[50]. Однако в настоящее время алгоритмы глубокого обучения недостаточно прозрачны, а следовательно, не будут одобрены регуляторами. И все же Capital One достаточно привержен ИИ-стратегии, чтобы создать рабочую группу, которая должна попробовать повысить прозрачность этих методов, хотя обычно подобными исследованиями занимаются только ученые.
Попытка Verizon пройти тест Тьюринга и стремление Capital One выйти на новый уровень обслуживания клиентов, обнаружения мошенничества и принятия решений по кредитам представляют собой примеры стратегических инициатив, ориентированных на клиентов. Может, каждый из проектов, разрабатываемых в этих компаниях, и не сотрясает основы бизнеса, но вместе они помогут компаниям занять новое положение на рынке.
На внутреннем уровне технологии ИИ чаще всего применяются для повышения обоснованности принятия решений. В этой сфере когнитивные технологии (как правило, машинное обучение) используются, чтобы позволить компаниям принимать решения на основе более детализированных и динамичных данных. Во многих случаях такие данные поступают из внешних источников – и это прекрасно, ведь бизнес-решения уже долгое время основываются преимущественно на внешних данных.
В настоящей книге я приведу множество примеров использования машинного обучения для улучшения механизма принятия решений в сфере маркетинга (персонализированная реклама и предложения), ценообразования, планирования спроса, операционного и даже стратегического планирования.
Подробнее я опишу работу стартапа OpenMatters, который использует ИИ и внешние данные для классификации и рекомендации бизнес-моделей. Я вхожу в совет директоров этой компании, поэтому хорошо знаком с ее внутренней кухней. Посредством анализа внешних данных о производственных показателях и заявлений руководства компания определяет бизнес-модель организации (выбирая из четырех основных типов – «активы и вещи», «люди и услуги», «программы и данные» и «платформы и сети»). Стоимость компаний, ориентированных на активы, оценивается ниже всего, в то время как самыми дорогими признаются организаторы цифровых сетей. Основатель OpenMatters Барри Либерт опубликовал немало статей и книг о том, что разные бизнес-модели обусловливают разную стоимость компаний[51]. Инструмент ИИ определяет, какую бизнес-модель использует компания, и рекомендует ряд шагов, чтобы изменить или укрепить ее. Либерт уже использовал этот инструмент в собственной консалтинговой практике и заключил соглашения о его использовании с несколькими компаниями, предоставляющими профессиональные услуги.
Подобным образом Boston Consulting Group начала переводить в количественное выражение и с помощью машинного обучения анализировать стратегическую ориентацию компаний, например сравнивая их с точки зрения необходимости масштабной трансформации[52]. Вероятно, в будущем такими инструментами станут пользоваться и другие консалтинговые компании и организации, предоставляющие профессиональные услуги, а затем их внедрят в свою практику и компании-клиенты. Применение ИИ в этой сфере свидетельствует, что в итоге ИИ окажет на топ-менеджеров не меньшее влияние, чем на рядовых работников организаций.
Разработка новых продуктов и услуг и улучшение существующих
Меня порадовало, что многие компании в упомянутых ранее опросах отметили, что используют когнитивные технологии, чтобы разрабатывать новые продукты или улучшать старые. Это хорошо, ведь это означает, что компании считают, что могут зарабатывать деньги и радовать клиентов с помощью когнитивных технологий. А это в свою очередь означает, что деньги и другие ресурсы потекут в сферу когнитивных проектов и топ-менеджеры заинтересуются ими сильнее.
В технологической сфере совершенствование продуктов с помощью когнитивных технологий уже не новость. Разработанная Apple система Siri, распознавание речи от Google и платформа Amazon Alexa могут служить примерами добавления технологии распознавания речи к существующим продуктам. Все они работают довольно хорошо. Любому пользователю Google Gmail знакомы системы классификации сообщений и рекомендации ответов, которые помогают распределять внимание и повышают продуктивность работы. Мы ожидаем такой интеллектуальности от наших смартфонов и приложений. Скорее всего, в будущем функциональность этих инструментов существенно расширится и они станут домашним или офисным «плацдармом» для сбора и анализа данных, что поможет повысить эффективность деятельности человека, а также прибыли поставщиков технологий.
Технологии ИИ для совершенствования своих продуктов применяет также технологическая компания Lenovo. Она объявила о выпуске ряда продуктов на основе когнитивных технологий, которые могут оказать влияние на будущие продуктовые линейки Lenovo. Среди них: контекстный виртуальный ассистент (CAVA), использующий распознавание лиц и обработку естественного языка для предоставления рекомендаций; линейка умной одежды SmartVest, использующая десять датчиков и ЭКГ для мониторинга состояния сердца; а также платформа Xiaole, которая, как ожидается, будет «постоянно учиться на разговорах с клиентами и адаптироваться соответствующим образом, чтобы обеспечивать клиентам индивидуальный опыт». Само собой, эти концепции претерпят немало изменений, прежде чем продукты окажутся на рынке, но они свидетельствуют об общей ориентации компании на внедрение когнитивных технологий в свою продукцию.
Как видно на примере Lenovo, большинство ИТ-инноваций на основе ИИ направлено на изменение пользовательских интерфейсов. Однако в то же время ведется работа по автоматизированному созданию программ, которые обеспечивают работу технологий. Эту сферу называют по-разному: кодогенерацией, метапрограммированием, ментальным программированием и разработкой программ, управляемых моделями. На некотором уровне все это практикуется довольно давно, но до сих пор еще не применялось в сфере разработки программного обеспечения. Эти технологии использовались для повышения производительности программистов и снижения количества ошибок в создаваемых ими программах. Но ничто не указывает на то, что использование технологий привело в результате к сокращению программистов или снижению спроса на их услуги. Тем не менее я считаю, что эти сдвиги в итоге поставят вопрос об обучении всех студентов компьютерному программированию[53].
ИИ также используется для автоматизации или частичной автоматизации процесса разработки программного обеспечения (то есть создания ИТ-продуктов) за рамками базового программирования. Трудоемкими сферами остаются тестирование программ и контроль качества, но автоматизированная программа-тестировщик может за несколько секунд выдавать тысячи тестовых скриптов, проверяя множество различных вариантов использования написанной программы. И все же это лишь постепенно повышает скорость и производительность процесса разработки программного обеспечения. Скорее всего, развитие в этой сфере пойдет по эволюционному пути, если только не произойдет какого-либо серьезного прорыва в области ИИ.
Множество свидетельств подтверждает, что в настоящее время растет количество программных задач, которые могут выполнять непрофессионалы, и это количество будет возрастать и дальше при внедрении когнитивных технологий в ИТ-продукты и услуги. Любителям, которые обладают относительно небольшими навыками программирования, уже под силу создавать веб-сайты, анализировать статистические данные, разрабатывать мобильные приложения и даже конструировать телекоммуникационные сети с указательными интерфейсами. Повышение интеллектуальности всевозможных программ расширит возможности любителей.
Наконец, аппаратное обеспечение и архитектуры ИТ также совершенствуются, чтобы соответствовать нуждам ИИ и когнитивных технологий. Например, производители полупроводниковых чипов меняют свои архитектуры для ускорения вычислений, ориентированных на ИИ. Компании пытаются повторить успех Nvidia, графические процессоры которой, как оказалось, прекрасно подходят для работы с технологиями глубокого обучения, в результате чего прибыли компании существенно возросли. Конструкция чипов также меняется, чтобы они могли справляться с огромными объемами данных, генерируемыми при применении технологий в таких сферах, как разработка и эксплуатация беспилотных автомобилей[54].
Когнитивные технологии также используются для разработки продуктов и услуг и уже приносят значительные выгоды в этой сфере. Генеративный дизайн, при котором часть задач по разработке продуктов делегируется компьютерам, использует алгоритмы машинного обучения, чтобы на основе заданных параметров и ограничений предлагать тысячи вариантов конструкций, большинство из которых никогда не рассматривались людьми. Активнее всего генеративный дизайн применяет компания Autodesk, которая с его помощью, например, помогает Airbus спроектировать новую, более легкую перегородку кабины[55]. Само собой, для Autodesk это пример применения когнитивных компетенций для улучшения существующего продукта.
Когнитивные технологии даже могут помочь разработчикам услуг превратить сложные концепции дизайн-мышления в продукты – по крайней мере если их продукты состоят из элементов, отличных от атомов. Так, основатели Airbnb уделяют огромное внимание дизайну (они встретились в Род-Айлендской школе дизайна). Как правило, при разработке новых продуктов и услуг Airbnb упор делается на визуализацию: например, дизайнеры рисуют на досках картинки, чтобы визуализировать ключевые аспекты новых предложений. Однако в итоге эти рисунки необходимо превратить в код, который будет использоваться на веб-сайтах, в базах данных и онлайн-маркетинговых компаниях.