Как искусственный интеллект выбирает места для заправок
Где построить автозаправку, до сих пор определяли сотрудники — выезжали на место, вручную собирали информацию о транспортных потоках и локациях. На основании этих данных делали прогнозы, но построенные АЗС не всегда приносили тот доход, который прогнозировался, присутствовали и ошибки. На помощь пришел искусственный интеллект: в 2020 году в компании «Газпром нефть» создали программно-аналитическую CEO-платформу, которая в несколько раз повысила точность прогнозирования.
Как создавали программу
СЕО-платформа — умный картографический сервис, который думает и анализирует по той же модели, что и человек, только в тысячи раз быстрее. Для прогноза эффективности одной АЗС платформа учитывает более 60 факторов, влияющих на продажи, и рассчитывает до 100 тысяч возможных маршрутов заездов клиентов.
Разработчики заложили в платформу миллионы данных — от информации об инфраструктуре и населении до планов развития городов и дорог на ближайшие три года. Построили математическую модель передвижения автомобилей на основе моделей поведения населения.
В регионах развития сети замерили транспортные потоки: двухполосные дороги измеряли с помощью видеокамер, магистрали — с помощью мобильных радаров, а крупные транспортные развязки снимали дроны.
Однако мало просто заложить данные в платформу и научить ее доставать нужные показатели по определенным правилам. Такие программы уже давно существуют. Отличие сервиса, наделенного искусственным интеллектом, в том, что он, как школьник, учится на предложенных упражнениях и становится умнее с каждым решенным уравнением.
Испытания
Разработчики обучили модель на данных, полученных с 700 станций сети «Газпромнефть». После этого искусственный интеллект получил задание на основании полученных «знаний» рассчитать эффективность других 400 АЗС, о которых у него нет детальной информации.
Искусственный интеллект практически не ошибся. Он сделал прогноз с отклонением от фактических данных в пределах 6–7% при заложенной в проект допустимой погрешности 10%. Если суммировать отклонения с учетом плюсов (когда АЗС перевыполнили план продаж) и минусов (невыполнение прогнозного плана), среднее отклонение по всем АЗС составило менее 1%.
С 2021 года СЕО-платформа уже используется при проектировании новых АЗС сети «Газпромнефть»: сотрудники розничного бизнеса прошли обучение работе с «умной» программой и начали применять ее для решения повседневных задач.
Что еще доверят машине
У искусственного интеллекта большие перспективы. В планах команды — развивать платформу и доработать ее для решения задач смежных подразделений и других блоков бизнеса. Например, «умная» ИТ-система сможет моделировать и оценивать эффективность текущих продаж нефтепродукта, предсказывать изменения спроса целевой аудитории, помогать в моделировании локального ценообразования. Решение таких задач возможно в перспективе 1–3 лет.
