Найбільшим рушієм цього розвитку сьогодні є приватний сектор, який бачить у ШІ можливість підвищити свою конкурентоспроможність. Компанії по всьому світу інвестують у штучний інтелект, намагаючись впорядкувати внутрішні процеси, краще зрозуміти свої дані та вдосконалити процес прийняття рішень. Деякі з них модернізують існуючі ІТ-системи та замінюють їх новими, які вже включають технологію штучного інтелекту. Інші роблять ставку на власні інноваційні можливості та розробляють такі системи самостійно.

У цій статті ви дізнаєтеся, що група MND не є винятком. У своїй роботі ми працюємо з величезними обсягами даних та інформації. Будь то інформація з ринків, про наших клієнтів, інформація про технології, що використовуються, геологічні, економічні, бухгалтерські та бізнес-дані або навіть прогнози погоди. Ми обробляємо всю цю інформацію щодня, щоб приймати правильні рішення. А оскільки технології штучного інтелекту чудово справляються з обробкою та аналізом великих даних, ми бачимо одну з найбільших можливостей для технологічних інновацій саме в цій сфері. Зазвичай це завдання, де нам потрібно передбачити майбутній розвиток подій на основі наявних даних або шукати раніше приховані взаємозв'язки, наприклад, прогнозування ринкових цін або планування технічного обслуговування. Дивовижні результати також досягаються за допомогою технологій, здатних розуміти людську мову та зображення. Це може включати такі завдання, як автоматизована обробка документів або навіть оцінка майбутньої поведінки клієнтів на основі їхніх вербальних висловлювань. Однак впровадити такі технології у повсякденне використання непросто. Це дуже складні системи, які потребують знань з різних дисциплін і багато часу на розробку та тестування. Отримані в результаті рішення більше схожі на прототипи, пристосовані до конкретного застосування.

Другою важливою сферою застосування штучного інтелекту є так званий генеративний ШІ. Як випливає з назви, це технологія, яка здатна генерувати певний контент на основі заданих вхідних даних, зазвичай вербальних. Це може бути текст, документ, зображення, звук, відео або навіть програмний код комп'ютерної програми. Сьогодні ці технології можуть суттєво допомогти скрізь, де створюється такий контент. Завдяки їм програмісти можуть заощадити величезну кількість непродуктивного часу і зосередитися тільки на дійсно специфічних завданнях. Всім іншим вони можуть допомогти у створенні текстів, презентацій, протоколів зустрічей і відеоконференцій або розборі довгих і складних документів і контрактів. Ці інструменти вже широко доступні для ділового та особистого використання. Найчастіше в цьому контексті згадуються такі сервіси, як ChatGPT та Copilot. Завдяки кращій інтеграції з програмним забезпеченням Microsoft, яке ми використовуємо на наших корпоративних комп'ютерах, а також завдяки ще кращому захисту інформації компанії, ми в MND зосереджуємося на Copilot. Хоча для його розширеного використання потрібна платна ліцензія, деякі функції доступні всім співробітникам MND. Наприкінці цієї статті ви знайдете посібник про те, як почати використовувати генеративний ШІ для себе вже сьогодні.

Ви також дізнаєтеся, які конкретні інновації у сфері ШІ розробляються командами нашої групи і як нові технології вже допомагають нам у повсякденній діяльності. Мета групового ІТ - з'єднати ці команди між собою, щоб ми могли повною мірою скористатися груповою синергією, обмінюватися досвідом і не зациклюватися на проблемах, які вже вирішив хтось інший. Ми також прагнемо поширювати інформацію про нові інструменти та можливості, які вони відкривають. Ми заохочуємо працівників використовувати їх, бо віримо, що вони полегшать їхню роботу.

ШІ для MND - ми допомагаємо з впровадженням штучного інтелекту

"У квітні цього року ми запустили загальногрупову програму під назвою "AI for MND". Її мета - прискорити впровадження та інтеграцію нових ІТ-технологій, зокрема штучного інтелекту, в нашу повсякденну роботу. Ми зібрали команду співробітників з усієї Групи, з якими ділимося новинами, інформацією, цікавими вебінарами та семінарами. Перш за все, ми шукаємо практичні способи використання штучного інтелекту в групі. Наша мета - створити та розвивати спільноту ентузіастів інновацій, які будуть взаємодіяти один з одним, ділитися своїм досвідом та допомагати іншим співробітникам освоювати нові ІТ-інструменти.

Наразі ми зосереджені на використанні двох генеративних інструментів ШІ - Microsoft Copilot та ChatGPT від OpenAI. Ми зустрічаємося з керівництвом, робочими групами, але насправді з усіма, хто виявляє інтерес до ШІ, і разом шукаємо, де ШІ може допомогти їм у роботі. Наразі ми хочемо зосередитися на таких сферах

• переклад текстів з чеської на іноземні мови і навпаки;
• створення та управління документами - автоматизація створення документів, презентацій, звітів та іншої документації компанії відповідно до заданих шаблонів;
• внутрішня база знань - MND Assistant - пошук відповідей з документів та даних компанії (база даних видобутку, директиви, інструкції тощо)
• Прогнозування ремонтів свердловин (POS/GOS) на основі оперативних даних
• Порівняння та відбір кандидатів на роботувід пошуку та відбору кандидатів до підготовки контракту;

• аналіз великих і складних документів (законодавство, контракти і т.д.), автоматичне створення резюме, пошук і т.д;

Томаш Кочарек

Спеціаліст з оцифрування та автоматизації процесів, MND, a. s., Енергетичний підрозділ

MND Energie - AI спрощує спілкування з клієнтами

Якісне обслуговування клієнтів передбачає, серед іншого, високі вимоги до якості комунікації з ними. Щодня необхідно обробляти велику кількість інформації та повідомлень від клієнтів і відповідати на них. Будь-яка оптимізація цих процесів може прискорити їх, підвищити ефективність і рівень задоволеності клієнтів. Саме тому колеги з MND Energie приділяють багато уваги цій сфері.

"Оперативна обробка електронних листів клієнтів залежить від ефективного розподілу запиту до потрібної категорії, а отже, до відповідального спеціаліста. Через велику кількість категорій та обсяг вхідних електронних листів існує ризик помилок та непослідовного підходу. Крім того, це трудомісткий процес, і затримки негативно впливають на задоволеність клієнтів. З цих причин ми вирішили автоматизувати процес.

Ми використали робототехніку для "кліків" у додатку, а рішення про розміщення потрібної категорії було довірено штучному інтелекту. Ці дві технології працювали разом протягом шести місяців, щоб класифікувати вхідну пошту двічі на день. Проект був реалізований у співпраці із зовнішнім партнером, але тепер ми плануємо розвивати технології, що використовуються всередині компанії, щоб забезпечити необхідну гнучкість. Наразі ми проводимо перше внутрішнє перенавчання моделі ШІ, під час якого оцінюємо досягнуті результати та визначаємо можливості для розширення.

Модель, коли роботизовані руки замінюють людську працю, а ШІ бере на себе прийняття простих рішень, добре себе зарекомендувала. Ми впевнені, що такий підхід дозволить нам автоматизувати подальші процеси".

Мартін Хоушка

Архітектор рішень, MND Energie, a. s.

У MND Energie штучний інтелект також допомагає у використанні корпоративних даних. Певною мірою це позбавляє від необхідності складно створювати нові звіти для кожного завдання. Тепер завдання можна ставити природною мовою, а система підбирає необхідні дані і обробляє їх так, щоб користувач отримав очікувану відповідь.

"У MND Energy ми розгорнули штучний інтелект (ШІ), щоб оптимізувати обробку запитів на бізнес-дані в нашому сховищі даних. ШІ підключений до Service Desk, яким користуються наші бізнес-користувачі. В результаті більше не потрібно створювати детальні звіти для кожного запиту - часто достатньо простого запиту до бази даних. ШІ може перетворити запит, сформульований звичайною мовою, на комп'ютерний код, запустити його в базі даних, а потім повернути користувачеві відповідь природною мовою, а також вивести дані у вигляді таблиці, з якою можна далі маніпулювати.

Щоб мінімізувати помилки, які можуть виникнути під час генерації відповідей ШІ, ми запровадили механізм перевірки. Кожен запит спочатку перевіряється нашою командою, щоб переконатися в точності даних. За необхідності ми коригуємо результат перед тим, як відправити його користувачеві. Цей крок не тільки забезпечує якість відповідей, але й допомагає ШІ вчитися та вдосконалювати свої навички для майбутніх запитів.

Наша головна мета - прискорити та спростити процес отримання відповідей зі сховища даних. Використовуючи штучний інтелект, ми можемо скоротити час між запитом і отриманням відповіді, що підвищує ефективність і забезпечує більшу цінність для наших бізнес-користувачів".

Міхал Вейборний

Керівник відділу управління даними, MND Energie, a. s.

Торговий відділ - за допомогою ШІ ми оцінюємо розвиток ринкових цін

Динаміка фінансових ринків вимагає швидких і точних рішень. Конкурентну перевагу отримує той, хто може краще передбачити майбутній рух цін. Тому Торговий відділ покладається на найсучасніші технології та інноваційні підходи. Одним із ключових стовпів їхньої стратегії є використання штучного інтелекту (ШІ) для аналізу ринкових даних і створення складних торгових моделей.

"У нашому відділі досліджень і розробок - Алгоритмічна торгівля - ми спеціалізуємося на створенні та впровадженні автоматизованих торгових стратегій для товарних ринків. При створенні цих моделей ми покладаємося на аналіз ринкових даних (часових рядів), щоб точно оцінити напрямок майбутнього руху цін і, виходячи з цього, використовувати комп'ютерні алгоритми для здійснення угод на ринку на основі заздалегідь визначених параметрів, таких як ціна, обсяг і терміни.

Аналізуючи великі обсяги даних і знаходячи залежності між змінними, ми використовуємо штучний інтелект (ШІ) і моделі машинного навчання, щоб значно оптимізувати наші процеси. Моделі штучного інтелекту відіграють ключову роль в аналізі часових рядів у завданнях класифікації, які класифікують вхідні дані за заздалегідь визначеними категоріями, щоб точно оцінити напрямок руху цін. Крім того, ми використовуємо найсучасніші моделі на основі нейронних мереж для прогнозування поведінки ринку, що допомагає нам краще виявляти складні закономірності та нелінійні залежності в даних. Такий підхід дозволяє нам не тільки досягти більшої точності в наших прогнозах, але й швидше реагувати на динаміку ринку.

Ми також використовуємо інструменти штучного інтелекту при програмуванні наших торгових моделей на мові Python. Новітні генеративні моделі допомагають нам ефективно створювати торгові алгоритми та програмний код і вносити в них зміни, що призводить до підвищення якості, ефективності та стійкості наших програмних рішень. І останнє, але не менш важливе: ШІ допомагає нам розгортати окремі моделі у виробництво в контейнерні додатки в Kubernetes (хмарна платформа), які, простими словами, є "пакетами коду" з усім необхідним для запуску моделей - налаштуванням серверів, бібліотек, конвеєрів, сховищ даних тощо. Такий підхід дає нам гнучкість і масштабованість, необхідну для їх запуску.

Наразі ми маємо повністю автоматизовані торгові моделі:

• Carbon/Petro модель - для торгівлі квотами на викиди та нафтовими фінансовими деривативами на основі технічного аналізу. ШІ використовується переважно для сіткового пошуку гіперпараметрів технічної стратегії - систематичний перебір визначеного діапазону параметрів і тестування їхнього впливу на результат
• моделі DAID у Франції, Чехії та Німеччині - модель, яка відкриває позицію на щоденному ринку і закриває її за кілька хвилин до початку поставки контракту. Поєднання моделей на основі класифікації та NN (нейронних мереж) для прогнозування динаміки цін на внутрішньодобовому ринку
• Модель Merit - прогнозування цін на добовому аукціоні в Німеччині. ШІ також використовується для сіткового пошуку гіперпараметрів моделі
• Моделі для управління відхиленнями портфеля кінцевого споживача та оптимізації PV (фотоелектричні) та G2P (gas-to-power unit - технологія, що виробляє електроенергію з газу) - NN моделі для прогнозування регулювання енергії"

Ян Стари

Керівник відділу досліджень і розробок у сфері трейдингу, MND, a. s., Торговий підрозділ

Управління ризиками - ШІ як помічник в управлінні ризиками

Відділ управління ризиками в групі MND a.s. займається ідентифікацією, розрахунком, моделюванням та пом'якшенням ризиків, особливо для торговельної (трейдинг) та роздрібної (продаж кінцевим споживачам) частини компанії. Їх діяльність в основному зосереджена на ринкових, кредитних та операційних ризиках, оцінці ймовірності та сценаріїв їх реалізації, а також пропонуванні заходів та інструментів для їх зменшення та подальшого контролю.

"Ризики є всюдисущими. Недарма кажуть, гіперболізуючи, що люди, які ризикують, не є хорошими гравцями, оскільки вони прораховують ймовірності програшу замість того, щоб нарешті кинути кості. Використання методів та інструментів ШІ в нашому відділі досить інтенсивне, враховуючи їхні переваги та потенційні (а як же інакше) ризики. Ми також використовуємо методи класифікації (класифікації) та ML (методи машинного навчання), особливо ті, що доступні в пакетах мов програмування R та Python, для моделювання ймовірностей різних сценаріїв та комбінацій сценаріїв. Ми також використовуємо подібні методи як альтернативні для розрахунку кредитних ризиків, контролю розрахунків ринкових ризиків і в деяких симуляціях для оцінки вартості різних форвардних продуктів або деривативів.

Ми використовуємо інструменти генеративного ШІ переважно для перегляду коду (перевірки якості коду), налагодження (усунення помилок), очищення та спрощення коду, а також для деяких рутинних завдань з програмування та написання сценаріїв, але також у контексті доповнення існуючих моделей або еталонів, за якими ми також оцінюємо їхню ефективність. У випадку з новими методами або процедурами вимірювання або ціноутворення ризику, стало стандартною практикою проводити хоча б коротке обговорення з ChatGPT. У деяких інших випадках ми використовуємо його для перегляду різних типів договорів, наприклад, з нашими комерційними контрагентами або постачальниками послуг, які ми вважаємо важливими, особливо якщо текст є нечітким (а послуги юристів - дорогими). Меншою мірою ми використовуємо MS Copilot для пошуку фінансової звітності та іншої інформації про контрагентів, яку можна завантажити. Ми також час від часу перевіряємо результати за допомогою Google Gemini та Claude.ai в рамках аудиту.

Немає сумнівів у загальній корисності всіх інструментів, однак "довіряй, але перевіряй" - це не просто загальне і ризиковане правило, а правило, яке підходить як "пиво з зубним каменем" для їх частого використання, навіть з урахуванням того, що будь-яке пасивне знання завжди на крок відстає від активного."
Мартін Яніцко

Керівник відділу управління ризиками, MND a.s., Торговий підрозділ

Спробуйте Copilot

Давайте разом спробуємо інструмент штучного інтелекту Microsoft Copilot, який доступний на всіх комп'ютерах компанії. Робота з генеративним ШІ має свою специфіку, яку потрібно зрозуміти і навчитися використовувати. При роботі зі штучним інтелектом запити вводяться за допомогою тексту, який називається підказкою. Якщо у випадку пошуку в Google ми вводимо ключові слова, то в Copilot (та інших подібних сервісах) ми вводимо безперервний текст. Наприклад, ми можемо сформулювати питання: "Чим відрізняється Skoda Kodiaq від BMW X3?" Copilot знайде необхідну інформацію за такою підказкою і сформулює її у зв'язну відповідь. Потім ви можете відреагувати на згенеровану відповідь, наприклад, "Чим Skoda Octavia відрізняється від них?". Ви також можете уточнити завдання, наприклад: "Мене цікавить BMW X3 2015 року випуску. На що мені слід звернути увагу?" Підказки в ШІ насправді дуже схожі на звичайну розмову. Вони схожі також тим, що чим більше деталей ви вказуєте у своєму запиті, тим точнішу відповідь ви отримуєте.

Однак будьте обережні, інструменти штучного інтелекту базуються на постійному навчанні на величезних обсягах даних за допомогою машинного навчання, а також на чатах від самих користувачів. Microsoft гарантує безпеку даних і виключення з навчання мовних моделей за допомогою інструменту Copilot, якщо ви ввійдете в систему за допомогою корпоративного облікового запису, але будьте обережні.

Давайте почнемо! Відкрийте браузер і введіть copilot.microsoft.com. Увійдіть у свій робочий обліковий запис за допомогою кнопки вгорі праворуч. Введіть ту саму інформацію, що й для свого комп'ютера (за замовчуванням "ім'я користувача" та пароль). Переконайтеся, що ви бачите зелений значок щита у верхньому правому куті після входу. Якщо так, то чат захищено, і ви можете поставити ШІ запитання, наприклад

• "Поясніть мені [конкретну тему або поняття] просто, але детально, підкреслюючи ключові деталі та логічні зв'язки".
• "Будь ласка, створіть стислий і чіткий конспект наступної статті з усіма важливими деталями [стаття додається]".
• "Ви є досвідченим науковим наставником і консультантом, що спеціалізується на дослідженнях у [галузь дослідження]. Ваше завдання - проконсультувати мене щодо проекту/завдання на [тема проекту/завдання]".
• "Перекладіть для мене цю статтю/документ англійською мовою. Зберігайте контекст і зміст тексту".

Як бачите, це зовсім не складно. Отримуйте задоволення від роботи з Copilot і не бійтеся пробувати нові підказки. Якщо у вас виникнуть будь-які питання, не соромтеся звертатися до нашої служби підтримки з вашими ідеями та потребами, або напишіть мені, і я буду радий попрацювати з вами, щоб знайти рішення.

Кілька слів на завершення

Штучний інтелект став невід'ємною частиною сучасного бізнесу, і його значення постійно зростає. У MND ми повністю усвідомлюємо потенціал, який пропонує штучний інтелект, і активно працюємо над його використанням у різних сферах нашого бізнесу. Від аналізу великих обсягів даних, прогнозування майбутнього розвитку подій до автоматизації рутинних завдань - ШІ допомагає нам стати більш ефективними та конкурентоспроможними. Наші команди постійно навчаються та обмінюються досвідом, щоб максимально ефективно використовувати синергію в межах усієї Групи. Ми віримо, що з подальшим розвитком технологій штучного інтелекту ми зможемо пропонувати ще більше інноваційних рішень і досягати кращих результатів. Ми з нетерпінням чекаємо на майбутнє, яке принесе ШІ.

(Цей висновок був автоматично згенерований Microsoft Copilot за допомогою підказки "Запропонуйте мені висновок для цієї статті". І ми з ним згодні 😊)