Искусственный интеллект – будущее туризма?

Каким потенциалом обладают технологии искусственного интеллекта (ИИ), что они могут предложить туристической индустрии, превосходят ли они возможности традиционных поисковых систем и менеджеров, какие у них перспективы в России? Разбираемся вместе с председателем совета директоров и основателем «Аэроклуба» Денисом МАТЮХИНЫМ.

За последние несколько лет на рынке сложилась благоприятная ситуация для использования высоких технологий: высокие мощности процессоров позволяют быстро обрабатывать большие о... читать далее

Денис, как обстоит ситуация с ИИ на российском рынке?

Начать лучше не с ИИ, а с данных, потому, что без данных ни о каком ИИ речи идти не может.

В России туристическая индустрия делится на два больших пласта – это оффлайн-компании и автоматизированные компании. Соотношение на данный момент, по моей оценке, 70% на 30%. Первые не могут себе позволить автоматизировать процесс работы или не хотят и все запросы обрабатывают вручную. Для второго пласта характерен достаточно высокий уровень автоматизации, сюда относятся и те, кто занимается самостоятельным ... читать далее

Зачем нужны остальные 80% данных?

К примеру, клиент хочет перелет Москва – Санкт-Петербург, летают туда часто. Компания отправляет запрос системе, и та выдает 300 вариантов. Из них клиент выберет один, и именно его система сохранит, а остальные 299 вариантов сотрет. То есть, в будущем никто не сможет сказать, из каких именно 300 вариантов перелета клиент выбрал подходящий и почему. Получается, что, получив новый запрос от этого клиента, никто не сможет сделать анализ принципа выбора клиента, то есть не будет машинного обучения, и, как сл... читать далее

Значит, основные проблемы автоматизации и ИИ на рынке сосредоточены вокруг сбора данных и машинного обучения?

Нет. Если представить, что компания обладает всеми необходимыми данными о предпочтениях клиента, возникает другая проблема – проблема хранения big data.

Когда компания сохраняет порядка 10-20% данных запроса, они спокойно могут уместиться на двух-трех серверах, стоимость обслуживания которых составляет около 10 тысяч долларов США в год за каждый. Если же хранить все данные, отправленные клиенту по запросу, то через очень короткое время стоимость их содержания и хранения будет исчисляться десятками... читать далее

И как же это сделать?

Нужен «инструмент» типа business intelligence (business intelligence – компьютерные методы и инструменты, позволяющие интерпретировать большое количество данных, заостряя внимание лишь на ключевых факторах. Ред.), который позволит обратиться только к нужной «ячейке информации». Это означает, что компаниям, желающим автоматизироваться, нужно не просто собирать данные, им нужно создать правильную базу данных с правильно структурированной информацией.

А как правильно наращивать базы данных, чтобы информация была структурирована?

Необходимости начинать процесс «искусственно» нет. Обладая всеми необходимыми данными, со временем компания сама по себе начнет оптимизацию.

Представим, что 20% запросов компании приходится на рейс Москва – Санкт-Петербург на дату N. Бессмысленно постоянно узнавать о наличии мест и всего остального, если через каждые 20 минут приходит идентичный запрос. В игру включается оптимизация процесса на уровне кэша, который, кстати, тоже нужно оптимизировать и понимать, насколько быстро он «протухает» - эт... читать далее

То есть именно тут включается машинное обучение?

Именно, мы очень близко подошли к этому вопросу и ИИ. Посмотрим на ситуацию с запросом по принципу Парето (закон/принцип Парето - эмпирическое правило, которое в наиболее общем виде формулируется как «20% усилий дают 80% результата, а остальные 80% усилий — лишь 20% результата». Ред.), то есть сколько пассажиров в соотношении 80% на 20% выбирали рейс Москва – Санкт-Петербург, к примеру, в среду из аэропорта «Домодедово» в 7.30 утра.

Исходя из собранных данных, вы приходите к выводу, что 8... читать далее

Для чего нужна такая мощная оптимизация работы с запросами?

Для того чтобы экономить время клиентов. По сути, мы поглощаем информацию в режиме реального времени, на уровне нескольких секунд.

В авиабилетах, да и вообще в тревел-сервисах можно сделать так, чтобы давать не тысячи вариантов, а один нужный. «Угадывая» таким образом, что нужно клиенту, мы повышаем его лояльность и доверие к компании. Как только он поймет, что за 5-10 секунд получит готовый ответ на свой запрос, ему даже не нужно будет ничего выбирать, - это уже будет сервис на очень-очень высоко... читать далее

Получается, что ИИ решит все проблемы, с которыми сталкиваются сегодня менеджеры?

Чтобы эта система работала по принципу, о котором я рассказал, мало иметь ИИ, нужны правильные базы данных, big-data, data scientist’ы (data scientist – это эксперт по аналитическим данным, который обладает техническими навыками для решения сложных задач, а также любопытством, которое помогает эти задачи ставить. Ред.), нужны люди, которые проверяют гипотезы, и проч. Нужна структура, которая требует не только затрат на фонд оплаты труда, но также инфраструктурных затрат, очень больших.

В ... читать далее