Когнитивные технологии могут выполнять такое количество различных задач, что очень важно принять стратегическое решение о том, какие из них поставить в приоритет. Ключевой вопрос состоит в том, куда направить основное внимание – на внутренние операции или внешний успех при взаимодействии с клиентами и выводе продуктов на рынок. На внутреннем уровне когнитивные технологии могут помочь автоматизировать существующие процессы, чтобы снизить затраты, или оптимизировать процесс принятия решений в сфере управления финансами или цепочкой поставок. На внешнем уровне компания может задаться целью лучше понять определенный тип клиентов и укрепить отношения с ними, используя машинное обучение, чтобы анализировать разрозненные данные о клиентах. Кроме того, компания может внедрить когнитивные функции в определенный тип продуктов.
Решение о том, какие когнитивные цели преследовать, должно основываться главным образом на бизнес-стратегии организации. Например, прибыль Verizon Wireless начала постепенно снижаться после многих лет стремительного роста. Компания решила внедрить когнитивные технологии на внешнем уровне, чтобы увеличить продажи своих продуктов. Для этого она разработала систему рекомендаций новых продуктов и услуг, стала применять интеллектуальные агенты для повышения уровня удовлетворенности клиентов, а также проводить анализ разрозненных данных о клиентах, выявляя тех, кто готов потратить больше.
Бизнес-стратегия крупного европейского банка была ориентирована на внутренние процессы, поэтому его когнитивная стратегия оказалась сформулирована иначе. Компания хотела существенным образом снизить издержки в финансовой среде с очень низкими процентными ставками. Важным пунктом ее когнитивной стратегии стало снижение издержек посредством автоматизации труда (в основном выполняемого подрядчиками, но иногда и штатными сотрудниками компании) с помощь технологии РАП. В долгосрочные задачи компании также входило усовершенствование процесса управления капиталом, поэтому она начала отладку когнитивных технологий, поддерживающих эту функцию. Учитывая ориентацию на снижение издержек, банк пытался разработать универсальную технологию для управления капиталом по всему миру, вместо того чтобы продолжать и дальше применять старый децентрализованный подход с разделением по географическим регионам и объему капитала клиентов.
Некоторые компании применяют когнитивные технологии на обоих уровнях. Например, GE использует технологии как на внутреннем, так и на внешнем уровне, но весьма по-разному. На внутреннем уровне с помощью машинного обучения проводится унификация ключевых данных. Я упоминал об использовании вероятных совпадений из различных баз данных для создания унифицированной базы данных поставщиков. Технология может определить, что Acme Widgets Inc., расположенная по адресу Мейн-стрит, 123, Бруклин, Нью-Йорк, – это, скорее всего, та же самая компания, что и Acme Inc., расположенная по адресу Мейн-стрит, 123, Бруклин, и объединить две карточки поставщиков, почти не требуя вмешательства человека.
Затем GE перешла к данным о клиентах и продукции. В клиентской сфере компания осознала, что без интеграции клиентских данных невозможно будет провести необходимую перестройку механизма продаж. У компании было более 50 различных версий системы управления взаимоотношениями с клиентами. Хотя все они использовали сайт Salesforce.com, они не могли сформировать единую картину на основе всех данных в системах. Используя машинное обучение, GE интегрировала данные в общий клиентский центр, где теперь сконцентрированы все данные клиентов из различных CRM-систем. Проект был завершен менее чем за год, и теперь сотрудники отделов продаж могут видеть, как клиент взаимодействует со всей многопрофильной компанией GE[47].
На внешнем уровне GE использует в своей цифровой/промышленной стратегии виртуальные макеты, о которых я упоминал ранее. Эта инновация позволяет проводить прогнозное техническое обслуживание промышленного оборудования GE и представляет собой хороший пример применения когнитивных технологий на внешнем уровне в продукции компании, поскольку таким образом продукты и услуги GE становятся более желанными и выгодно отличаются от других предложений на рынке.
Компании также могут применять когнитивные технологии для обеспечения соответствия требованиям регуляторов и управления рисками. Это особенно типично для компаний, предоставляющих финансовые услуги. Например, в NASDAQ (хорошо известной как фондовая биржа, а также поставщик финансовой информации и программного обеспечения) основное внимание в рамках когнитивных инициатив уделяется выявлению потенциально мошеннических или незаконных финансовых сделок и нечистых на руку трейдеров. Когнитивная стратегия компании была основана на приобретении активов или взаимодействии с внешними когнитивными стартапами. В 2015 г. NASDAQ приобрела австралийскую компанию SMARTS, которая использует правила и машинное обучение для выявления потенциально проблемных сделок. В 2017 г. она вступила в партнерство с компанией Digital Reasoning, применяющей технологии обработки естественного языка для выявления между трейдерами связей, которые могут свидетельствовать о злоупотреблении служебным положением. NASDAQ предлагает объединенные возможности этих двух систем другим фондовым биржам, а также покупателям и продавцам финансовых инструментов.
Bank of New Zealand (BNZ) – одна из многих предоставляющих финансовые услуги компаний, которые используют когнитивные технологии для борьбы с финансовыми преступлениями и мошенничеством. Финансовые преступления по своей природе хаотичны и временны, поэтому инструменты для их выявления и борьбы с ними должны быстро внедряться и адаптироваться к изменяющемуся профилю деятельности или характеру нарушений. Они должны помогать работе следователей и аналитиков, объединяя информацию, извлекаемую из обширного и постоянно растущего массива структурированных и неструктурированных данных, поступающих из систем учета, электронной почты и обращений в службу поддержки клиентов, а также из внешних источников.
К несчастью, в рамках классических методов обнаружения преступлений используются только структурированные данные, и эти методы основаны на жестких правилах или полагаются на длинные циклы разработки и развертывания моделей. Это приводит к задержкам в обнаружении преступлений, что запускает бесконечный цикл: после выявления случаев мошенничества преступные схемы меняются, а новые преступления обнаруживаются не сразу. Кроме того, существующие системы обнаружения преступлений дают слишком много ложных результатов, понапрасну расходуя время следователей и повышая риск неверной идентификации преступников. Новый метод должен выдавать только важные предупреждения.
BNZ тестирует разработку Intel Saffron (инструмент ИИ, приобретенный Intel в 2015 г.), которая решает эту проблему с использованием систем совместного принятия решений на основе ассоциативной памяти ИИ. Технология выявляет, считает и анализирует ассоциации в структурированных и неструктурированных наборах данных, чтобы находить закономерности, тенденции, аномалии и сходства. Цель в том, чтобы проложить прямую дорогу к информации, не требующей обращений к предустановленной модели.
Следователи и аналитики BNZ будут использовать Intel Saffron для выявления и приоритизации аномальной активности на основании оценки рисков. Они предпримут попытку снизить количество случаев неверной идентификации мошенничества, ускорить процесс расследования и повысить точность его результатов. Предоставляя полный аудиторский след данных, используемых в процессе, система также поможет сотрудникам банка обеспечивать соответствие все более строгим требованиям регуляторов.
Почти всегда уместно применить новые технологии в тех сферах, где они смогут быть полезны клиентам. Как я упоминал ранее, компания Verizon (в частности, служба аналитики данных и когнитивных технологий под руководством Асима Тевари) применяет аналитику и когнитивные технологии во взаимодействии с клиентами. Например, служба работает в тесном сотрудничестве с отделами маркетинга, цифровых операций и обслуживания клиентов. Стратегическая задача службы состоит в том, чтобы усиливать маркетинговые и клиентские системы компании когнитивными компетенциями, подводя их к прохождению теста Тьюринга, то есть к достижению давно обозначенной, но редко реализуемой цели создания ИИ-систем, пользователи которых не смогут отличать взаимодействие с ними от взаимодействия с человеком. Другие службы Verizon внедряют технологии ИИ в продукцию компании, а также усиливают ими внутренние операции, например обслуживание цепочки поставок, но все же главным образом компания ориентируется на использование когнитивных технологий во взаимодействиях с клиентами.
Банк Capital One, который среди первых стал использовать в банковском деле различные формы аналитики, теперь занимается целым рядом когнитивных проектов, имеющих потенциал изменить механизм взаимодействия клиентов с банком. Внедряя технологии ИИ, банк упрощает сделки с клиентами, улучшает маркетинг и предотвращает мошенничество[48]. В 2016 г. Capital One первым из банков открыл клиентам доступ к счетам с платформы Amazon Alexa. В 2017 г. банк объявил о появлении Eno – текстового чат-бота, позволяющего клиентам узнавать информацию по счетам, оплачивать счета и осуществлять другие простые транзакции.
Для своего сайта Capital One разработал приложение на базе машинного обучения, которое оптимизирует содержимое сайта в зависимости от того, какими продуктами и услугами интересуется клиент. Оно также отслеживает потенциальные случаи мошенничества, например проверяя, сколько времени у клиента уходит, чтобы ввести секретный код[49].
Capital One хотел бы также использовать продвинутые когнитивные технологии, в частности глубокое обучение, чтобы принимать решения, обеспечивающие успех бизнеса, такие как решения о предоставлении кредита и величине процентной ставки