3Что сегодня делают компании?
В этой главе я опишу, что сегодня происходит в крупных компаниях и как именно они применяют технологии ИИ[33]. Я расскажу, как ИИ внедряется в настоящее время (и в каком объеме), какие технологии используются чаще всего, каковы бизнес-цели этих проектов и насколько они успешны. Затем, поскольку внедрение ИИ на предприятиях только начинается, я поясню, в каком направлении развиваются компании, чтобы расширить свои когнитивные возможности.
Приводимый здесь анализ основан по большей части на исследовании 152 консалтинговых проектов, внедряющих когнитивные технологии, которое я провел с командой Deloitte. Большинство проектов осуществлялось сотрудниками отделов консалтинговых услуг Deloitte – преимущественно (но не исключительно) в Северной Америке. Кроме того, в выборку вошли проекты (в том числе европейские), в которых принимал участие я сам. Анализ проводился в середине 2017 г., а проекты осуществлялись в 2016 и 2017 гг.
Обзор когнитивных проектов
На рис. 3.1 представлены данные о том, в каких сферах осуществляются 152 проекта, связанных с ИИ. Само собой, выборка проектов составлена не случайным образом – отчасти на нее могли повлиять разные уровни интереса к когнитивным технологиям в различных отраслевых группах Deloitte, а также структура деятельности компании. Как и ожидалось, большинство проектов осуществляется в информационно-зависимых сферах, таких как финансовые услуги, медико-биологические науки и здравоохранение. Относительно небольшое число проектов реализовывается в сфере медиа и телекоммуникаций (где компании также располагают значительными объемами данных), а кроме того, на энергетических и коммунальных предприятиях. Лишь менее 10 % проектов осуществляется в государственном секторе, причем большинство из них курирует правительство США. В большей части правительственных проектов задействована роботизированная автоматизация процессов.
Что касается областей применения когнитивных проектов, большинство из них реализовывались сразу в нескольких областях – например, в виде сочетания финансовой деятельности и функционирования цепочки поставок посредством сравнения выставленных поставщиками счетов с реальными комплектами поставки. Обособленность была характерна прежде всего для операционных и клиентоориентированных проектов (в сфере маркетинга и продаж).
Спонсорами проектов чаще всего становились топ-менеджеры компаний. Кроме того, проекты часто спонсировали вице-президенты и директора. Пожалуй, любопытнее всего многообразие функций, исполняемых в рамках когнитивных проектов. Помимо перечисленных, я слышал о проектах в сферах корпоративного права, корпоративной безопасности и стратегического планирования.
Три типа возможностей ИИ
Поскольку технологии ИИ не всегда понятны и порой перекрывают друг друга, можно рассматривать ИИ через призму возможностей для бизнеса, а не через призму технологий. Если не вдаваться в детали, ИИ способен поддерживать три важных аспекта бизнеса:
● автоматизировать структурированные и повторяющиеся процессы, часто посредством робототехники или роботизированной автоматизации процессов;
● делать выводы на основании исчерпывающего анализа структурированных данных, чаще всего с использованием машинного обучения;
● взаимодействовать с клиентами и сотрудниками при помощи чат-ботов, обрабатывающих естественный язык, интеллектуальных агентов и машинного обучения.
Больше всего проектов (71 из 152, то есть 47 %) было направлено на автоматизацию цифровых и физических задач – чаще всего административного и финансового характера. В эту категорию попадают и физические роботы, но в большинстве изученных проектов использовалась роботизированная автоматизация процессов, с помощью которой решались структурированные цифровые задачи вспомогательного характера. Эти возможности представляют собой следующий шаг на пути к автоматизации бизнес-процессов, поскольку «роботы» (на самом деле код на сервере), подобно человеку, вводят и поглощают информацию из нескольких ИТ-систем. Вот несколько примеров:
● перенос данных из систем электронной почты и кол-центров в системы записи – например, запросов на изменение адреса или добавление новых услуг;
● замена потерянных кредитных или дебетовых карт без человеческого вмешательства с использованием нескольких систем для обновления записей и обеспечения взаимодействия с клиентами;
● устранение ошибок при выставлении счетов за услуги в различных биллинговых системах банков посредством извлечения информации из нескольких типов документов;
● «чтение» юридических и контрактных документов с целью выявления положений контракта с использованием обработки естественного языка;
● автоматизированная генерация инвестиционной информации (краткого обзора инвестиций клиента за последний период) для клиентов страховых компаний, осуществляющих управление капиталом.
Эти проекты широко распространены отчасти потому, что РАП – самая дешевая из технологий автоматизации, а внедрить ее проще всего и при этом она, как правило, характеризуется быстрой и высокой окупаемостью инвестиций. Приложения РАП не запрограммированы на обучение и совершенствование, однако поставщики технологий постепенно повышают их интеллектуальность и обучаемость. Некоторые эксперты даже называют технологию роботизированной и когнитивной автоматизацией, но, на мой взгляд, когнитивной называть ее рано. РАП особенно хорошо подходит для сквозной работы с несколькими бэкенд-системами и не требует перестройки этих систем.
Некоторые пользователи разрабатывают несколько роботов для автоматизации различных процессов. Например, в NASA необходимость сокращения расходов привела к запуску четырех пилотных проектов РАП – в отделах кредиторской и дебиторской задолженности, расходов на ИТ и кадровой службе, – управляемых из единого сервисного центра. Все четыре проекта хорошо зарекомендовали себя и были развернуты во всей организации. Например, в кадровой службе РАП позволила обрабатывать 86 % запросов без человеческого вмешательства. Теперь NASA внедряет больше ботов РАП (и некоторые из них более интеллектуальны). Однако руководитель проекта единого сервисного центра организации Джим Уокер заметил, что «пока они звезд с неба не хватают» (а в NASA о звездах знают немало).
Может показаться, что роботизированная автоматизация процессов быстро заменит административных работников. Однако проведенный нами анализ 71 проекта (включая проекты NASA) показал, что это не главная цель автоматизации и не типичное ее следствие. Реализация лишь нескольких проектов привела к сокращению персонала, причем работу потеряли в основном внештатные работники. Только в одном случае мы узнали о планах использовать РАП, чтобы ликвидировать значительное количество штатных позиций. При этом я все же считаю, что в будущем когнитивные технологии и роботизированная автоматизация процессов приведут к сокращению количества рабочих мест. Вероятно, сильнее всего это затронет сферу офшорного аутсорсинга бизнес-процессов. Если у вас есть возможность передавать процесс людям из других стран, находящимся за тысячи километров от вас, вероятно, вы сумеете и автоматизировать его с помощью РАП.
Технология РАП относительно проста в использовании, но при ее внедрении могут возникнуть трудности – как правило, связанные с организацией бизнес-процессов. Прежде чем внедрять технологию, компании должны хорошо разобраться, как устроены их текущие бизнес-процессы и каким образом они хотят изменить их с помощью РАП. Однако большинство компаний этого не делают. Дэвид Брейн, соучредитель консалтингового агентства Symphony Ventures, которое специализируется на консультировании по вопросам внедрения РАП, заявляет, что компаниям необходимо работать над дизайном и инжинирингом процессов почти в каждом проекте РАП, и это называется возвращением процессов в РАП.
Брейн утверждает, что работа с процессами крайне важна для эффективного внедрения РАП по нескольким причинам, включая следующие:
● Существующий процесс часто слишком сложен и включает в себя ненужные шаги, которые можно устранить перед внедрением РАП.
● РАП предполагает кодификацию бизнес-правил, но существующие бизнес-правила часто не пересматривались много лет и не имеют смысла в текущей среде.
● Многие существующие бизнес-правила все те, кто работает по ним, называют суждениями, однако на самом деле их можно превратить в более точные и последовательные алгоритмы.
● Уровень знания и понимания процессов внутри компаний, как правило, низок. Компании могут иметь списки стандартных операционных процедур (СОП), но они плохо задокументированы или не соответствуют текущему положению вещей.
● РАП часто поддерживает процессы «вращающегося кресла», которые предполагают многократное обращение к информационным системам, но во многих случаях процесс может извлечь все необходимые данные из системы единовременно, а потому вращаться на кресле не придется.
● В процессах, ориентированных на человека, часто предусмотрены проверки, необходимость которых пропадает после внедрения РАП, поскольку, после того как компьютерная система прошла отладку, ошибки ей, как правило, не свойственны.
● Многие компании исключили из текущих процессов шаги, которые добавляют потребительскую ценность, но требуют слишком много ресурсов. Например, коммуникация с клиентами в ходе процесса выполнения их заказов может занимать слишком много времени, если ее осуществляют сотрудники организации, но очень проста для робота.
Подобные изменения могут сделать автоматизированный процесс гораздо более эффективным, чем он был раньше. Хотя весьма вероятно, что некоторые функции людей возьмет на себя РАП, в большинстве компаний, внедряющих технологию, существенных кадровых изменений пока не наблюдалось. Чтобы понять воздействие этой формы ИИ, необходимо дальше наблюдать за ситуацией и следить за динамикой в сфере кадров.