Какие симптомы у социального недовольства, как ИИ находит в соцсетях абьюзеров, предотвращает мошенничество, помогает эффективно распоряжаться местным бюджетом и избежать информационной атаки. Об этом и многом другом мы поговорили с генеральным директором аналитической компании ALEM RESEARCH Маргуланом Алкуатулы.
— Всегда интересно, как рождаются идеи бизнеса. С чего все началось у ALEM RESEARCH?
— Компания была создана доктором технических наук Нарыновым Сергазы Сакеновичем в 2008 году, компания работала в сфере IT. А идея продукта, который сейчас является визитной карточкой ALEM RESEARCH, появилась в 2010-2011-м. Тогда я работал в управлении внутренней политики акимата Костанайской области, как раз в отделе мониторинга СМИ. Я приехал в Алматы и встретился с Сергазы Сакеновичем. Он пригласил меня к себе в качестве аналитика. Тогда и появилась сама идея создать автоматизированный мониторинг СМИ и соцсетей. Ведь на тот момент все делалось вручную. Отделы мониторинга записывали телепрограммы, читали все газеты и журналы, вручную просматривали сайты… это титанический труд, который при этом не гарантировал, что в процессе такой работы что-то не будет упущено.
У меня был практический опыт мониторинга, Сергазы Сакенович прекрасный программист-архитектор; на тот момент в компании работал Расул, тоже программист-архитектор, и втроем мы начали реализовывать идею. На создание готового продукта ушло больше года, и в 2013-м запустили первую систему автоматизированного мониторинга Alem semantic.
— Долго пришлось доказывать перспективность разработки?
— Достаточно было продемонстрировать возможности системы. Сразу было видно, что автоматический мониторинг позволяет собирать нужную клиенту информацию быстрее и полнее.
Первым клиентом стала Генеральная прокуратура, вторым — отдел внутренней политики Акмолинской области. Естественно, мы продолжали развивать систему, поскольку реальная работа давала пищу для размышления и идеи. В результате к 2018 году мы презентовали кардинально новый вариант системы — Media Monitoring. По сути, от прежней осталась сама идея автоматизированного мониторинга, намного улучшились функционал и возможности для клиентов.
— Одно время вы работали и по гранту правительства, насколько было плодотворным то сотрудничество?
— Мы выиграли грант Комитета науки Министерства информации и общественного развития на предмет выявления депрессивных и суицидальных постов в соцсетях. Разработали модель, которая по смыслу выявляет подобные посты, так и появилась система Alem mental. В 2019 году в рамках гранта апробировали свою систему, и она подтвердила свою успешность.
Мониторингу подверглось порядка 12 тысяч аккаунтов, и примерно по пяти тысячам, по которым возникли подозрения, отработали психологи. В результате 67 детям была оказана соответствующая помощь. На данный момент система полностью доработана и готова к полномасштабному запуску. Но возникли проблемы нормативно-правового характера, которые сейчас решают госорганы.
Наша система достаточно точно выявляет аккаунты, входящие в зону риска, но возникают вопросы: как их идентифицировать, как быть с защитой персональных данных, кто имеет право связываться с владельцами аккаунтов, какие государственные органы и как должны взаимодействовать в этой работе и так далее?
Проблема в том, что ни в одной стране мира такой модели нет, по сути, это ноу-хау Казахстана, поэтому работа над законодательной базой выявления суицидальных постов идет с нуля. Но на основе этой модели мы разработали еще один наш популярный продукт — Social Monitoring, который успешно работает уже четвертый год.
— Под этот продукт не нужна законодательная база?
— Нет, поскольку если совсем упростить, то функции модели заключаются в выявлении жалоб и негатива в СМИ и соцсетях по любому городу или целому региону.
— А чем она отличается? Ведь Media Monitoring, по сути, делает то же самое…
— Media Monitoring — это скорее про бизнес, потому что заточен под выполнение четко поставленных задач. Например, выявление резонанса от определенных акций компании, информационных атак на бренд, отслеживание имиджевых вещей, возможность оперативной реакции на негатив. Несколько банков давно используют нашу систему, что позволяет им оперативно реагировать на какие-то негативные вещи, которые могут ударить по имиджу. Например, клиент банка пожаловался в соцсети, что в каком-то районном отделении не работают кондиционеры и в помещении очень душно. Буквально через час-полтора после появления этого поста соответствующая служба банка уже приняла меры по устранению недостатка, поскольку наша система отловила этот пост и показала клиенту.
Или был случай, когда по WhatsApp стала распространяться рассылка, мол, быстро снимайте деньги с депозитов, банк вот-вот закроют. И благодаря нам банк быстро узнал об этой информационной атаке и оперативно дал опровержение, что позволило избежать возможного нездорового ажиотажа вкладчиков.
— То есть Media Monitoring работает по определенным ключевым словам, например название компании….
— Если упрощенно, то да, а функционал Social Monitoring намного шире, ведь этой системе приходится отслеживать посты по довольно размытым критериям. Мы разбили жизнедеятельность общества на множество сфер: это госуправление, ЖКХ, безопасность, образование, транспорт и так далее. И клиент, в основном это госорганы, получает полную картину недовольства населения. Это позволяет понять, в какой сфере есть самые большие проблемы, где есть пробелы в информировании населения. И не только. Система позволяет отслеживать уровень резонанса на выступление отдельного чиновника или посты блогеров. Понятно, что негативный пост блогера, у которого сто подписчиков — неважно, с какой целью он его опубликовал, будет иметь меньший охват, чем тот, у которого миллион подписчиков. И естественно, что резонанс от поста второго блогера будет огромным. Также система довольно легко находит первоисточник какой-либо информации, распространяемой по соцсетям. Это помогает в борьбе с фейками. В общем, функционал и возможности системы очень широкие.
Кроме того, с 2015 года мы собираем архив, где, кто и когда писал на какую-то тему. То есть можем делать ретроспективный анализ, но эта услуга пока мало востребована. За таким анализом обращаются в основном отдельные ученые или институты, которые используют данные в научных и исследовательских целях.
— Можно ли сказать, что исходя из полученных данных реально спрогнозировать рост напряжения и социальный взрыв?
— В принципе, да. Например, с прошлого года чуть ли не вовсе регионах наблюдается буквально взрывной рост недовольства госуправлением, то есть местными властями. Ведь наша система умеет не только выявлять тематические посты, но и определять тональность. То есть пост или комментарий по содержанию может быть с виду совершенно нейтральным, но при этом имеет выраженную негативную или позитивную тональность.
— А насколько точно система умеет определять характер публикации, какова вероятность ошибки? Скажем, комментарий «аким-красавчик» вроде бы позитивный, но, например, с учетом контекста это явный сарказм…
— Вообще точность наших продуктов составляет не ниже 80-90%, очень много зависит от поставленных задач. Например, для пожарных потушенный пожар — это позитив, а для акимата это все равно негатив. То есть для разных клиентов одна и та же информация может нести прямо противоположную тональность. На первом этапе система работает в полуавтоматическом режиме, то есть мы помогаем ей обучаться. По опыту скажу, что после того, как будет обработано порядка пяти тысяч информационных материалов по определенной тематике, система переходит полностью на автоматический режим, продолжая обучаться, и, соответственно, повышается точность данных.
— Конкуренция на вашем рынке высокая?
— Пока это сложно назвать конкуренцией. Да, есть местная компания, недавно они запустили свою систему. Но мы предоставляем более полные данные, поскольку на рынке уже давно, и охватываем весь спектр информационного поля. Например, мы выписываем все, даже районные газеты, и заносим все, что в них выходит, в систему. Есть российская и западная компании, они пытаются работать на Казахстан, но перед ними наше преимущество, что мы мониторим и на казахском языке, чего они делать не могут, соответственно, их клиенты не получают полной картины. Наши системы мониторят на трех языках — казахском, русском и английском, но, по большому счету, мы можем мониторить любые сайты на латинице или кириллице, то есть процентов 60% мирового интернета минимум.
— Что в планах?
— Технологии развиваются, социальные сети меняют алгоритмы, поэтому к новому году презентуем версию Media Monitoring 2.0. Эта версия будет еще более функциональной и полностью отвечать реалиям времени.
Затем на основе модели выявления суицидальных постов готовим систему по выявлению буллинга в соцсетях. Есть понимание критериев выявления жертв и агрессоров, к тому же законодательство по буллингу уже есть, поэтому совсем скоро презентуем и эту модель. Принцип тот же, просто другие настройки.
Работаем над улучшением модели по выявлению рекламы незаконных финансовых пирамид в соцсетях, это для Агентства финансового мониторинга. Для МВД улучшаем систему по выявлению незаконных онлайн-казино и беттинга.
Развиваем и Social Monitoring , по ней у нас партнерство примерно с третью региональных акиматов и министерств. А чем больше клиентов, тем больше идей появляется по развитию системы.
В целом просто работаем.
Еще есть интересный проект по выявлению уже физического буллинга в школах. Это, по сути, программное обеспечение, которое через камеры видеонаблюдения определяет и фиксирует подозрительное поведение учащихся и передает сигнал в ЦОНы. Там проблема была, что во многих школах аналоговые камеры и надо было собрать в единый поток сигналы с аналоговых и цифровых камер. Мы полностью интегрировали все камеры в единую систему, кроме того, операторы ЦОНа могут теперь просматривать архивы. Пилотный проект в нескольких школах дал хорошие результаты, и скорее всего, государство будет этот опыт масштабировать.
На основе этого проекта сделали уже систему для медучреждений, что позволяет отслеживать состояние пациентов, например, кому-то плохо стало в коридоре, кто-кто в палате с койки упал и так далее. Для полиции сделали пилотный проект, который позволяет отслеживать, кто, когда и насколько отключает личные камеры. Вручную просматривать 8-9 часов дежурства патрульных тяжело, а наша система позволяет сразу узнать, отключалась ли камера и на какой срок.
Ну и наконец, планируем до конца года запустить чат-бот на основе искусственного интеллекта для психологической помощи. Принцип довольно простой: пройдя специальный опросник, составленный по рекомендациям ведущих психологов, человек может узнать свое психоэмоциональное состояние и получить квалифицированные советы. В определенных случаях чат-бот предложит контакты психологов, которые работают в локации нахождения человека, телефоны дежурных служб. У нас наблюдается нехватка психологов, да и менталитет наших сограждан не всегда позволяет обратиться к психологу. А мы даем возможность полностью анонимного обращения. Я думаю, это будет хороший инструмент.
— Спасибо за беседу.
——————————————————————————————————————————————————————————
Справка GN:
Аналитическая компания ALEM RESEARCH предоставляет Системы мониторинга СМИ и социальных сетей на основе искусственного интеллекта.
Кейсы:
Кейс Акмолинской области, которая использует инструменты медиамониторинга, является показательным. Своевременная обратная связь позволяет снизить уровень недовольств жителей и оперативно реагировать на запросы. Надо отметить, что с помощью мониторинга собираются не только негативные публикации, жалобы, но и выявляются интересы жителей региона.
Например, мониторинг показал, что спортивные мероприятия – Спартакиада, турниры по қазақ күресі, карате, различные выставки вызывают наибольшую заинтересованность жителей региона. Тем самым ценная информация, полученная в ходе мониторинга социальных сетей, стала ориентиром при планировании бюджета спортивно-культурных мероприятий.