Текст книги "От предвидения к власти. Как ИИ-прогнозирование трансформирует экономику и как использовать его силу в своих целях"

Глава 6. Правила цементируют

Хирург и автор книг на медицинские темы Атул Гаванде обожает чек-листы и даже посвятил им отдельный труд, практически оду. Он поставил себе цель объяснить высококвалифицированным специалистам – суперпрофессионалам, что нет ничего зазорного в том, чтобы проставлять галочки в списке. Это неотъемлемая часть любой работы в постоянно усложняющихся условиях.

Невозможно представить современную организацию, в которой не используются чек-листы. Когда армия США искала новый бомбардировщик, то первоначально отвергла модель 299 компании Boeing ради альтернативного варианта – самолета Douglas от авиастроителя McDonnell. При этом истребитель Boeing имел в пять раз большую грузоподъемность, более высокую скорость и вдвое большую дальность полета. Но во время испытаний он потерпел крушение. Авария произошла не из-за конструктивных особенностей, а из-за ошибки пилота. Самолет оказался сложнее в управлении, чем у конкурентов.

Однако армия все равно решила закупить несколько моделей Boeing-299. Как отмечает Гаванде, вместо того чтобы проводить дополнительное обучение пилотов, руководство поступило проще: пилотам выдали специально разработанный чек-лист для различных процедур, например для взлета и посадки.

Само его существование говорит о том, насколько далеко продвинулось летное дело. В ранние годы авиации поднятие самолета в воздух требовало крепких нервов, но не представляло особой сложности. Пилоту чек-лист процедур требовался не больше, чем водителю, выезжающему на автомобиле из гаража. Но этот новый самолет слишком сложен в управлении, чтобы полагаться на память любого пилота, пусть даже опытного.

Имея на руках чек-лист, пилоты налетали на самолете модели 299 в общей сложности 1,8 млн миль без единой аварии. В итоге армия заказала почти тринадцать тысяч таких самолетов, получивших название B-17.

Гаванде убедительно доказывал, что современная медицина настолько сложна, что применение чек-листов вполне оправданно. Он понимал, что это нелегко. В конце концов, ведущие хирурги все еще сопротивляются необходимости мыть руки и проходить санитарную обработку. Но в сложных условиях чек-листы распространены повсеместно – от строительных площадок до Cheesecake Factory[4]4
  Американская ресторанная сеть. Прим. ред.


[Закрыть]. Если они могут спасти жизнь, то врачи, несомненно, должны с этим смириться. Мы не будем спорить с Гаванде о ценности этого инструмента, но посочувствуем тем, кто его использует. Чек-лист обязан своим появлением неопределенности. В сложной системе существует множество взаимосвязанных частей, и множество людей выполняют задачи, чтобы она функционировала. В такой ситуации чек-лист – это не просто перечень с отметками напротив выполненных работ, он воплощает в себе правила и декларирует необходимость следовать им, чтобы обеспечить надежность и уменьшить количество ошибок. Альтернатива заключается в том, что профессионалы принимают решения на основе собственных наблюдений, что создает проблемы и неопределенность для других людей.

В крупных компаниях существуют чек-листы. Аналогичную роль выполняют и СОП. Как уже говорилось в главе 4, это подробные руководства, в которых указаны все шаги, которые должны выполнить люди, включая проверку их выполнения. Благодаря СОП функционируют сложные организации. Но мы должны понимать, что они представляют собой на самом деле. Это правила, которым нужно следовать, а не решения, которые нужно принимать.

СОП и чек-листы – это осколки скрытой неопределенности, породившей множество правил, вошедших в кровь и плоть организации. Каждое правило имеет свою неопределенность, которая привела к его появлению. И для каждого закономерен вопрос: можно ли повысить производительность труда, имея инструменты прогнозирования на основе ИИ, благодаря которым это правило заменяется решением и исчезает из руководства по СОП?

Разные люди и правда разные

Правила предполагают выполнение одних и тех же действий всеми сотрудниками, как будто они все одинаковы. Но это не так. Разные люди – разные. Это, пожалуй, основной урок маркетинга. Поэтому маркетологи пытаются сегментировать потенциальных потребителей и адресовать продукт тем группам, которым он может показаться привлекательным.

Маркетологам, которые предлагают всем один и тот же продукт, не хватает информации. Знай они больше, могли бы персонализировать товары и услуги. Маркетологи перешли бы от правил, согласно которым все покупатели одинаковы, к решениям, позволяющим предоставлять нужные продукты нужным людям в нужное время.

Радио полностью подчинено правилам. Станции нанимали диджеев, которые ставили для всех слушателей одни и те же песни. Потоковые музыкальные сервисы, такие как Spotify, Apple Music и Pandora, позволяют производить персональные плейлисты.

Но какие проблемы возникают в создании ценности при помощи персонализированных списков воспроизведения? Дэвид Рейли и Хункай Чжан из Pandora задались этим вопросом, когда решили изучить другие правила в своей компании. Хотя плейлисты были персонализированы, в остальном бизнес работал по правилам. Pandora использует модель freemium. Некоторые пользователи платят и получают возможность слушать музыку без рекламы. Можно и не платить, но тогда придется просматривать определенное количество рекламных роликов в час.

Рейли и Чжан, работая с профессором Вашингтонского университета Али Голи, поняли, что могут применить ИИ к данным эксперимента, в ходе которого определялось, насколько людям не нравится реклама и насколько им нравится сервис. Машина выдавала персонализированные прогнозы, позволяющие оценить не только среднее восприятие рекламы людьми, но и различия между ними в этом вопросе.

Благодаря этой информации им больше не нужно было придерживаться правил размещения рекламы. Вместо этого кому-то демонстрировалось больше рекламных роликов, а кому-то меньше. В компании поняли, что таким путем можно значительно увеличить прибыль. ИИ предсказал, кто из клиентов будет слушать музыку чаще, если сократить количество рекламы. Он также заранее определил, кого из слушателей можно подтолкнуть к переходу на платную версию.

Благодаря этой информации отпала необходимость в правиле показывать всем одинаковое количество рекламы. Можно показывать меньше рекламы тем слушателям, которые задержатся в приложении, если рекламы станет меньше. Можно, напротив, предлагать больше рекламы тем, кого можно убедить оформить подписку. Исследовательский отдел компании Pandora показал, как ИИ обеспечивает переход к принятию новых решений.

В действительности все оказалось сложнее. Расширение рекламных возможностей требует поиска рекламодателей. По оценкам Голи, Рейли и Чжана, только две трети рекламных блоков будут заполнены. Проблема заключалась в том, что нужны были новые рекламодатели, чтобы не посылать одно и то же объявление одному и тому же клиенту снова и снова. Для успешной реализации проекта требовалась новая стратегия продаж рекламы.

Также необходимо предугадать реакцию покупателей. Наибольшую прибыль ИИ, помогая выявлять клиентов, которые колебались в выборе между бесплатной и платной версиями. Предлагалось увеличить количество показываемой им рекламы и тем самым снизить качество бесплатной версии и создать дополнительный стимул для перехода на платный тариф. Однако клиенты вряд ли обрадовались бы, используй Pandora их данные именно таким образом. Следовательно, опасность этой стратегии в том, что они вообще покинут сервис.

Из-за описанных выше ограничений в Pandora пока не реализовали эту возможность ИИ и пока по-прежнему используют правила, чтобы определять объем демонстрируемой рекламы. Создание ИИ – это первый шаг к отказу от правил. Но для перехода к решениям необходимо изменить бизнес-процессы.

Еще один кирпич в стене

Сфера образования выстроена на правилах. Где сидеть. Как себя вести. Что делать. Один из нас (Ави) получил из школы, где учится его ребенок, «Руководство для родителей по школьной политике и практикам» на пятидесяти девяти страницах. В нем рассказывается о правилах гигиены и безопасности, связанных с аллергией, педикулезом, травмами и иммунизацией. Объясняется, как отвозить детей в школу и как их забирать. Также регламентируется выполнение домашних заданий, празднования дней рождения, использование мобильных телефонов, распределение по классам. И все это предназначено исключительно для родителей!

Эти правила служат определенной цели. Они обеспечивают безопасность и эффективность системы образования. Как говорил Космо Креймер, герой сериала «Сайнфелд», «правила есть правила, и давайте посмотрим правде в глаза: без них наступит хаос».

Конечно, правил может стать слишком много. Опасения по поводу того, что образование унифицирует и обезличивает, имеют давнюю историю. В 1859 году британский философ Джон Стюарт Милль в работе «О свободе» писал, что «…государственное общее образование – это всего лишь средство сделать людей похожими друг на друга».

Педагогам хорошо известно противоречие между правилами и гибкостью. Образовательные документы описывают эту проблему и пытаются ее решить. В «Стандартах обучения в детском саду штата Нью-Йорк» подчеркивается:

Вместо того чтобы закреплять последовательность уроков или учебных программ для всех детей во всех детских садах, стандарты призваны сформировать ожидания от того, что дети могут узнать и сделать. Их обучение не стандартизировано, а персонализировано, дифференцировано, адаптировано, культурно и лингвистически релевантно и основано на контексте. Хотя мы можем ставить одинаковые цели обучения для всех детей, наши средства достижения этих целей в значительной степени учитывают особенности каждого конкретного ребенка.

То есть стандарты одни для всех, но на их основе каждый ребенок учится по-своему. Это прекрасная концепция – и сложная в реализации. Есть педагоги, которым удается воплощать ее в жизнь. Они адаптируют содержание урока к индивидуальным особенностям детей в своем классе. Другим учителям это дается труднее. С глобальной точки зрения это еще сложнее. Государства с высоким уровнем дохода тратят тысячи долларов на каждого ребенка. Многие страны с низким уровнем дохода тратят всего 50 долларов на ребенка в год. При столь ограниченных ресурсах трудно отойти от правил.

Начнем хотя бы с обучения предпринимательству. Такие организации, как Всемирный банк, и правительства разных стран мира ежегодно тратят более миллиарда долларов на обучение около 4 млн потенциальных и действующих предпринимателей в развивающихся странах. Многие из этих учебных программ направлены на улучшение деловой практики и повышение прибыли, но они дорогостоящие и отдача от инвестиций не всегда очевидна. Онлайновое обучение кажется перспективным, но оно не может быть единообразным. Универсальные рекламно-информационные ролики мало что меняют. Один из главных уроков заключается в том, что лучше всего работает интенсивное индивидуальное обучение. Вот только как обеспечить такое индивидуальное обучение в масштабах компании?

Экономисты Ичжоу Цзинь и Чжэньюнь Сунь решили, что в этом способен помочь ИИ. Они работали с крупной платформой электронной коммерции, которая обучала предпринимательству, для сотен тысяч новых продавцов. Программа обучения включала десятки разных модулей и концентрировалась главным образом на создании сайта, маркетинговой стратегии и обслуживании клиентов. Например, в рамках тренинга можно получить чек-лист лучших практик по составлению описаний товаров, чтобы потребители понимали, что они покупают. Другой аспект обучения посвящен оптимизации поисковых систем и подбору ключевых слов.

Не все модули одинаково актуальны для всех, и новый продавец мог не знать, какое именно обучение ему необходимо. ИИ обеспечил персонализацию. Он получил данные о реальных операциях и продуктах продавца и разработал последовательность обучения. Затем рекомендовал соответствующие модули, впоследствии пройденные продавцами. Таким образом, сотни тысяч продавцов получили персонализированное обучение предпринимательству. Вместо правила, согласно которому каждый продавец получает одну и ту же информацию, ИИ позволил принимать новые решения о том, кто и какое обучение проходит. Эффективность программы оценивалась в рандомизированном контролируемом исследовании. Двум из 8 млн продавцов на платформе было предложено пройти обучение. Из них около 500 тыс. воспользовались предложением. У тех, кто прошел обучение, выручка увеличилась на 6,6 %. За год благодаря программе их выручка выросла примерно на 6 млн долларов. Казалось бы, это не так уж много: 12 долларов на одного продавца в год, но следует учесть, что средняя годовая выручка составляет 200 долларов. Сделать экономически эффективной индивидуальную программу обучения с преподавателями-людьми невозможно. Зато ИИ позволяет принимать решения о том, какое обучение предложить тому или иному предпринимателю, и при этом охватывает сотни тысяч предприятий. ИИ позволяет принимать решения на основе правил и создает ценность в масштабах компании.

Отказ от правил

Когда правила существуют уже долгое время, бывает трудно разглядеть систему, в которую они встроены. Взаимосвязь правил и процедур склеивает их в систему. Если какое-то из них меняется, то одновременно меняются и все остальные. В бесплатной версии Pandora каждый пользователь видит одинаковое количество рекламы. В целом это справедливо для средств массовой информации, живущих за счет рекламы. Сетевые телеканалы отводили на рекламу восемь минут каждые полчаса. Именно это правило определяло их доходы. На нем строился целый ряд других процессов. Один эпизод сериала стандартно длился двадцать две или сорок четыре минуты. Следовательно, сценаристы должны были придумывать серии одинаковой продолжительности с естественными рекламными паузами. Это правило закрепилось на телевидении.

В качестве примера альтернативной системы контента можно привести YouTube. В отличие от кабельного телевидения, создатели роликов на YouTube не ограничены во времени. ИИ прогнозирует, что будет наиболее интересно зрителям. Он управляет поиском и системой рекомендаций и позволяет найти подходящий контент, хотя каталог вариантов кажется бесконечным. Кроме того, ИИ может предсказать, какую рекламу целесообразно предложить тем или иным пользователям. Важно, что такие прогнозные возможности гораздо более ценны в системе, позволяющей разным людям просматривать различный контент. Даже если бы кабельное телевидение имело ИИ, способный генерировать подобные прогнозы, их ценность была бы существенно ниже, поскольку в этой системе все зрители смотрят одно и то же. Поэтому максимум, что ИИ мог бы сделать в такой ситуации, – предсказать, какая реклама будет наиболее привлекательной для большинства зрителей.

Иными словами, тот же ИИ, который прогнозирует зрительскую привлекательность контента и рекламы, гораздо более ценен в системе YouTube, чем в телесетях. И хотя он непосредственно предназначен для поиска контента в огромном каталоге и для подбора рекламы, косвенно он обеспечивает гибкий подход к продолжительности роликов, поскольку решения для поиска контента и рекламы позволяют перебирать бесконечное число комбинаций контента, рекламы и тайминга. В то же время для кабельного телевидения колебания в продолжительности программ неприемлемы.

В системе школьного образования дети из одного класса осваивают одни и те же предметы. Существует фиксированный учебный план. «Школьники обучаются в составе классов, которые формируются в зависимости от даты рождения детей – как будто это самое главное, что их объединяет». Например, в провинции Онтарио, где мы живем, почти все, кто родился в 2009 году, пошли в начальную школу в 2015-м, а в колледж – в 2023-м. Эти правила позволяют устранить неопределенность, связанную с уровнем подготовки того или иного ученика как по академическим, так и по социальным причинам. Правила, в свою очередь, складываются в систему: подготовка учителей к управлению ограниченным разнообразием запросов к образованию; скромная дополнительная помощь и ресурсы для отстающих учеников.

На уровне колледжа существуют номинальные программы для студентов, которые не вписываются в стандартную процедуру обучения для своего возраста: альтернативные школы, программы трудоустройства и процедуры получения сертификатов, эквивалентных уровню средней школы.

ИИ, прогнозирующий оптимальный учебный материал для каждого учащегося, позволит персонализировать образование: ученики, быстро освоившие новую тему, перейдут к следующей, пока не успели заскучать; дети, которые продвигаются медленно, получат дополнительное время и смогут упражняться, пока не будут готовы идти дальше. В какой-то степени ИИ может повысить эффективность обучения в существующей системе школьного образования, но его влияние будет ограниченным. Ведь ученику, который отучился по программе класса, соответствующего его возрасту, придется или закончить на этом учебный год, или продолжать при ограниченной поддержке педагога. Учителя часто специализируются на работе со школьниками определенного возраста (например, математика в средних классах). В современной школе эта проблема особенно обостряется в старших классах: со временем увеличивается разрыв в знаниях между школьниками в зависимости от того, как быстро они усваивают материал. Чтобы поддержать учеников, учителям придется овладевать преподаванием все более широкого круга тем.

Представьте систему, в которой дети объединены в класс (их физическое и социальное развитие определяется физиологическими факторами), но при этом с каждым из них работают разные наставники и учителя в зависимости от индивидуальных потребностей в обучении. Выбор преподавателей для конкретного ученика не зависит от возраста, а определяется его запросами и способностями в той или иной предметной области. Эффект от использования ИИ в этой новой системе будет гораздо выше, чем в существующей: получится персонализировать и образовательную программу, и стиль обучения. Для тех, кто быстро усваивает одни предметы и медленно – другие, можно соответственно скорректировать учебный процесс. Те, кто стремится к приобретению определенных навыков, получат преподавателей, специализирующихся в этих областях. Учителям не придется выбирать унифицированный подход, приемлемый для большинства. Педагоги, которые добиваются прекрасных результатов в обучении отстающих детей чтению, и их коллеги, которые готовят школьников к математическим олимпиадам, – все смогут полностью посвятить себя тому, что у них получается лучше всего.

Для борьбы с неопределенностью были введены такие правила, как 22-минутное программирование и учебные планы для каждого класса. Создавались многочисленные «подпорки» для оптимизации работы системы. Правила, незаметные для случайного наблюдателя, стали цементом, который обеспечивает устойчивость системы. Внедрение ИИ, позволяющего преобразовать правило в решение, на первый взгляд привлекательно, но его влияние нередко ограниченно, поскольку заменяемое правило тесно связано с другими элементами системы.

Внедрение ИИ, подбирающего наилучшее содержание обучения в действующую систему школьного образования, принципиально ничего не изменит, поскольку правило составления учебного плана для каждого класса с одним учителем на класс – это краеугольный камень существующей системы образования, особенно в начальной школе. Напротив, если тот же ИИ встроить в новую систему образования с использованием персонализированного контента и индивидуального темпа обучения в сочетании с индивидуальными консультациями, групповыми проектами и поддержкой учителей, то это, вероятно, намного сильнее повлияет на образование и личностный рост и развитие. Однако потребуется гораздо более гибко распределять наставников и учителей, а также изменить подготовку преподавателей. Другими словами, на правилах составления учебных планов, которые учитывают возрастные особенности, держится большая часть современной системы образования. Поэтому ИИ, персонализирующий учебный контент, может принести в этой системе лишь ограниченную пользу. Потенциал машин в области персонализированного образования не в том, чтобы строить модели прогнозирования, а в том, чтобы отвязать образование от правила составления учебных планов, которое в настоящее время связывает систему.

КЛЮЧЕВЫЕ МОМЕНТЫ

• Как и СОП, чек-листы – это воплощение правил и необходимости их соблюдения. Они призваны обеспечить надежность и уменьшить количество ошибок. Альтернатива в том, что люди принимают решения на основе собственных наблюдений. Переход от правил к решениям повышает качество конкретного действия, но при этом может создать проблемы и неопределенность для других людей.

• Правила объединены в систему. Именно поэтому трудно заменить одно правило решением с помощью ИИ. Часто бывает так, что очень мощный ИИ приносит лишь незначительную пользу, поскольку он внедряется в систему, многие части которой были разработаны с учетом правил и сопротивляются изменениям. Они взаимозависимы и склеены друг с другом.

• В качестве примера можно привести ИИ для персонализированного образования, который прогнозирует, какой контент лучше всего предложить учащемуся. Его внедрение в систему, разработанную на основе правил составления учебных планов с учетом возраста, приведет к снижению эффективности обучения, в то время как внедрение в новую систему, включающую индивидуальные консультации, групповые проекты и поддержку преподавателя, скорее всего, гораздо сильнее повлияет на качество образования, личностный рост и развитие ученика. Основная проблема, мешающая ИИ раскрыть свой потенциал в области персонализированного образования, заключается не в построении модели прогнозирования. Она в том, чтобы отвязать образование от правил составления учебных планов в соответствии с возрастом учеников, которые в настоящее время цементируют систему.