Роль искусственного интеллекта в юриспруденции

Оценили: 4

Видео-запись митапа Лига норм, на площадке Яндекс Кью.

Игнат Постный — исполнительный директор и партнёр юридической фирмы TAG Consulting рассказывает о том, что такое искусственный интеллект в юриспруденции и как его внедрить в свою работу.

https://giga.chat

промт – Сделай обзор на текст, выдели основные мысли, сделай выводы из текста

“Искусственный интеллект в юриспруденции: Возможности и вызовы”

Текст содержит выступление исполнительного директора компании “Так Консалтинг” – Игната Постного, в котором обсуждается использование технологий искусственного интеллекта (ИИ) для автоматизации юридических процессов. Основные моменты:

Определение ИИ: Игнат объясняет, что ИИ – это инструмент оптимизации, который помогает эффективно выполнять задачи, подобно Великому Оптимизатору.

Примеры применения ИИ в юриспруденции:

Анализ и обработка судебных документов, включая выявление нарушений и подготовку ответов на иски.
Обработка запросов государственных органов, проверка соответствия требованиям и подготовка ответов.
Автоматизация процедур закупок, создание и анализ документации, участие в тендерах.

2. Проблемы внедрения ИИ:

Необходимость формализации знаний и разметки данных.
Политические и репутационные риски, связанные с изменениями в организациях.
Роль юристов в обучении и поддержке ИИ-систем.

3. Преимущества ИИ для юристов:

Освобождение от рутинных задач для занятия более творческой работой.
Увеличение спроса на квалифицированные кадры, способные обучать и управлять ИИ.

4. Рекомендации по внедрению ИИ:

Выбор подходящего пилотного проекта, который покажет преимущества технологий.
Использование архивов организаций для поиска необходимых данных.

5. Заключение и призыв к обсуждению идей:

Призыв к дискуссии о возможных идеях и задачах, связанных с применением ИИ, а также предложение связаться с автором через контакты, указанные на экране.

Выводы:

Технологии ИИ обладают огромным потенциалом для автоматизации различных юридических процессов, позволяя освободить юристов от выполнения рутинной работы и сосредоточиться на более сложных и творческих задачах.
Однако внедрение ИИ требует значительных усилий по подготовке, обучению и поддержке со стороны экспертов, включая юристов, способных грамотно организовать и поддерживать работу ИИ систем.
Важно тщательно выбирать пилотные проекты для успешного внедрения ИИ и постепенно расширять масштабы автоматизации, опираясь на успешные примеры.
Хотя существуют значительные препятствия для внедрения ИИ (стоимость, необходимость качественной разметки и подготовки данных), текущие технологии предлагают относительно доступные и эффективные решения для юридических компаний.

промт – предложи варианты заголовков текста

Вот несколько вариантов заголовков для текста:

“Искусственный интеллект в юриспруденции: Возможности и вызовы”
“Автоматизация юридических процессов с помощью ИИ: Примеры и кейсы”
“Как ИИ меняет правовую практику: Инструменты и перспективы”
“Технологии ИИ в юридической деятельности: Преимущества и трудности”
“Внедрение ИИ в правовые департаменты: Проблемы и решения”
“Применение ИИ для оптимизации юридических операций: Опыт и уроки”
“ИИ в юридической практике: Инновации и лучшие практики”

Эти заголовки отражают ключевые аспекты текста, такие как возможности и вызовы, примеры и кейсы, а также преимущества и трудности внедрения ИИ.

промт – задай контрольные вопросы

Вопросы к тексту

Что такое ИИ?
Приведи пример из реального мира, где используется ИИ.
Какие три основных аспекта входят в определение ИИ согласно Игнату?
Какой основной вызов при внедрении ИИ упоминался в тексте?
Приведите пример, когда ошибка в разметке данных привела к проблемам в работе ИИ-системы.
Назови два ключевых момента, которые влияют на успешное внедрение ИИ, согласно тексту.
Как ИИ может использоваться в медиации?
Что означает понятие “черный ящик” в контексте ИИ?

промт – дополни ответ

Дополнение к ответу

На основе предоставленного текста, можно выделить дополнительные ключевые моменты и дополнить выводы:

Обучение ИИ: Игнат подчеркивает, что обучение ИИ требует больших объемов качественных данных, правильно размеченных и структурированных. Он приводит пример, что требуется порядка 10 тысяч размеченных документов для достижения удовлетворительного уровня точности работы системы.
Уровень сложности и ответственности: Игнат указывает на сложность и высокую степень ответственности при внедрении ИИ, поскольку ошибки в разметке данных могут привести к снижению качества системы, несмотря на её кажущуюся простоту в использовании.
Риски и неопределенности: Игнат отмечает, что системы ИИ пока остаются сложными для интерпретации и объяснения, что создает определённые вызовы для принятия решений и доверия к результатам, выдаваемым системой.
Путь к успеху: Игнат подчёркивает важность постепенной эволюции при внедрении технологий ИИ — начиная с простых задач и затем переходя к более сложным. Это поможет снизить риски и повысить шансы на успех, обеспечивая убедительность для руководства и коллег.

Дополнение выводов:

Необходимо учитывать возможные изменения в процессах и рабочих обязанностях при внедрении ИИ. Это может повлиять на перераспределение обязанностей среди сотрудников, но не обязательно приведёт к увольнениям. Напротив, это может создать новые рабочие места для специалистов высокого уровня, способных разрабатывать, внедрять и поддерживать ИИ-решения.
Несмотря на начальную стоимость и трудозатраты, внедрение ИИ может окупиться за счёт повышения производительности, снижения операционных расходов и уменьшения количества ошибок. В долгосрочной перспективе, это позволит компаниям оставаться конкурентоспособными и эффективными.
Игнат акцентирует внимание на важности пилотных проектов, подчеркивая, что это помогает минимизировать риск и удостоверить эффективность ИИ перед масштабированием. Это снижает вероятность неудачи и способствует успешной адаптации новой технологии.

Дополнительные выводы:

Важность гибкости и адаптивности: Компании должны быть готовы к изменениям и корректировкам на протяжении всего жизненного цикла внедрения ИИ. Игнорирование потребностей пользователей или отсутствие обратной связи может значительно усложнить успешное внедрение.
Правильный выбор задач: Игнат советует начинать с областей, где есть стандартные и многочисленные документы, что упростит сбор и разметку данных, а также увеличит шансы на успешное завершение пилотного проекта.
Управление ожиданиями: Важно реалистичное управление ожиданиями, как в отношении сроков, так и результатов. Чрезмерные ожидания могут привести к разочарованию и нежеланию продолжать проект, даже если прогресс идёт, но медленнее, чем ожидалось.
Стратегическое планирование: Перед началом внедрения ИИ следует разработать чёткий план действий, включающий этапы тестирования, обучения, поддержки и мониторинга. Это обеспечит прозрачность и управляемость процесса, минимизирует риски и повысит шансы на успех.
Коммуникация и сотрудничество: Ключевым фактором успеха является открытость и активное взаимодействие между всеми участниками проекта — руководством, юристами, ИТ-отделом и конечными пользователями. Это создаёт атмосферу доверия и сотрудничества, необходимую для успешного внедрения и эксплуатации ИИ.

Таким образом, правильное планирование, реализация и поддержка ИИ-проектов имеют решающее значение для обеспечения их эффективности и успеха.

Расшифровка видео

Поиск по видео
Что такое ИИ и как он работает в праве?
0:05
Добрый день Меня зовут Игнат постный Я являюсь исполнительным директором компании так консалтинг И сегодня я
0:12
хотел бы поговорить с вами о том как при помощи технологии искусственного интеллекта можно автоматизировать юридические процессы у себя в компании
0:20
первое С чего конечно нужно начать это представиться Давайте немножко расскажу о себе у меня двоякий опыт то есть с
0:27
одной стороны у меня есть где-то более 10 лет как мы у себя это скромно в компании называем опыта в сфере High end
0:34
юриспруденция То есть это самое сложное что есть проденции это защита активов
0:39
банкротства слияние поглощение сложные корпоративные организации это то чем мы
0:44
занимаемся но также в компании мы для себя где-то пять лет назад приняли стратегическое решение о том что нужно
0:51
двигаться в сторону разработки решения на базе искусственного интеллекта и сейчас мы нашим заказчикам в том числе
0:58
различным юридическим структурам юридическим департаментом помогаем внедрять технологии искусственного
1:04
интеллекта для того чтобы оптимизировать свою деятельность для того чтобы сокращать какие-то рутинные операции и в целом
1:10
повышать эффективность бизнеса Итак первый блок мы с вами поговорим про инструментарий и тех кейсах которые
1:16
могут быть наиболее интересны наиболее релевантны для юристов для автоматизации юридической функции искусственный
1:23
интеллект на самом деле это зонтичный термин он себя включает достаточно большое
1:29
количество технологий как сфере обработки текстов компьютерного видения обработки текстов на естественном языке
1:36
какого-то обработки изображений генерации видео аудиотекстов все это
1:42
сейчас подразумевается под технологиями искусственного интеллекта То есть это некий такой зонтичный термин который все
1:50
эти направления все эти технологии в себя включают для упрощенного понимания Я рекомендую думать об искусственном
1:57
интеллекте как они там Великом оптимизаторе Когда у нас есть некоторые Задачка и забегая вперед Спектр таких
2:04
задач входит в том числе юридические задачи оценки рисков подготовки документов написание каких-либо
2:11
заключений это одна из задач которые присуща искусственному интеллекту и эту
2:17
задачу искусственный интеллект технологии искусственного интеллекта учатся оптимизировать то есть решать
2:23
наиболее быстро наиболее правильно наиболее хорошо это то чем занимается
2:28
искусственный интеллект некий такой Великий оптимизатор для объяснения того
2:33
как такие системы обучаются почему сейчас они получили такое широкое
2:39
распространение очень коротко расскажу принцип их работы для нас как для юристов не для математиков принцип
2:46
обучения подобных систем заключается в следующем Мы берем некое большое количество примеров документов
2:52
фотографий видео аудио чего бы то ни было и обучаем на этих примерах и
2:59
фотографиях системы с тем чтобы они научились их распознавать и классифицировать можно себе Предста
3:04
пример о том что мы взяли 10 тысяч фотографий собачек 10 тысяч фотографий кошечек определенным образом их
3:12
обработали показали специальным образом компьютеру и он уже на 20 тысяч первую
3:17
фотографию может сказать может сказать что Это скорее всего кошечка или Это
3:23
скорее всего собачка правда возникает интересные нюансы В такой методологии
3:29
при таких подходах вот у вас на экране Сейчас представлен кейс это вот реально
3:36
живая история когда ученые буквально эту задачу решали только единственный там были не кошечки А вот собаки и волки и
3:43
компьютер тем же самым образом натренировали взяли много-много-много фотографий Волков много много фотографий
3:51
собак и обучили систему с тем чтобы она распознавала Волков от собак и сначала
3:56
все было отлично то есть система хорошо работала Хорошо распознавала одно от другого отличало но потом в определенный
4:04
момент ошибаться причем там где очевидно было собака он говорил сто процентов Волк и
4:10
наоборот там где очевидно волк она с полной уверенностью говорила что собака ученые призадумались потому что
4:17
абсолютно был неожиданный результат и попробовали разобраться А почему же вот
4:23
данные нейронная сеть которая лежала в основе данного программного решения почему она ошибается почему она говорит
4:30
неправильно удалось разобраться и как бы то ни было парадоксально а вот эта система
4:36
поскольку как она Великий оптимизатор была заточено на решение определенной
4:42
задачки отличать что-то категории А от чего-то категории B она недолго думая
4:47
заметила определенную очень интересную закономерность связанную с тем что везде где на фотографиях были волки обучающие
4:55
выборки был снег а там где собаки снега не было в итоге она недолго думая
5:01
запомнила некую такую штуку которая для себя называ и искал на картинках только его соответственно там где видела снег
5:08
там очевидно был волк для неё а там где снега не было Это было очевидно собака Почему Это релевантный пример Потому что
5:16
сейчас во многом технологии искусственного интеллекта очень сильно полагается на данные нейронные сети но
5:22
это вот такое их свойство и по умолчанию недостаток связанный с тем что их очень
5:29
сложно интерпретировать и объяснять забегая вперед это не значит что с этим недостатком нельзя мириться что мы
5:35
принимаем как есть и доверяемся какой-то там высший высокой математике о том что
5:41
она правильно нас рассудит нет Так мы особенно юристы делать не можем Но вот
5:46
этот вопрос объяснимости решений и как интерпретировать выводы которые нам представляет та или иная система тот или
5:54
иной модуль это конечно большой вопрос сейчас если говорить уже про технологии искусственного интеллекта подошли мы к
6:01
этому моменту спутника наверное путь начался еще где-то а 97 году когда компьютер деблю я думаю
6:09
многим Вам известно обыграл гарикаспарова на тот момент он считался наверное одним из лучших игроков в
6:16
шахматы И это прям было такой серьезное поражение человека потому что считал что шахмат это сложная логическая игра Но
6:23
вот компьютер победил более такие практически мини игрушечные применение это одно из последних достижений в
6:31
области медицины когда начали я сразу говорить Может быть что-то перевру я не медик по образованию но научились
6:38
предсказывать 3D структуры белка считалось что это очень сложная Задачка которая очень сложно решать
6:46
традиционными методами очень дорого и вот нейронные сети себя очень неплохо
6:51
подсказали как раз предсказывание вот этой очень сложной 3D структуры когда у тебя есть на вход некая
6:56
последовательность тебе нужно некую 3D структуру предугадать если подходить еще
7:03
ближе к нашей юридической области можно поговорить о том как вот эти самые
7:08
технологии работают с текстом на естественном языке Это уже к нам к
7:14
юристам ближе и сейчас уже даже появились системы Они наверное большую какую-то программу не напишут но
7:20
какой-нибудь калькулятор несложники вполне способны на программном языке написать как они
7:27
работают на вход подается некий текст на естественном языке Например напиши мне
7:32
такую-то функцию в программном коде или напиши мне какой-то модуль и она пожалуйста выдает тебе некие программный
7:39
код который запускается и решает ту задачку которую ему поставил человек в
7:45
виде вот этого текста на естественном языке Но сейчас объективно нужно признать что Китай стал по многим
7:51
показателям на сегодняшний день страной лидером сфере искусственного интеллекта они проводят уже соответствующие
7:58
эксперименты про внедрение вот пожалуйста как у вас есть на экране в реальные живые бизнес-процессы то есть
8:05
судебные области это ну как мы с вами чуть попозже поговорим позволяет очень
8:11
большое количество времени экономить на различных каких-то рутинных операциях Это позволяет устранять негативные
8:18
последствия человеческого фактора но и в целом презумпция повышает качество
8:24
судебного процесса качество принимаемых судебных решений и в целом скорее всего
8:29
является положительным фактом естественно это не бесспорный тезис да
8:34
то есть нужно конечно сравнивать те решения которые условно выносит цифровой
8:40
судья и человек судья их Конечно сравнивать это тема безусловно непростая этот слайд я вставил сюда для того чтобы
8:49
показать что уже сейчас технологии искусственного интеллекта активно семимильными шагами идут в нашу с вами
8:56
юридическую область и это в том числе затронуло российскую судебную сферу уже
9:03
соответствующую эксперименты вот здесь по выдаче судебных приказов показывают неплохие показатели в частности по
9:11
сокращению времени как мы знаем с вами прекрасно судьи очень сильно перегружены
9:17
так вот такие системы именно позволяет разгружать людей которые занимаются рутиной и что-то
9:24
более творческое на что-то более сложное эти все ресурсы перенаправлять в том числе время судей
Кейс № 1 по внедрению ИИ: суды и претензии
9:33
первый пример он уже напрашивается исходя из того что мы с вами увидели в
9:39
плане как раз китайского белгородского опыта в плане анализа исковых документов
9:44
и различные судебные претензионные работы во многих компаниях у наших заказчиков с
9:50
кем мы взаимодействуем есть большой поток входящих документов это могут быть иски какие-то отзывы
9:59
жалобы претензии предписания вот это все судебно-претензионная работа и она Как
10:06
показывает наша практика во многом не несет какого-то большого такого
10:11
сильного творчества у нас был один из примеров реальный живой заказчик он
10:16
рассказывал такую ситуацию это сфера ритейла розничные продажи товаров Когда
10:22
например юрист начинает читать какой-то исковое заявление и пробегает уже первые
10:28
две строчки компания например уже потеряла деньги Почему Потому что час работы юриста
10:34
стоит дороже чем цена иска В итоге Да хорошо юрист проверил прочитал документ
10:41
убедился что все пошлины и реквизиты приложены и так далее но компания в целом потеряла деньги потому что с
10:47
экономической точки зрения было бы выгоднее как-то быстрее прочитать этот документ понять что да мы поставили
10:55
какой-то некачественный товар и заплатить штраф после но еще что-то еще что-то здесь вот с этой точки зрения Вот
11:02
это рутинная претензионная работа выглядит очень интересно для целей автоматизации Как можно было бы и что
11:09
уже сейчас технологии искусственного интеллекта позволяет сделать в контексте данной судебных претензионной
11:15
деятельности Первое это конечно классификация документов которые к нам приходят в госорганах часто называется
11:22
роспись когда мы берем и во-первых обрабатываем входящий комплект
11:28
документов проверяем на соответствие формальным требованиям То есть если все приложения какие-то обязательные
11:35
документы пошлины вот все что нам нужно для того чтобы запустить бизнес процесс второй момент мы смотрим А кто у нас
11:44
внутри компетентный специалист компетентный сотрудник то данные документ комплектов комплект документов
11:51
может обработать и можем ему соответствующий комплект направить более того мы уже сейчас умеем
11:59
технологии позволяют делать выжимку то есть например Когда у нас есть условно
12:05
10 страниц искового заявления мы достаточно уверенно можем сжать их до 1 соответственно сокращая время человека
12:12
который нужно на понять разобраться хотя бы начиная процесс оценки какого-то
12:19
искового заявления А кому мне нужно обратиться кого мне нужно спросить кто
12:24
вообще какую-то мне информацию релевантную может по этому спору дать как раз здесь технологии могут вот эту
12:31
самую выжимку помочь сделать но еще раз как идеальный цифровой помощник это может быть например в виде какого-то
12:37
диалога чат-бота структурировано когда по комплекту документов человек задает вопрос на естественном языке системе
12:44
например о чем этот Иск и он может либо вывести какой-то релевантный фрагмент на
12:50
экран либо же ответить также на естественном языке в чем суть данного искового требования искового заявления
12:57
это уже вполне возможно то что можно делать сейчас при этом можно не ограничиваться только
13:03
каким-то первичным анализом можно и говорить про автоматизацию уже подготовки итогового результирующего
13:09
документа например когда мы знаем что исковое заявление другое и прям вот
13:15
точно которая к нам пришло мы с ним не согласны Мы можем написать уже какой-то
13:20
базовый отзыв например человек говорит что он у нас что-то купил приобрел
13:27
какую-то услугу в работу что-либо то ни было еще какие-то документы прикладывает к исковому заявлению а мы
13:34
видим по нашим базам данным что у нас даже такого контрагента нет и вполне понятно что Отзыв на такой исковое
13:40
заявление будет Довольно простой о том что нет такого контрагента не работали не заключали не должны и так далее и
13:47
подобные отзывы плюс минус шаблонные а более того если мы их еще и Соединяем с
13:53
конструктором документов с какими-то шаблонами макросами то вполне легко становится писать естественно более
14:00
сложные какие-то аналитические справки заключения выводы требуют более сложные
14:06
более кропотливой работы но опять-таки по нашему опыту когда мы работаем с заказчиками рассматриваем те или иные
14:13
задачки во многом те когда у тебя десятки там или сотни тысяч комплектов
14:18
судебного документов в год они плюс-минус очень похожие друг на друга и по ним плюс-минус одинаковые как бы
14:25
итоговые документы нужно собирать другое дело что их сложно собирать Но это
14:31
решаемая Задачка А что нужно чтобы вот эту судебно-претензионную деятельность
14:37
автоматизировать первое об этом еще остановимся мы будем подробнее говорить
14:43
о том что нужно условно правильный Пилот сделать под правильным пилотом я что подразумеваю потому что нужно конечно
14:49
начинать с той области где проще всего то есть где наиболее стандартизированные
14:54
документы где их большое количество и где результат может быть прям невооруженным взглядом было стало Еще
15:02
желательно чтобы где-нибудь в пределах там первых нескольких месяцев этот результат уже можно было бы пощупать
15:08
чтобы убедить всех наших стейк холдерах всех наших руководителей кого бы то ни было еще потому что да это
15:16
важное хорошее направление особенно как это часто бывает юристом сложно выбивать бюджеты на какую-то автоматизацию
15:23
поскольку юристы допустим часто это воспринимается как не зарабатывающий отдел
15:29
но при наличии такого правильного пилота который с какими-то сравнительно
15:34
небольшими затратами позволил хорошо гарантированно автоматизировать ту или иную юридическую функцию это вот прям то
15:41
что нужно то что позволяет двигаться дальше что еще нужно важный момент
15:46
поскольку мы не хотим работать с черным ящиком нам обязательно нужно все наши знания о
15:53
судебно-претензионной деятельности там где мы находимся в то есть предметной сфере где мы взаимодействием нужно
15:59
как-то формализовать то есть описать в неком формате который понятен и человеку
16:04
и компьютеру есть на эта тема определенные технологии сегодня наверное мы ее касаться не будем но просто нужно
16:12
понимать что не существует возможности взять какие-то не знаю учебники там по
16:17
гражданскому процессу по арбитражу еще каким-то сферам деятельности взять их
16:22
всех как-то вставить компьютер чтобы он начал нас писать исковые заявления такого не бывает для того чтобы мы
16:29
размышляла так же как это делает человек ей нужно некие концепты объяснить Ну
16:34
например сказать что такой-то конкретный документ это иск это отзыв это договор у
16:41
него есть какие-то структурные элементы такое-то содержание и так далее так далее То есть вот это небольшую такую картинку мира нужно формализовать для
16:49
того чтобы система уже в рамках не могла размышлять важная Задачка собрать большое
16:54
количество документов Ну как я уже говорил это десятки тысяч причем не просто их собрать Но желательно еще и
17:01
разметить определенным образом об этом мы в третьем разделе поговорим но нужно сделать так чтобы это было не просто
17:07
какой-то сканированный PDF документа чтобы было в этом документе выделен Например если мы говорим про исковое
17:12
заявление истец ответчик третий лица суд цена Иск и так далее так далее вот эти
17:18
все фрагменты нужно правильно разместить если у нас все это получилось сделать то
17:23
какие Давайте пофантазируем могут быть здесь очевидно что
17:28
правило 80-20 никто не отменял Я думаю что и у вас оно в полной мере
17:33
выполняется что где-то 80 наверное процентов документов могут идти по такой
17:40
автоматизированный системе по такому упрощенному треку что грубо говоря к нам на вход приходит
17:46
некий PDF комплект документов а на выходе мы получаем пожалуйста самореализацию
17:53
выжимку по документу итоговый проект условно в док в Ворде в док X по
17:59
которому мы работаем и какие-то комментарии системы по комплекту входящих документов что вот не выполнен
18:04
такое-то требование нету таких-то входящих документов и так далее так далее это вполне уже может быть более
18:10
того забегая ну как бы немножко может быть небольшую та Или например открою то что я сейчас вам рассказываю это вот
18:17
реальные конкретные живой проект который мы сделали и он как раз занимался обработкой исковых заявлений Вот именно
18:23
в таком формате А поскольку у нас рутина существенно сокращается то мы
18:29
естественно высвобождаем время юристов которые могут заниматься гораздо более творческими более сложными вещами и
18:35
логично что мы еще при этом сокращаем наши потери издержки от того что мы
18:41
где-то пропустили какой-то срок что-то вовремя не увидели и так далее ни в коем
18:46
случае не хочу сказать что сейчас это работает плохо но мы можем говорить о том что одним из kpi внедрение такой
18:52
системы может являться сокращение вот этих наших затрат потерь и так далее
18:59
как подобный проект проект может развиваться для того чтобы он был
19:04
успешным чтобы можно было вот этот путь к внедрению технологии искусственного интеллекта пройти Ну как я уже сказал
19:11
нужно выбрать правильный Пилот то есть Неплохо бы взять одну некую категорию споров с которым мы работаем и
19:18
полностью решить сделать То есть собрать дата сет собрать примеры документов его
19:23
разметить построить некий Граф знаний о данной предметной области и внедрить в
19:29
реальные живые бизнес-процессы Когда мы это сделали Мы можем расширить наш
19:34
уже те ту сферу знаний те области с которыми Мы работаем до других каких-то
19:40
связанных категорий споров и в последующем Через несколько шагов мы все наши задачки по автоматизации судебной
19:46
деятельности уже таким образом можем решить сделать
Кейс № 2 по внедрению ИИ: запросы гос. органов
19:53
другой пример опять-таки тоже живой проект который мы успешно делали сделали
19:59
для одного из наших заказчиков когда уверен многие знают да что есть большое
20:06
количество запросов госорганов здесь есть важный момент почему именно запросы госорганов потому что они Часто
20:12
стандартизированы у нас есть условные налоговая условные правоохранительные органы условные суды которые в рамках
20:19
своей деятельности рассылает большое количество запросов банки мфо операторы
20:25
связи ритейлеры реестры держатели то есть везде
20:30
во все эти места где может содержаться релевантные для их деятельности информации А вот у нашего заказчика это
20:37
были десятки тысяч подобных запросов в год которые к нему приходили и целый
20:44
отдел регулируемая деятельность которая занималась обработкой этих самых запросов которые составлены естественном
20:50
языке то есть электронного документо какого-то К сожалению нет Если бы он был бы хорошо задача такая бы гораздо проще
20:57
решалась как правило есть сроки сжатые для подготовки ответа на этот вопрос и
21:02
часто при этом еще и установлены штрафы за несвоевременное подготовку ответа на тот или иной запрос Что могут сделать
21:08
технологии искусственного интеллекта первая Задачка безусловно классификации то есть вот этот весь большой поток вот
21:15
эту огромную трубу из которой нам идет бесконечный бесконечный поток запросов нужно можно сначала просто
21:21
классифицировать то есть уже какую-то сделать на этапе приемки документов пред проверку с тем чтобы быстро их
21:28
направлять компетентными специалисту с тем чтобы не было необходимости их вручную читать кому-то не знаю в
21:33
канцелярии в приемке и так далее После того когда мы это сделали можем уже Проверить наличие каких-то формальных
21:38
выполнений формальных требований наличие приложений других каких-то аспектов реквизитов которые очевидно грубо говоря
21:46
в шапке есть прям нужно проверить что должен быть такой-то отправитель и такой получатель запросы какие-то реквизиты
21:53
какие-то положения и так далее ну или например когда пишут часто запрос какой-нибудь Арбитражный или
21:59
конкурсный управляющий что есть например определение суда приложены где соответствующий управляющий указано как
22:07
полномочное лицо в рамках процедуры банкротства и все вот эти проверки тоже
22:12
вполне могут достаточно успешно Как наш опыт показывает и нашего заказчика выполняться в автоматическом режиме и то
22:20
же самое раз мы знаем многие формальные требования которые у нас выполнены или нет мы уже можем сгенерировать ответ
22:26
проект ответа по существу на тот или иной запрос госоргана Ну естественно отказные ответы там где мы говорим что
22:33
нет Писать проще всего потому что они пишутся понятным стандартизированным как правило шаблоном
22:40
со ссылкой на релевантную нормативку Да на те положения закона регламентов писем
22:46
чего бы то ни было которые нам позволяют отказать предоставление информации либо если нам
22:52
нужно сбегайте это уже Мы говорим о том как такие системы реализовать на практике Например у нас
22:58
есть какой-то реестр вот этой самой конфиденциальной информации допустим билинг звонков кого-либо или же данные
23:05
по какому-то заемщику нам нужно иметь подключение к вот этой самой базе данных
23:10
Где хранятся вот эти как правило очень высоко конфиденциальные сведения тем чтобы автоматом оттуда скачать и
23:16
получить информацию Когда у нас такой мостик есть между нашим искусственным интеллектом и базой данных искусственный
23:23
интеллект Полагает что на запрос нужно ответить утвердительно бежит в базу данных забирает оттуда сведения и
23:29
вставляет их проект ответа на данный запрос после чего юрист вместо того
23:35
чтобы бежать куда-то вбивать поиск игры так далее может уже достаточно уверенно
23:42
полагаться что сведения правильно положены в наш проект ответа на запросы
23:48
уже с ним просто согласиться и очевидно что это большое количество времени это означает на подготовку ответа на данные
23:54
вопрос На данный запрос опять-таки подчеркну очень важное
23:59
значение пилота с тем чтобы Правильно выбрала выбрать ту область где не утонешь где не очень сложная
24:07
какая-то предметная область где вот как у нас может быть такой
24:13
забавный момент был но пишут разные госорганы и часто встречается по проекту
24:20
был то ли Лесное хозяйство то ли еще кто-то к нам обращался и таких запросов всего в истории нашего заказчика было
24:29
всего там единицы и по ним конечно не надо начинать пилотные проекты до их
24:34
может быть даже вообще оставить за рамками автоматизации то есть да вот этот неизвестный запрос пусть приходит
24:40
человек с ним разбирается начинать нужно очевидно там где вот еще раз вот эта магическое число десятки
24:46
тысяч документов там где они есть вот это самые вкусные области Где лучше всего получается подобные проекты и
24:53
естественно также как в судебный задачке нужно собрать dataset то есть правильно
24:59
разметить все эти входящие запросы отметить те которые были удовлетворены отметить те которые
25:05
по которым были отказы которые условно неправильные и вот это всю задачку по
25:10
разметке тоже нужно сделать kpi очень похожие то есть мы можем сократить Ну опять-таки фантазируем мы
25:17
можем сократить количество времени на обработку входящих запросов мы можем
25:22
сократить количество ошибок которые у нас есть там выраженных в виде штрафов
25:28
каких-то иных негативных последствий и высвободить большое количество ресурсов
25:34
на которые могут направленный юристов на решение каких-то более интеллектуальных более творческих задач подход
25:41
визуализации Один в один как и судом берем одну две категории запросов берем
25:50
размечаем данные строим граб знаний интегрируем в нашей бизнес-процессы доказываем всем что мы большие Молодцы
25:57
расширяем потихонечку эволюционно те виды запросов с которыми Мы работаем
26:03
здесь нужно наверное отметить Ну по крайней по нашему опыту когда мы говорили заказчиком мы Ну естественно
26:09
анализировались эти данные которые были вот есть Очень редкие типы запросов их конечно тоже можно автоматизировать но
26:16
на наш взгляд это просто экономически нецелесообразно потому что затраты на оцифровку знаний разметку этих буквально
26:21
5 документов будут больше чем словно человека одного оставить который вот
26:27
этими запросами иногда несколько раз в год будет заниматься и это вполне нормальная как бы такая ситуация когда
26:34
мы взвешенно оцениваем те затраты которые у нас есть на оцифровку бизнес-процесса с тем неким выхлопом
26:40
результатом который мы получить в итоге когда мы весит путь прошли все наши kpi
26:46
потенциально можем выполнить и таким образом достичь всех наших задач
Кейс № 3 по внедрению ИИ: закупки
26:53
третья область закупки Я думаю что многим вам известны проблема по сути та
26:59
же самая и она Причем есть как на стороне компании заказчики так и для исполнителей заказчик очевидно должен
27:07
сгенерить правильную закупочную документацию а потом входящие все приложения исполнителей проанализировать
27:13
с тем чтобы выбрать наилучшего и Отклонить тех кто не соответствует соответствующим установленным формальным
27:19
требованиям а исполнитель с другой стороны вынуждены анализировать большое количество комплектов закупочные
27:25
документации выбирая из них те которые потенциально могут быть интересны то есть рутины есть с одной и с другой
27:32
стороны искусственный интеллект по аналогии с двумя первыми кейсами может
27:37
сделать ровно то же самое то есть это создание на базе каких-то проверок классификации
27:45
документов мы можем во-первых генерить закупочную документацию Это наверное в первую очередь интересно заказчиком
27:51
Когда например в режиме диалога до чат-бота например или каких-то
27:56
аудиосообщений функциональный заказчик говорит рассказывает о функциональных требованиях которые хочу какие-то столы
28:02
такого-то цвета должны быть поставлены туда-то после чего по определенным правилам по определенной логике уже
28:09
генерируется вся необходимая для проведения процедуры закупки документации и это может либо на стороне
28:17
заказчика либо на стороне исполнителя когда есть вот интересные допустим выбранные кем-то процедура закупки и когда нужно
28:25
соответствовать требованиями заказчика подготовить соответствующий комплект документов это тоже можно успешно
28:30
автоматизировать с тем чтобы проект контракта какие-то анкета участников все
28:36
приложенные документы сразу вот это всякие по комплекта типа документов автоматических генерировалось Ну и для
28:42
заказчиков Конечно очень интересно будет тем что входящие вот эти огромные
28:47
коробки с документами или там электронной форме все что приходит оно может достаточно быстро анализироваться
28:53
какие-то те комплекты которые явно не соответствуют требованиям заказчика когда допустим не хватает каких-то
28:59
сертифицированных дипломированных специалистов когда не хватает каких-то документов когда они
29:05
соответствуют какие-то показатели То есть это все очень хорошо ложится в Сферу задач искусственного интеллекта в
29:13
полной мере релевантно то что было для первых двух кейсов по поводу выбора правильного пилота и разметки дата Сета
29:20
здесь нужно отметить что важным моментом будет являться организация
29:26
взаимодействия все-таки с функциональным заказчиком вот функциональным заказчиком Я здесь имею в виду того кто знает либо
29:32
условно Что нужно купить либо того кто знает как мы хотим в этой процедуру закупки участвовать понятно что у нас
29:39
искусственный интеллект общается с нами только в цифровом виде поэтому Нам нужен условно некий чат-бот в рамках
29:46
взаимодействия с которым мы сможем объяснить что мы хотим купить какими это должно обладать свойствами
29:51
характеристиками в плане товаров работ услуг или же как исполнитель хотим хотели бы объяснить на
29:59
какие условия мы согласны что мы хотим представить Какая должна быть заявка но все это повторюсь это Вполне может быть
30:05
реализовано уже сегодня при условии что мы естественно выбираем правильный себе
30:12
подходящие задачки там действительно много рутины и там где вот это повторяемость и воспроизводимость
30:17
процессов очень высокая что мы можем получить да то есть опять-таки фантазируем немножечко на тему kpi
30:23
очевидно что повышение эффективности закупок То есть раньше у нас условные 30
30:29
дней или больше уходил для того чтобы проанализировать всех наших поставщиков
30:34
потенциальных участников процедуры закупки которые к нам пришли составлять протоколы оценки первые вторые части то
30:41
сейчас этот процесс во времени очень сужается и мы получаем что вся процедура закупки происходит гораздо быстрее
30:48
исполнитель во-первых может работать с более релевантными какими-то закупками
30:53
Но во-вторых он также может и гораздо большим количество релевантных закупок
30:59
участвовать Естественно что все это потенциально ну вполне очевидным и понятным выгодам может приводить в
31:06
частности более эффективного использования ресурсов дополнительных заработанных денег для исполнителя или
31:12
же там меньших потерь на стране заказчика масштабирование принцип те же
31:18
самые для начала берем задачку какую-то одну более простую например по генерации
31:24
протокола с по итогам подведения процедуры
31:30
определения победителя автоматизируем данную работу обучаем наши системы Данный вид документа уверенно
31:37
автоматически проект подчеркнул проект составлять после чего органически
31:43
переходим в другие типы документов вплоть до проекта договора других
31:48
протоколов в рамках процедуры закупки или на стороне исполнителя каких-либо заявок После чего мы можем органически
31:54
прийти к тому что мы все наши kpi в этой задачки здесь выполнили
Главные проблемы при внедрении ИИ
32:01
проблема номер один Когда мы занимаемся внедрением технологий искусственного интеллекта хотелось бы чтобы взяли все
32:09
те документы которые у нас накоплены их куда-то загрузили в компьютер и он сам во всем разобрался такого к сожалению не
32:15
бывает системы искусственного интеллекта если мы хотим чтобы были объяснимыми понятными логичными вот все эти знания
32:23
которые у нас есть на схемке представлены условная традиционные структура хранения данных в организации
32:28
Когда у нас есть условно данные поставщиках данные о сотрудниках данная
32:34
договоров 1С еще что-то Еще что-то это вот отдельная фрагментировано друг от
32:39
друга для того чтобы искусственный интеллект мог размышлять чтобы он мог ходить по вот этим всем релевантным
32:44
знаниям и документом нужно все это в некие Граф знаний сформировать то есть вот эту мечту о том
32:52
что мы взяли все что у нас есть каким-то образом может быть разметили и искусственный интеллект во всем сам этом
32:58
разобрался такого К сожалению нет уже многие пытались многие загружали большое количество юридических документов Но вот
33:05
все-таки как-то что-то не выходит Каменный Цветок и продолжает по-прежнему загружать пытается надеяться что решится
33:12
эта Задачка но скорее всего нет вот этот цветок играли у нас не получится поэтому нужна достаточно
33:18
кропотливая работа по формализации цифровизации знаний и здесь подчеркну
33:23
что без юристов эту задачку решить невозможно нужно объяснить что такое для
33:28
нас для организации условно исковое заявление что для нас запрос госоргана что для нас та или иная процедура
33:36
закупка На основании каких документов реальным Мы принимаем решение что для нас важно что для нас не важно Это все
33:42
знает только юристы и без цифровизации вот этих знаний сделать так чтобы система была объяснима это
33:49
поэтому парадоксально но факт при внедрении технологии искусственного интеллекта а также при их последующем
33:56
переобучении и развитии возникает дополнительный спрос на юристов которые
34:01
очень высоко понимают свою на высоком уровне понимает и знает свою предметную область и могут условным программистом
34:07
рассказать как движутся формируются те или иные процессы как они связаны между собой
34:13
вторая Задачка вторая проблема на практике это разметка данных Ну вот у вас перед глазами пример условный по
34:21
исковому заявлению Когда у нас есть на входе традиционный наш с вами любимые скан-копия PDF документа Но для машины
34:28
это не очень такая понятная субстанция Как с ней работать то есть это нужно перенести что-то более формализованное
34:34
размеченное где мы говорим отмечены человеком должник квалификации Что такое фрагмент
34:42
текста относятся к каким-то смысловым блоком И когда у нас это есть тогда уже
34:47
есть на чем обучаете искусственный интеллект даже есть правильные данные для обучения для разметки вот как в том
34:53
примере с волками и собаками большой Соблазн сразу хочу предостеречь дать эту
34:58
задачку условным младшим юристом помощниками юриста кому-то не очень высокой квалификации
35:04
Мы пытались безусловно такие задачки решать проблемы заключается в чем что
35:09
качество данных в разметке это по сути качество систем в итоге обученных и
35:17
функционирующих в итоге парадоксальная вещь когда ты вроде бы хочешь автоматизировать вроде бы хочешь
35:23
получить себе качественную хорошую систему но размечаешь документы при
35:28
помощи не очень высококвалифицированных сотрудников у тебя система ровно такого же уровня качества и получается поэтому
35:34
разметкой должны заниматься те люди опять-таки юристы Судя по всему которые понимают предметную область Я не знаю
35:42
почему но магическое количество это 10 тысяч то есть до 10 тысяч там начиная от
35:49
одной двух тысяч документов когда ты разметил начинает появляется некий условно назовем это зачатки разума когда
35:55
точность работы систем становится больше чем просто подбросить монетку То есть она выходит на 70 60 80 процентов
36:04
вот как правило то что нам ставят заказчики там 90 95 процентов это десятки тысяч документов правильным
36:11
образом размеченных тогда когда есть такие датасеты тогда уже эта вся технология работает и вот и это
36:19
пресловутая я уж не знаю почему но число 10 тысяч оно как раз вот эти ограничения и накладывает в том числе на правильный
36:25
выбор пилота где эти документы наиболее простые где до них проще всего дотянуться и где
36:32
мы можем с наименьшими затратами их разметить вот
36:38
Один из таких примеров у нас в боевых наша реальная система один из модулей которая отличает документ подписанный от
36:45
не подписанного в том числе есть печать или нет полезная разметка очевидно что во многих задачах нужно узнать на почту
36:53
пришло просто проект документы или подписанный документ пожалуйста вот так выглядит вживую разметка при помощи
36:59
сделанная уже без участия человека когда мы обучили на большом количестве
37:04
документов она уже выделяет блок документа говорит вот я уже с уверенностью там столько-то процентов
37:10
говорю что здесь есть подпись и поэтому скорее всего Вот это требование выполняется
37:15
некая подсказка по поводу Где искать вот эти все датасеты для разметки очень
37:20
часто как В архивах лежат все сведения которые нам нужны Это пример у вас перед
37:25
глазами из банковской сферы из банковской деятельности Когда у нас есть кредитные дела заемщиков в том числе
37:32
которым мы например отказали но это очень важно и очень ценные документы потому что по-хорошему должно быть
37:38
решение допустим кредитного какого-то комитета или комплаенс офицера который отработал заявку написал никогда
37:46
допустим заключение по ней там указал то-то не соответствует здесь неправильно и так далее И вот эти сведения вот эти
37:52
данные это прям новая Нефть это золото в том плане что это как раз то на чем
37:58
можно обучать искусственный интеллект по сути часто В архивах лежат уже
38:03
немножечко размеченные данные с ними уже можно играться с ними уже можно что-то тестировать пробовать и это способ на
38:10
практике сократить затраты существенно на внедрение технологий искусственного интеллекта третья проблема она на самом
38:17
деле не технологическая абсолютно Но она очень релевантная и связана с тем что
38:23
естественно инновации внедрения каких-то новых технологий в той или иной
38:29
организации это процесс непростой то есть есть политические факторы есть
38:34
репортационные риски есть всегда желание оставить как есть все хорошо работает как бы все нормально не влезай убьет это
38:42
безусловно все так не мне вам рассказывать про инертность про очень сложное внедрение изменений на практике
38:48
Но что как бы здесь в плане контраргумента можно сказать
38:54
текущий уровень развития технологий при наличии правильного подрядчика правильного контрагента позволяет очень
39:01
недорого очень недорого про пилотировать протестировать какие-то проекты решения
39:06
то есть Это месяцы работы на которых можно для себя убедиться Вот есть такой
39:11
бизнес-процесс есть такие они выполняются или нет Поэтому если мы сделали правильный Пилот за недорого то
39:18
можно очень понятным органичным образом экстраполировать его результаты на все
39:23
остальные процесс И тем самым Вот эту ригидность вот этого инерционность инертность как-то вот попытаться
39:30
преодолевать чтобы вот смотрите нас Пилот доказанный хороший сделали смогли
39:35
Давайте попробуем чтобы ну сделать более масштабный проект естественно это все
39:40
очень непросто есть соответствующий административные политические факторы это все безусловно так но здесь
39:47
подчеркнул важность хорошего правильного пилота небольшого проекта с тем чтобы доказать целесообразность и важность
39:53
такого проекта еще один из аргументов да то есть мы сегодня с вами не говорили о том что
40:00
такое нейронные сети различные генеративные модели какие-то вещи из
40:07
математики и все что нужно понимать нам с вами тем кто занимается внедрением таких решений что это всего лишь
40:13
инструмент Это всего лишь технология которые позволяют решать те или иные задачки которые нам с вами важны Да он
40:21
сложный Да он новый Да он инновационный но все равно Это определенный набор технологии алгоритм в которые по
40:28
определенным принципам работать вот делюсь опытом это вот как раз
40:34
Ключевое условно слайд с презентацией по нашей системе обработки запросов госорганов вот эта система полностью
40:41
работает при наличии вот всех вот этих модулей То есть у нас есть оптическое распознавание текста символы У нас есть
40:48
графы формализованные представления предметной области у нас есть модули семантического анализа которые
40:53
вытаскиваются мысли из текста и у нас есть обученные нейросети которые какие-то задачки решает когда у нас вот
40:59
это все есть пожалуйста система работает это вот из одного из наших боевых живых
41:05
проектов такая система есть и у вас тоже Вполне может заработать коллеги А теперь я попробую ответить на те вопросы
41:12
которые прислали пользователи платформы Яндекс
Ответы на вопросы пользователей Кью
41:20
Спасибо большое за вопрос действительно как мы с вами разбирали в первом примере
41:27
про судебный претензионную деятельность вполне можно использовать технологии искусственного интеллекта для работы в
41:33
сфере медиации для того чтобы разрешать споры создавать какие-то может быть
41:39
решения медиаторов разрешать споры по существу То есть в принципе технология
41:45
позволяет проанализировать позицию одной и второй стороны и может быть предложить
41:50
какую-то компромиссную точку зрения либо же оценить нарушение требований
41:56
законодательства договора какого-либо документа с одной или с другой стороны то есть технологии уже это позволяет
42:03
делать единственное конечно вопрос Это востребованности с точки зрения бизнеса
42:09
да то есть где у нас могут быть данные в достаточном количестве для обучения То
42:15
есть если бы Например ко мне пришли за советом спросить а как бы нам автоматизировать при помощи
42:21
искусственного интеллекта медиацию Я бы конечно задался вопросом а где есть те
42:26
примеры десятки тысяч решений медиаторов каких-то вне судебных историй по спорам это
42:34
конечно непростой вопрос Но если есть данные для обучения то конечно да Вполне технологии искусственного интеллекта
42:40
могут применяться для автоматизации сфере медиации разрешения третейских споров и других подробных задачах
42:53
Хороший вопрос очень часто спрашивают действительно кто же первым пойдет на
42:59
выход сразу могу сказать что мы не рассматриваем внедрение технологии искусственного интеллекта как что-то что
43:06
будет сильно лишает работы юристов как я уже говорил Когда возникает вопрос внедрения
43:13
технологий искусственного интеллекта как бы это не было парадоксально только возрастает спрос на юристов высокой
43:19
квалификации те кто могут объяснить что-то искусственным интеллекту обучить его и в процессе переобучения проверить
43:26
что он не стал работать хуже На мой взгляд когда мы говорим про автоматизацию юридической деятельности
43:32
нужно говорить о том что в первую очередь высвобождаются условно ресурсы не
43:39
юристов от того кто занимается проверкой документов формальных каких-то
43:45
требований то есть условно это приемка документов на мой взгляд здесь нету постулата о том что юристов нужно будет
43:53
но уволить и Завтра они будут не нужны речь идет о том что мы сможем высвободить юристов от проверки каких-то
44:01
рутинных вещей и позволить им заниматься более творческими более сложными вещами
44:13
Да спасибо Действительно это такой известный кейс публичный был насколько я
44:19
помню Battle был между вот этим роботом Мегафона и живым юристом Это очень
44:27
хороший пример как раз объективно компания Мегафон Да это Лидер они взяли
44:33
на себя некую такую ответственность и начали внедрять эти технологии насколько я знаю в сообществе по крайней мере
44:40
общаемся обмениваемся сведениями они действительно успешно во многом свою внутреннюю деятельность автоматизировали
44:45
как раз которая касается именно вот этой судебной претензионной работы в части подготовки типовых шаблонных документов
44:53
у них много чего получилось Я думаю что это очень хороший и релевантный пример того как компания может на базе своих
45:00
документов успешно внедрить технологии искусственного интеллекта и
45:05
автоматизировать наши с вами творческие сложные юридический процесс и мне в принципе очень как это радо и позитивно
45:13
от того что такие инновации такие технологии популяризируются и в том числе в
45:18
сообществе юристов это безусловный плюс Я считаю
45:27
Хороший вопрос про деньги сразу нужно оговориться что здесь нет какого-то
45:34
универсального ответа что условно искусственный интеллект стоит столько-то рублей в месяц я бы разделил на
45:42
отдельные фрагменты этот ответ первые связаны с тем что искусственный интеллект нужно традиционно дообучать
45:49
его дополнительными экспертами знаниями наполнять эта работа как правило
45:55
занимает Ей занимается методологией в первую очередь на стороне заказчика Когда уже система внедрена и необходимо
46:03
ее развивать поддерживать расширять то есть Это история про ее развитие потому
46:09
что в принципе как бы если например мы остановились на каком-то этапе развития системы и дальше не хотим ее развивать в
46:15
принципе нет большой необходимости к тому чтобы его как-то поддерживать в плане функционального развития расширения это
46:22
вот первый момент То есть это первая часть затрат условно дополнительных это на экспертизу людей которые знают как он
46:30
работает искусственный интеллект как его развивать дальше как его интегрировать с другими системами вторая часть затрат
46:36
это условно машинное время компьютеры подобного рода какие-то модели если
46:44
почитать новости какие-нибудь большие нейросетевые алгоритмы в Китае особенно
46:50
которые сейчас последнее время делают которые стоит миллионы долларов и месяцами тренируются честно могу сказать
46:58
такие большие вещи не нужны то есть реальные работающие боевые системы их
47:04
себестоимость обработки допустим запросов госорганов на боевых системах
47:09
это вполне уместный и понятные деньги то есть
47:14
средняя температура по больнице что-то что начинается от десятков Может быть
47:20
там в каких-то тяжелых случаях сотнях тысячах рублей в месяц Просто чтобы вот эти железки были крутились и
47:27
присутствовали либо можно купить необходимые какие-то мощности себе в компанию и там они ну стоить будут
47:36
два-три года данного какого-то компьютера купить себе поставить на
47:41
баланс амортизировать его в принципе последующих затрат уже никаких не будет то есть здесь есть опять-таки потому что
47:48
в новостях часто говорят дорогостоящих очень сложных каких-то непонятных мегасистемах в боевых в продакшн
47:57
решениях они как правило не нужны все решается наличием правильной экспертизы
48:04
правильные картинки мира и они подобного рода системы у наших заказчиков
48:10
функционирует за с точки зрения вот этой программной железной части очень небольшие деньги сравнительно коллеги
48:18
Спасибо большое за вопросом Я думаю что мне удалось на них ответить Я надеюсь что вам было также Интересно смотреть
48:24
это видео что было интересно знакомиться с технологиями искусственного интеллекта
48:30
поделюсь своими контактами они у вас есть на экране пишите задавайте вопросы буду рад ответить буду рад поговорить о
48:38
том как можно внедрять технологии искусственного интеллекта Какие может быть у вас есть идеи задачки с удовольствием подискутирую с
48:44
удовольствием я или мои коллеги ответим на все ваши вопросы на этом все спасибо
48:49
большое за внимание До свидания