Компании используют когнитивные технологии и в цепочке поставок. Например, традиционные технологии оптимизации, которые помогали оценивать количество запасов и избегать дефицита, заменяются системами машинного обучения, осуществляющими постоянный мониторинг продаж, погоды и реакции на маркетинговые акции с целью корректировки цепочек поставок. Такие компании, как UPS, заменяют фиксированные ежедневные маршруты динамическими, которые в реальном времени корректируются с учетом погоды и загруженности дорог – и для этого тоже используются технологии машинного обучения. Только когнитивные технологии в состоянии обрабатывать все необходимые данные. Наступит день, когда поставки будут осуществляться беспилотными грузовиками, что также приведет к перестройке цепочек поставок.
Наконец, когнитивные технологии идут на пользу и компаниям-производителям. Само собой, некоторые из них внедряют когнитивные технологии в свои продукты. Как я покажу в главе 4, совершенствование продуктов с помощью когнитивных технологий входит в задачу большого количества компаний. Транспортные средства, телекоммуникационные и вычислительные устройства, промышленное оборудование, бытовая техника – все эти продукты рано или поздно смогут стать платформами для технологий ИИ. Некоторые из них уже стали такими платформами, хотя размах используемых в них технологий пока не поражает. Конечно же, производители легковых и грузовых автомобилей стараются как можно скорее сделать свои транспортные средства более автономными. В отсутствие когнитивных технологий об этом оставалось бы только мечтать.
Но когнитивные технологии используются и для перестройки различных аспектов самого процесса производства. Роботы неизменно становятся более контактными и работают с большей гибкостью. Они все чаще обладают интеллектом, который могут обеспечить только когнитивные системы. Когда они начнут общаться друг с другом и учиться друг у друга, уровень их интеллекта будет расти как на дрожжах (глава Исследовательского института Toyota Гилл Пратт в своей авторитетной статье назвал это «кембрийским взрывом» интеллекта роботов)[28].
Кроме того, когнитивные технологии используются, чтобы сделать промышленное оборудование более производительным и надежным. Над этим работает целый ряд компаний, но больше всего усилий прилагает GE. Все данные с датчиков, установленных на произведенных GE реактивных и газотурбинных двигателях, ветряных турбинах, сканерах МРТ и КТ и других аппаратах, записываются и хранятся в виртуальном макете. Эта цифровая модель может обнаруживать неполадки и сообщать о необходимости ремонта и обслуживания, тем самым снижая длительность незапланированных простоев аппарата или устраняя простои вовсе. Можно также построить виртуальный макет целой группы машин, например всего заводского оборудования или воздушного флота.
Виртуальный макет постоянно получает подпитку данными, в которых может быть множество переменных. Со временем переменные и модели, сообщающие о необходимости ремонта и обслуживания оборудования, могут меняться. В таких ситуациях лучше всего использовать технологию машинного обучения. Она способна учиться на новых данных и со временем корректировать прогностические модели. Кроме того, эта когнитивная технология может обнаруживать аномалии, характерные особенности и тенденции работы машины, а также понимать модель ее поведения и замечать удачные аспекты функционирования, чтобы использовать все эти данные в качестве образца для настройки других машин. Уже имея около 750 000 виртуальных макетов, GE быстро увеличивает их число.
Само собой, когнитивные технологии можно использовать и в других областях. Они уже применяются при разработке новых продуктов, в финансовой сфере, в области информационных технологий и многих других отраслях. Если нужно принять решение, для которого необходимо проанализировать огромный объем структурированных данных, уместно использовать технологии машинного обучения. Если нужно проанализировать текст или речь, можно применить технологию обработки естественного языка. Нужно распознать изображения? Возможно, вам понадобится глубокое обучение. Как вы догадываетесь, в бизнесе существуют сотни или даже тысячи сценариев, для которых подойдет та или иная форма ИИ. Не любая технология подойдет везде идеально, но лучше рассмотреть все возможные варианты.
Почему только крупные компании и технологические стартапы?
До сих пор активнее всего ИИ внедряли «цифровые аборигены» – онлайн-компании (Google, Facebook и др.), крупные предприятия и технологические стартапы, у многих из которых определенные аспекты когнитивных технологий лежат в основе бизнеса. Малые и средние компании, работающие за пределами технологической сферы, внедряют когнитивные технологии относительно редко. Этому есть несколько причин – уважительных и не очень.
Прежде всего схема внедрения ИИ не слишком отличается от схемы внедрения других технологий. Технологические компании внедряют технологии рано по очевидным причинам. Стартапы выстраивают свою деятельность вокруг новых технологий. Как правило, следующими в очередь за технологиями выстраиваются крупные предприятия, которые достаточно подкованы в технологическом отношении, чтобы инвестировать в новые технологии, и могут позволить себе нанять сотрудников для разработки и внедрения новых решений.
Подобным образом внедрялись технологии больших данных и аналитики – технологические компании и крупные предприятия обратились к ним достаточно рано. Как оказалось, своевременное внедрение этих технологий имеет решающее значение для успешного внедрения когнитивных технологий. В основе большинства когнитивных технологий лежит статистика, а если ваша организация не работала со статистикой и аналитикой, вероятно, она не справится и с технологиями ИИ.
Крупные компании (в частности, компании, значительную часть клиентов которых составляют конечные потребители), как правило, располагают огромными объемами данных об этих клиентах и совершенных с ними сделках. В процессе своей деятельности они генерируют значительные объемы данных о других аспектах ведения бизнеса. Это дает существенное преимущество при использовании когнитивных методов и инструментов, для корректной работы которых требуется большое количество данных. Небольшие компании, а также компании, клиентами которых выступают не конечные потребители, не всегда располагают необходимыми данными – по крайней мере о своих клиентах. Однако компании, ведущие бизнес для бизнеса, могут применять все больше когнитивных технологий, используя машинные данные или выбирая технологии другого типа.
Размер компании может давать финансовые преимущества, которые поспособствуют внедрению ИИ в крупных организациях. Некоторые программы достаточно дороги. Хотя не все когнитивные программы стоят больших денег (некоторые из них можно получить бесплатно в качестве программного обеспечения с открытым кодом), обучение навыкам работы с ними стоит немало[29]. Крупные компании могут позволить себе оплачивать работу поставщиков закрытых технологий, а также платить консультантам и специалистам по работе с данными. Небольшие компании часто не могут себе этого позволить.
Вероятно, главная проблема средних и малых компаний, отстающих в деле внедрения ИИ, заключается в том, что им недостает понимания, на что способны новые технологии. В крупных компаниях работают профессионалы, следящие за развитием технологий и внедряющие многообещающие технологии в организации, но в малых компаниях таких сотрудников обычно нет. Руководители малых и средних компаний часто слишком озабочены производством продуктов (или услуг), их продажей и применением на практике. Даже если когнитивным технологиям под силу сделать все эти процессы гораздо лучше, быстрее и дешевле, руководители компаний могут не знать о такой возможности. Руководителям малых и средних компаний стоит выделять время на то, чтобы смотреть по сторонам и заглядывать в будущее в поисках технологий, которые могут сделать их организации успешнее.
Конечно же, крупные компании тоже сталкиваются с некоторыми трудностями при внедрении ИИ. Как правило, в основе их деятельности лежат отлаженные бизнес-процессы, которые обслуживаются устаревшими ИТ-системами. Внедрять в эти системы технологии ИИ порой нелегко. Например, если компания разработала новый набор моделей предрасположенности к покупке, чтобы выявлять наиболее вероятных покупателей конкретных продуктов и услуг, внедрить рекомендации в системы и процессы взаимодействия с клиентами (и в работу специалистов отдела продаж), скорее всего, будет довольно сложно. Кроме того, для крупных компаний характерны бюрократические процедуры планирования и устоявшиеся процедуры распределения средств, которые меняются не так часто, как следовало бы. Однако в целом крупные компании внедряют технологии ИИ чаще, чем малые и средние организации. К несчастью для небольших компаний, весьма вероятно, что ИИ поможет крупным компаниям стать еще крупнее.
Уже не разведка, но еще не глубокое погружение
Насколько привержены этим технологиям крупные компании? Большинство из них уже не просто проводят разведку, но еще не готовы нырнуть в омут с головой. Многие компании изучают когнитивные технологии на экспериментальной основе. Директор по информационным технологиям GE Джим Фаулер высказался от лица многих крупных компаний, когда (в конце 2017 г.) сказал, что в 2018 г. «необходимо поумнеть в отношении ИИ и перейти от экспериментов к решению множества реальных проблем»[30].
Экспериментальный подход к внедрению ИИ имеет ряд особенностей. Первая из них – несколько консервативный уровень расходов на технологии. Лишь 12 % компаний, представленных в опросе, инвестируют в когнитивные технологии не менее $10 млн. Примерно по 25 % компаний тратят на технологии от $5 млн до $10 млн, от $1 млн до $5 млн или от $500 000 до $1 млн, а 7 % выделяют на технологии менее $500 000. В другом опросе 59 очен