Осень - сезон технических конференций и одна из самых распространенных тем в этом году: искусственный интеллект и деньги, например, покажите мне деньги. Я слышал, как люди спрашивают, если так много компаний создаются и получают финансирование, почему никто на самом деле не понял, как зарабатывать деньги с помощью ИИ? Или, как элегантно выразился Эндрю Нг на недавней Конференции по искусственному интеллекту, в чем экономическая ценность?

Я встретился со Стюартом Франкелем, генеральным директором Narrative Science, чикагской компании, основанной в 2010 году - много лет назад в годы искусственного интеллекта. Франкель был готов поделиться некоторыми умными мыслями о недавно созданных стартапах в области ИИ, особенно о тех, которые создают продукты и услуги для крупных компаний.

По данным исследовательской компании CB Insights, в 2011 году 67 финансовых средств на сумму 282 миллиона долларов были предоставлены компаниям, занимающимся ИИ. А теперь перенесемся в 2016 год: было 698 финансовых вложений на сумму 4,87 миллиарда долларов. И хотя было множество приобретений, трудно сказать, какие компании могут вырасти в успешные самостоятельные предприятия.

«Очень немногие стартапы в области искусственного интеллекта создали устойчивый коммерческий бизнес, - говорит Франкель, - и еще меньше построили бизнес, продавая свой бизнес предприятию».

Франкель говорит, что его компания избегает атрибутов Кремниевой долины, сосредоточившись не на росте, росте, росте и массовом, массовом, массовом финансировании, а на разработке услуг, которые нужны клиентам и за которые они готовы платить. Это прямой и непонятный подход - списывайте его на чувствительность Среднего Запада.

Усовершенствованный инструмент генерации естественного языка (Advanced NLG) от Narrative Science под названием Quill предназначен для использования на предприятиях, в основном крупными банками и компаниями, предоставляющими финансовые услуги. Advanced NLG превращает любые данные в разговорные записи и отчеты. Компания впервые попала в заголовки газет, показав, что Quill может писать спортивные новости на основе результатов, а также подробных отчетов о финансовых результатах. Франкель говорит, что Quill используется 12 из 20 крупнейших паевых инвестиционных фондов. В число клиентов входят Credit Suisse, Deloitte, MasterCard, USAA и разведывательное сообщество США (инвестором является In-Q-Tel, венчурная фирма ЦРУ).

Многие молодые компании - из-за наивности или высокомерия - часто недооценивают проблемы, связанные с продажами крупным корпорациям, особенно в строго регулируемых отраслях. Франкель говорит, что он изучил три требования для корпоративных продаж ИИ.

1. Подтвержденная рентабельность инвестиций

«Многие крупные компании вскочили на подножку больших данных, сделали крупные инвестиции и погорели», - говорит Франкель. Они опасаются всего нового, что не дает быстрой и очевидной рентабельности инвестиций.

Франкель объяснил, как для крупной бухгалтерской и консалтинговой фирмы, которой необходимо составлять отчеты об анализе отклонений для 5000 клиентов, Narrative Science смогла продемонстрировать значительную экономию времени. Используя продвинутый NLG, фирма сократит время каждого аудитора на подготовку такого отчета на 40 процентов, что означает экономию около 100 000 часов каждый год.

Деньги сэкономлены, процессы ускорены, а более точные результаты невозможно подделать. Показывая услугу потенциальным корпоративным клиентам, «они получают ее почти сразу», - говорит Франкель. «Рентабельность инвестиций либо есть, либо нет».

2. Интеграция с существующим рабочим процессом

Это здравый смысл, но услуги искусственного интеллекта должны быть адаптированы к стилю работы крупных компаний. Чем крупнее предприятие, тем больше денег и времени они вкладывают в свою деятельность. Например, системы планирования ресурсов крупного предприятия от SAP или Oracle очень дороги, требуют многолетних усилий и могут использоваться тысячами сотрудников.

Назовем это головоломкой Segway - отличная технология, которая плохо подходила для дорог и тротуаров реального мира. Представьте себе, что группа выпускников Стэнфордского университета с 20 с лишним лет создает аккуратный маленький виджет ИИ. Они собираются изменить мир, верно? Не так быстро. Неужели они действительно ожидают, что крупная корпорация откажется от существующих рабочих процессов в пользу их непроверенных технологий?

Один из способов, которым корпоративные компании, занимающиеся ИИ, могут решить эту проблему, - это партнерство и использование API-интерфейсов с другими поставщиками программного обеспечения. Предлагая доказательство этого подхода, Франкель говорит, что Narrative Science можно интегрировать с Tableau, Qlik и Microsoft Power BI, а также с десятком других корпоративных инструментов.

«Большинство наших клиентов интегрируют Quill в существующий рабочий процесс, - объясняет Франкель, - позволяя своей аудитории получать рассказы в удобной для них форме».

3. Прозрачность

Кажется, что большая часть ИИ работает в черном ящике, и даже разработчики не могут полностью объяснить результаты машинного обучения или системы рекомендаций. Это нормально для исследовательских целей или, возможно, для служб, ориентированных на потребителя, которые помогут вам найти фильм для просмотра, но не сокращают горчицу для регулируемых отраслей.

«Машинное обучение, например, предназначено для распознавания и отображения шаблонов без необходимости реального понимания результатов, и поэтому имеет некоторую степень случайности с точки зрения того, что оно будет генерировать», - говорит Франкель.

Страхование, банковское дело, государственные услуги и другие сектора требуют, чтобы программное обеспечение производило контрольный журнал. Таким образом, любая служба ИИ должна быть построена с учетом прозрачности. « Повествования Квилла, - говорит Франкель, - полностью прослеживаются до системы записи, с контрольным журналом всех сгенерированных запросов и выполненный анализ, который позволяет пользователю понять, как [он] принимает решения, которые он принимает. Это чрезвычайно важно для наших клиентов ».

Например, финансовые учреждения обязаны сообщать федеральным регулирующим органам отчеты о подозрительной деятельности. Но простое обозначение чего-то подозрительного - то, что машинное обучение умеет очень хорошо - не соответствует нормативным требованиям. Франкель говорит, что федеральные органы требуют «кто, что, где, когда и почему» любой зарегистрированной транзакции, что можно понять только из контрольного журнала.

Через семь лет после своего основания Narrative Science обслуживает около 80 клиентов, 60 процентов из которых представляют отрасль финансовых услуг. Франкель отказался комментировать доходы или прибыльность своей компании. В компании 125 сотрудников, и на сегодняшний день она привлекла более 40 миллионов долларов.

Франкель ожидает, что значительная часть роста его компании будет происходить за счет большей интеграции с существующими поставщиками корпоративного программного обеспечения. «Мы создали нечто, что должно быть повсеместным», - говорит он, имея в виду потребность в диалоговой бизнес-аналитике.

Проблема для Narrative Science и других корпоративных AI-компаний? «Ожидания от производительности выше, чем когда-либо», - отвечает Франкель. «Ты должен быть хорошим».