1CへのAI統合：機械学習によるERPの強化

人工知能（AI）はもはや未来の概念ではなく、ビジネスプロセスを強化するための実用的なツールとなっています。この記事では、人気のエンタープライズリソースプランニング（ERP）システムである1CにAI技術を統合して、効率と意思決定を改善する方法を探ります。誇大広告を超えて、実際の導入に焦点を当て、1C開発者およびユーザーに関連するさまざまなAIアプリケーションを掘り下げていきます。

AIは、それぞれ独自の機能を持つさまざまな技術を網羅しています。主な分野には、データから学習するアルゴリズムを含む機械学習（ML）、多層ニューラルネットワークを使用するMLのサブセットであるディープラーニング、コンピューターが人間の言語を理解および処理できるようにする自然言語処理（NLP）、システムが画像を「見て」解釈できるようにするコンピュータービジョンが含まれます。これらの違いを理解することは、特定の1C統合ニーズに最適なAIソリューションを特定するために不可欠です。機械学習は人工知能ではなく、人工知能はニューラルネットワークではありません。ニューラルネットワークは、比較的小さく狭い分野です。たとえば、映画をダウンロードしたり製品を購入したりすると、システムが好みに基づいて類似のものを提案してくれる場合、レコメンデーションを提供できます。XGBoost、CatBoostもニューラルネットワークですが、少し異なる方法でトレーニングされています。人工知能は存在せず、チューリングテストはまだパスされていません。古典的な線形回帰も機械学習であり、多くの場合これで十分です。

いくつかのツールとフレームワークがAIの開発と統合を促進します。Python愛好家にとって、Scikit-learnは使いやすいエントリーポイントを提供しますが、TensorFlowとKerasは画像認識のようなより複雑なタスクのための強力なオプションです。.NET開発者はAccord.NETを活用できます。これらのツールを使用して、1CがHTTPリクエスト経由で対話できるマイクロサービスを作成し、AI機能をシームレスに統合できます。Scikit-learnは、Pythonで何かを学びたい場合に最も簡単で、最も人気があり、最もよく知られています。これを使用すると、たとえばパーセプトロンをトレーニングするなど、古典的なことができます。これは3行のコードで、タスクの90％が解決されます。もっと重いものをやりたい場合、たとえば画像で遊びたい、何かを認識することを学びたい、独自のOCRを書きたい場合は、TensorFlowがあります。さらに、TensorFlow自体は扱いにくいため、TensorFlowはKerasと組み合わせて検討することがほとんどです。KerasはTensorFlowの操作をわずかに簡素化するラッパーであり、それを使用する方がはるかに快適です。Accord.NETは、.NET開発者にとって役立ちます。これはかなり古いものですが、特に.NETに関しては多くの問題を解決します。

コンピュータービジョンにより、1Cシステムは画像を処理および分析できます。人気のあるライブラリであるOpenCVは、光学文字認識（OCR）やオブジェクト検出などのタスクのためのツールを提供します。コンピュータービジョンを統合することで、1Cアプリケーションはドキュメント処理を自動化し、画像からデータを抽出し、データ入力の精度を向上させることができます。標準的なタスクについては、Yandex VisionまたはOpenCVを試すことができます。Yandex Visionは素晴らしいもので、優れたREST APIを備えており、顔認識や手書き文字認識が非常に得意です。ドキュメントあたりわずかなコストで、誰でも試すことができます。サブスクライブしてキーを取得します。REST APIにはbatchAnalyzeという1つのメソッドがあります。これを使用すると、画像を転送でき、Yandex VisionはJSON構造を返します。このJSON構造には、顔の座標や、すべてのテキストを含むテキストなど、必要なものが含まれています。しかも、これらすべてが文字通り3行で記述されています。OpenCVは少し重いですが、さらに多くのことができます。ここでも、フィーチャー検出器と顔検出器は完全に別の話です。なぜなら、ほとんどのコンピュータービジョンシステムは、画像内の特定のオブジェクトを強調することに特化しているからです。そして、この機能はうまく機能します。テキストを分類したい場合、古典的なコンピュータービジョンはあまり役に立ちません。

OCR技術により、1Cはスキャンされたドキュメントや画像からテキストを自動的に抽出できます。さまざまなOCRソリューションが存在しますが、Abbyy FlexiCaptureは1C統合のための堅牢なオプションです。無料ライブラリであるTesseract OCRは、基本的なOCRタスクのための費用対効果の高い代替手段を提供します。OCRを実装することで、1Cユーザーは請求書処理を合理化し、データ入力を自動化し、手作業を削減できます。これに長年取り組んでおり、ロシア語、音声学、スペルに関する知識も追加した人々がいます。それがAbbyyです。そして、もちろん、Abbyy FlexiCaptureは依然としてすべてのスタートアップを合わせたものよりも優れています。さらに、1Cに接続するのはかなり簡単です。そしてTesseractは無料であるため素晴らしいです。これを使用すると、1時間で認識器を作成できます。品質は非常に高くなく、1Cに入力するためのすべての一次ドキュメントを完全に認識することはできません。しかし、それをする必要はありません。私たちの未来は電子ドキュメント管理にあります。しかし、パスポートを認識したり、ドキュメント内の特定の詳細（たとえば、部門）を認識して、この一次ドキュメントを分類したりすることはできます。これは後でケーススタディで示します。

ディープラーニングとNLPは、1Cシステムに高度な機能を提供します。ディープラーニングは、画像分類や予測モデリングなどの複雑なタスクに使用できます。NLPにより、1Cアプリケーションは自然言語クエリを理解して応答できるようになり、チャットボット開発や自動化されたカスタマーサービスが容易になります。NLPについては、2つ（最大3つ）のライブラリをお勧めします。まず、Yandex SpeechKitサービスに連絡できます。これは非常にうまく作られており、Infostartにはそれへの呼び出しを実装した良い例さえあります。電話の着信音を認識するなど、ほとんどのタスクにはこれで十分です。メタパーサーがあります。たとえば、支払い目的から特定のデータを抽出したい場合は、文法をいじる必要があります。しかし、これに直接取り組んだことがない人にとっては難しいでしょう。http://ipavlov.aiのPythonのオープンライブラリがあります。現在、これはロシア語で動作するおそらく最良のソリューションです。彼らは標準のword2vecを使用していますが、それを改善しました。シンプルで便利です。原則として、AIベースのチャットボットを作成したい場合、無料で自分でトレーニングしたい場合は、ipavlovがコンサルティングシステムを作成するための最良の選択肢です。

AIは、1C内のデータ分析と予測を大幅に強化できます。機械学習アルゴリズムは、データ内のパターンを特定し、将来のトレンドを予測し、意思決定を改善できます。1Cはデータ分析と予測のための組み込みメカニズムを提供しており、ユーザーは予測モデルを作成し、データから貴重な洞察を得ることができます。完全に1C担当者でありながら、製品を推奨したりトレーニングを行ったりする予測モデルを作成したい人のために、8.0以降の1Cには素晴らしいメカニズム「データ分析と予測」があります。これらは1C内のニューラルネットワークではなく、プラットフォーム内のネットワークであり、C++で記述されています。そして、比較的単純な予測モデルである決定木があります。これは高速に動作し、学習も高速です。しかし、良い点は、それを開いてITSを見て例を見るだけです。通常のデータリクエストがあります。リクエストは分析モデルに転送され、そこには列のセットがあります。次にAnalizDannyh.Vypolnit()が記述され、出力としてどこかの値ストアに保存できるモデルが得られます。これは、単純な分類がある場合に基本的に必要なすべてです。さらに、1Cにはクラスター分析、予測分析、シーケンス検索、イベントチェーンの構築もあります。ツールキットは長い間存在しており、ツールは動作していますが、なぜか使用されていません。

AIはすでにさまざまな1Cソリューションで使用されています。例としては、1C:ERPでの購入予測、1C:ITILでのリクエスト分類、1C:Document ManagementでのOCR実行などがあります。1C:Freshは、自動的に値が入力されたドキュメントを作成するための高度なOCR機能さえ提供しています。これらのアプリケーションは、AIを1Cシステムに統合することの実際的な利点を示しています。1CにおけるAIはかなり積極的に使用されています。1C:ERPでは購入予測に使用されます。ライブでは見たことがありませんが、発表で読みました。1C:ITILでは、リクエストの分類に使用されます。神自身がAIをこのように使用するように命じました。ライブで見ました。クールで正確に動作します。15分で記述されます。ここには恐ろしいものはありません。1C:Document ManagementにはシンプルなOCRがあります。以前はPDFを認識するだけでしたが、現在は画像も認識します。1C:Freshには、テキストを認識するだけでなく、自動的に値が入力されたドキュメントを作成するシンプルなOCRが登場しました。さらに、この認識サービスはプラットフォーム開発者によって実装されたようです。1C:Productsサービス、品揃え管理のためのレコメンデーションシステムもあります。このサービスのフォームがここにスライドに表示されています。このサービスが実際にどのように推奨するかはわかりませんが、説明によるとクールなものです。少なくとも、それには勾配ブースティングが使われていることは明らかです。

1C内でニューラルネットワークをトレーニングすることは可能ですが、パフォーマンスの制限から一般的には推奨されません。代わりに、外部AIサービスを活用し、それらを1Cと統合する方が効率的です。このアプローチにより、1Cの機能を利用しながら、専門のAIプラットフォームとフレームワークを活用できます。1C内でニューラルネットワークをトレーニングすることは可能ですか？可能です。しかし、必要はありません。外部でトレーニングしてから、1Cから呼び出す方が良いです。主な問題はテクノロジーではなく、プラットフォームがこれにあまり適していないという事実です。通常のGPUサポートがなく、通常のベクトル演算サポートがなく、通常の並列計算サポートがありません。したがって、ニューラルネットワークをトレーニングしたい場合は、外部でトレーニングしてから、1Cから呼び出す方が良いです。

AIは、ドキュメント処理の自動化からデータ分析と予測の改善まで、1Cシステムを強化するための大きな機会を提供します。さまざまなAI技術を理解し、利用可能なツールとフレームワークを活用することで、1C開発者とユーザーはAIの可能性を最大限に引き出し、ビジネスイノベーションを推進できます。鍵は、特定のユースケースを特定し、1C環境内の実際の課題に対処するAIソリューションを実装することです。