, большинство из них используют подход, при котором компьютер синтезирует голос человека.
Это почти всегда звучит неестественно; разговаривать с таким роботом человеку не очень приятно.
Поэтому в нашем проекте было решено отказаться от синтеза речи и использовать в общении заранее записанный голос живого человека.
В результате система читает собеседнику предложения из сценария компании и на лету расшифровывает его ответы, преобразуя их в текст. Одной из важнейших задач здесь является анализ содержания звонка.
С помощью ключевых слов можно понять, как именно человек реагирует на услышанное (в этом помогает поиск по базе знаний), и в зависимости от этого строить дальнейшее общение – завершить разговор, воспроизвести следующее предложение заранее записанного текст и т. д. .
Насколько эффективно это работает?
На удивление, система работает достаточно эффективно и позволяет серьезно сэкономить и повысить продуктивность холодных звонков.Само приложение умеет присваивать статусы по результатам разговоров в CRM, что очень удобно, а одна программа может обзванивать сотни клиентов в день.
Стоимость колл-центра, способного выполнить такой же объем работы, будет очень значительной.
Есть ли какие-либо трудности при создании такого рода приложений?
Да, конечно.У использованного нами подхода есть свои проблемы — например, воспроизвести записанную речь так, чтобы она звучала естественно, не так просто.
Например, во время разговора двух людей длинные паузы случаются редко, поэтому робот должен быстро реагировать на реплики собеседника.
Более того, в реальной жизни человек, принимающий звонок, может находиться в шумном месте — и роботу непросто понять в реальном времени, когда обращенная к нему фраза закончилась и нужно на нее отреагировать.
Аналогично, некоторые слова могут звучать одинаково, но иметь разное значение и писаться по-разному (омофоны).
Например, в английском слова bot и buy звучат одинаково, но означают совершенно разные понятия.
Как мы можем решить эти проблемы и повысить точность?
Машинное обучение, нейронные сети.Любой колл-центр имеет базу знаний, обычно довольно обширную: есть сценарии разговоров и их записи (часто делаются, например, для оценки качества работы операторов).
Для начала можно создать нейросеть и обучать ее на этих данных — расшифрованных записях разговоров.
В результате получится полноценный виртуальный оператор для совершения холодных звонков.
В заключение, можете ли вы дать какой-нибудь совет тем, кто планирует создавать подобные системы для автоматизации рутинных офисных задач?
В этом вопросе, пожалуй, самое главное – выбрать подходящие технологии и инструменты.Вряд ли у вас хватит ресурсов, чтобы сделать все с нуля самостоятельно, поэтому придется использовать готовые продукты и всевозможные API. И здесь важно, чтобы они имели необходимый функционал и хорошую документацию.
Например, в ходе проекта мы хотели использовать инструменты от Google и Microsoft, но выяснилось, что один из них не поддерживает нужные нам языки, а документация второго оказалась настолько плохой, что некоторые моменты стали неактуальными.
ясно только в ходе экспериментов.
Если вы сможете избежать этого, вы сэкономите много времени и усилий.
Интересные статьи на тему влияния автоматизации на рынок труда:
- Магазины без касс, кассы и персонала: как устроена торговля будущего
- Непрерывное обучение и сокращение рабочих мест: как технологии повлияют на рынок труда
- Какие профессии исчезнут из-за автоматизации – исследование Bloomberg
- Рабочим не следует бояться роботопокалипсиса
- Как автоматизация повышает уровень жизни и сохраняет рабочие места
-
Преимущества Восстановленных Ноутбуков
19 Oct, 24 -
Советы По Найму Seo-Экспертов
19 Oct, 24 -
Рейтинг Каждого Магазина На Яндекс.маркете
19 Oct, 24 -
52 Набора Данных Для Учебных Проектов
19 Oct, 24 -
Ближе К Звёздам. Часть 1
19 Oct, 24
