Читать книгу "Ключевые идеи книги: Интеллектуальная автоматизация. Как использовать искусственный интеллект для развития бизнеса и сделать наш мир более человечным. Паскаль Борне, Ян Баркин, Йохен Вирц"

Ключевые идеи книги: Интеллектуальная автоматизация. Как использовать искусственный интеллект для развития бизнеса и сделать наш мир более человечным. Паскаль Борне, Ян Баркин, Йохен Вирц

Авторы:

Pascal Bornet, Ian Barkin, Jochen Wirtz

Оригинальное название:

Intelligent Automation: Welcome to the World of Hyperautomation: Learn How to Harness Artificial Intelligence to Boost Business & Make Our World More Human

www.smartreading.ru

Что обещает IA

Интеллектуальная автоматизация рабочих процессов (Intelligent Automation, IA) – совсем новое понятие, официально введенное только в 2017 году. Это не отдельная технология, а фактор, который объединяет передовые технологии с целью оптимизации бизнеса и производства.

IA включает в себя и искусственный интеллект, и робототехнику, и технологию блокчейн, используя их суммарный эффект для качественного переосмысления рабочих процессов. Само появление понятия IA означает, что современные технологии развились до такой степени, что меняют наши представления о продуктивности труда, его инструментах и занятости людей в рабочих процессах. IA можно считать знаком четвертой технической революции. Первая связана с паровым двигателем, вторая – с внедрением массового производства, третья – с цифровыми технологиями.

Цель IA – оптимизировать труд работников умственного труда: инженеров, врачей, бухгалтеров, дизайнеров, архитекторов. Если конвейер в начале XX века упростил работу с материалами, то IA оптимизирует работу с информацией. У IA три ключевые задачи:

1) автоматизировать рутинные действия работников (создание презентаций PowerPoint для еженедельных планерок, счетов-фактур в бухгалтерском ПО);

2) увеличить ценность выполняемой работы (расширенная аналитика больших данных с помощью ИИ, помогающая менеджерам принимать более точные решения);

3) отказ от работы, которая не соответствует передовым практикам (офлайн-совещания, которые заменяются видеосвязью, сокращение трафика электронной почты).

Выполнение всех трех задач вполне реально, если учитывать такие факторы IA, как:

▶ надежность (системы IA всегда дают один и тот же результат, основанный на одних и тех же вводных данных, и их уровень производительности остается неизменно точным);

▶ универсальность (алгоритмы ИИ с равной эффективностью применимы и в банковском деле, и в медицине, и в дизайне);

▶ масштабируемость (быстрая разработка программ, их мгновенный запуск с почти нулевыми дополнительными затратами);

▶ доступность (ИИ работает в режиме 24/7 без перерывов и выходных, кроме того, его технологии, как правило, имеют интуитивно понятный пользовательский интерфейс);

▶ экономическая привлекательность (большинство технологий ИИ доступно по разумной цене и обычно окупается меньше чем за год).

Словом, IA для «белых воротничков» – все равно что тракторы для фермеров: машины не отменяют людей, но увеличивают их эффективность в разы. Но в отличие от тракторов, IA не требует дорогостоящей транспортировки и обновляется в режиме онлайн.

86 % мировых бизнес-лидеров полагают: для того чтобы оставаться на плаву, их компании должны внедрить IA в ближайшие пять лет. За последние четыре года число компаний, внедряющих IA, выросло на 270 %. К 2025 году объем мирового рынка IA достигнет $15,8 млрд, увеличившись на 12,5 % с 2020 по 2025 год. По мнению экспертов, в ближайшие пять лет IA достигнет такого уровня развития, на который промышленной автоматизации потребовалось 200 лет.

При этом IA задает новые правила бизнеса, предлагая:

1) не оцифровывать уже существующий бизнес, а создавать новое цифровое предприятие, сосредоточенное вокруг передовых технологий;

Когда рынок офлайновых игрушек Lego стал стремительно сокращаться, компания запустила новые цифровые проекты, охватывающие видеоигры и соцсети, и тем самым увеличила свою чистую прибыль в четыре раза за 10 лет, с 300 млн евро в 2009 году до 1,1 млрд в 2019-м.

2) создавать экосистемы данных – взаимосвязанный набор услуг, который позволяет удовлетворять разные потребности клиентов в одной интегрированной среде. Так, согласно анализу McKinsey, в банковской отрасли экосистемы обеспечивают экономию затрат на привлечение клиентов в размере до 20 %. 80 % взаимодействия клиента и компании может стать полностью бесконтактным и при этом многоканальным, с возможностью беспроблемно переключаться между разными видами связи (телефоном, почтой, чатом) и разными сотрудниками службы поддержки.

Чем больше данных анализирует ИИ, тем точнее его предложения для клиентов, тем больше выгода для компании. Алгоритм Netflix для персонализации рекомендаций, предложенный 100 млн подписчиков по всему миру, сэкономил компании $1 млрд годового дохода.

В мировых масштабах IA сэкономит еще больше денег и жизней:

▶ $1 трлн, в который ежегодно обходятся американскому здравоохранению ошибки врачей;

▶ $3 трлн – ежегодные убытки мировой экономики от несчастных случаев и заболеваний, связанных со стрессом на работе;

▶ 10 млн жизней, которые ежегодно можно спасти, если тщательнее мониторить здоровье граждан с целью профилактики инфарктов, инсультов и диабета.

Что умеет IA

Умное зрение

В последние годы функция наблюдения за окружающей средой и распознавание объектов улучшились на порядок.

▶ IA помогает автоматизировать обработку документов: счетовфактур, контрактов, квитанций – до 80 % всей документации компании.

▶ Эффективность IA в определении патологий на медицинских снимках достигает 80–90 %.

▶ Умные датчики и камеры качественно оптимизируют работу магазинов: оценку товарных запасов, анализ поведения покупателей, оплату товаров берут на себя алгоритмы (Amazon уже экспериментирует с автоматизированными супермаркетами Amazon Go). А технология V–Count использует камеры видеонаблюдения для анализа трафика клиентов и создания рекламных акций в режиме реального времени на основе их поведения.

▶ Автоматизированный анализ биометрии позволяет в разы упростить аутентификацию сотрудников на их рабочих местах (с 2022 года большинство жителей Сингапура смогут проходить иммиграционные контрольно-пропускные пункты, не вынимая паспорта, – автоматизированные службы будут идентифицировать их на ходу по сетчатке глаза и чертам лица).

Умные руки

Представим себе процесс рассмотрения претензии в страховой компании, управляемой IA. Во-первых, клиент может зарегистрировать претензию онлайн. Во-вторых, эта заявка подтверждается программой, отвечающей за проверку соответствия документа требованиям оформления. В-третьих, в зависимости от характера претензии она может быть удовлетворена автоматически. Если же нет, программа выбирает наиболее оптимальный способ решения проблемы с привлечением наиболее подходящего сотрудника. При этом программа умеет анализировать время, затрачиваемое на каждый шаг, и определять области, которые можно оптимизировать.

Все это происходит благодаря роботизированной автоматизации технологических процессов (robotic process automation, RPA). Стоимость лицензии RPA довольно низкая, настройка проста в использовании и вдобавок предполагает самообучение (программа записывает задачи, выполняемые пользователем на компьютере, и использует эту информацию для предварительного кодирования бота – это позволяет автоматически генерировать до 40 % кода). Ключевое преимущество RPA – создание программ, включающих устаревшие системы или учитывающих нестандартные требования (скажем, привлечение клиентов в вашу страховую компанию с учетом законодательства стран Юго-Восточной Азии).

Чем больше сквозных процессов обрабатывает RPA, тем эффективнее работа компании (это, однако, требует четкой отлаженности модулей RPA). В течение следующих пяти лет RPA станет ключевым направлением для организаций.

Умные собеседники

Голосовые помощники становятся все умнее благодаря тому, что совершенствуются методы обучения машин естественному языку. Если раньше они предполагали набор определенных жестких правил, то теперь на помощь пришли принципы глубокого обучения, когда алгоритмы учатся предсказывать следующее предложение на основе проанализированного массива текстов.

Компания Илона Маска еще в 2019 году создала искусственный интеллект, который генерирует настолько качественные тексты, что его решено было выпустить только в упрощенной версии.

В результате работники получают автоматизированных помощников, которые не только отлично понимают смысл просьб, но и ориентируются на эмоции в голосе говорящего. Благодаря этим способностям боты уже выполняют функции психотерапевтов. Таков Woebot, созданный командой специалистов из Стэнфорда: в основе программы – ИИ, который обучен на принципах когнитивно-поведенческого подхода в психотерапии. В ближайшем будущем боты будут настолько же незаменимы, насколько сейчас незаменимы приложения.

Еще одна важная задача – обучить ИИ анализировать неструктурированную информацию: таковая составляет 80 % всех документов, текстов, произведений. Тут на помощь приходят платформы неструктурированного управления информацией (UIM), помогающие извлекать, классифицировать и преобразовывать неструктурированные данные в структурированную информацию, доступную для чтения и поиска.

Алгоритм Amazon Comprehend Medical помогает врачам изучать отчеты о клинических испытаниях и другие электронные медицинские записи.

Американский финансовый холдинг JP Morgan Chase использует программу, которая рассматривает коммерческие кредитные соглашения, за несколько секунд совершая работу, на которую ушли бы тысячи часов юристов.

В сфере управления персоналом системы UIM помогают искать талантливых сотрудников, анализируя огромное количество резюме и объявлений о вакансиях в разнообразных форматах.

Новые мозги

Волшебное открытие, навсегда преобразившее мировые технологии, – глубокое обучение. Благодаря ему мы так уверенно полагаемся на свои смартфоны. Благодаря ему компьютеры учатся так быстро. Секрет глубокого обучения в том, что, получая данные и извлекая из них закономерности, машина получает возможность обучать саму себя, без помощи человека.

Рынок платформ машинного обучения велик, но сводится к трем типам продуктов:

▶ платформы с открытым исходным кодом (Scikit Learn, Keras, PyTorch, R-Project) – они находятся в свободном доступе, открыты для доработки и подходят небольшим компаниям с ограниченным бюджетом;

▶ коммерческие платформы, традиционные (SAS, Matlab) и облачные (AWS, Google Cloud), предполагающие специализированную поддержку клиентов.

За некоторую сумму компания может арендовать вычислительные мощности, которые в разы ускорят и оптимизируют ее бизнес-процессы. Но глубокое обучение – не волшебная палочка. Есть две оговорки:

1. Алгоритмы работают с теми данными, которые им дали, ничего не домысливая. Если данные неполны, плохо структурированы, малопонятны самим сотрудникам компании, алгоритмы не создадут идеального решения. Исследования же показывают, что менее 1 % неструктурированных данных компании анализируется или используется вообще. 80 % времени аналитиков уходит на простое обнаружение и подготовку данных.

2. У IA есть свои ограничения: у машины отсутствует критическое и абстрактное мышление, креативность. Лучше всего она умеет решать узконаправленные специфические задачи. AlphaGo обыграла человека в го, однако это не значит, что она одержит верх и над шахматистами. Ей не по силам подготовить финансовый отдел любой компании. Даже технологии, считающиеся передовыми в области искусственного интеллекта, не могут быть полностью автономными: мощные алгоритмы Facebook[1]1
  Принадлежит компании Meta, которая признана в РФ экстремистской и запрещена.


[Закрыть] и Google по-прежнему активно поддерживаются людьми в фоновом режиме, иначе высоких результатов не добиться.

Среди четырех описанных возможностей нет универсальной: выбор всегда зависит от потребностей конкретного бизнеса.

Они не заменяют базовую ИТ-инфраструктуру компании и привлекаются только тогда, когда базовых способностей системы компании уже не хватает. К тонкостям их внедрения мы и переходим.

Как работать с IA

Пять установок на успех

Желание внедрить IA в свой бизнес еще не гарантирует успеха. По данным McKinsey, только 5 % всех рабочих задач могут быть автоматизированы полностью, 60 % – автоматизированы более чем на 30 %. Преобразование компании с помощью IA требует хирургической точности! Те компании, которые в этом преуспели, стали безусловными лидерами (Deutsche Bank, Pfizer, Amazon). Как им это удалось?

1. Необходима безусловная поддержка азартного руководства. Amazon таков, потому что им управляет визионер Безос. Руководство вырабатывает видение, разрабатывает стратегию и координирует управление.

2. Важна координация действий трех игроков:

▶ комитет по руководству IA, в который входят высшее руководство компании и сотрудники всех ключевых функций, принимающие участие в преобразовании. Комитет отвечает за координацию видения, бизнес-плана и конкретных действий сотрудников;

▶ команда, которая фокусируется на изучении и внедрении лучших практик в области IA (Centers of Excellence, CoE). Но часто компании создают еще и центр управления автоматизацией: CoE отвечает за внедрение новых приложений IA, центр управления автоматизацией – за их поддержку и развитие;

▶ лидер CoE, обеспечивающий координацию своей команды и комитета по руководству IA, регулярно отчитывается перед комитетом о ходе работы и возможных рисках.

Совет директоров компании должен состоять как из бизнес-управленцев, так и айтишников. Согласно опросу McKinsey, советы директоров наиболее эффективных компаний отличаются разнообразием ролей, туда входят и специалисты по обработке данных, и системные архитекторы, и разработчики, и бизнес-аналитики.

3. Важно мыслить глобально, но начинать с малого и быстро масштабироваться. Проработайте видение будущих изменений, но на первых порах ограничьтесь пилотным проектом. Убедитесь, что команда знает, как работают бизнес-процессы в соответствующей области, как настроить программу автоматизации с использованием определенных технологий, владеет соответствующими методами их доставки. Очень важен опыт подобных проектов: в самом начале стоит убедиться, что по крайней мере 30 % команды уже работали над похожими задачами.

4. IA – это трансформация бизнеса и мышления людей, а не просто технологический проект. Технологии – только инструмент. Самая лучшая лопата бесполезна, если рыть котлован в одиночку и без очевидной цели.

IA затрагивает культуру всей компании. Внедрение IA в изолированных командах бессмысленно. Ценность изменений должны понимать и принимать все сотрудники.

5. IA – это путешествие, а не пункт назначения. Трансформации бесконечны и диктуются постоянно меняющимися условиями.

Дорожная карта

Она включает пять пунктов:

1. Определение приоритетов для IA. Возможно ли автоматизировать выбранные рабочие задачи? Какие усилия для этого нужны? Каковы выгоды? С чего начать?

2. Перепроектирование процессов перед автоматизацией. Лучшие компании прибегают для этого или к методике бережливого производства (она нацелена на постепенные изменения), или к zero based-подходу, когда оптимальный новый процесс разрабатывается без учета нынешних ограничений (это требует больше времени и усилий, чем бережливый подход, но и результаты, как правило, более креативные и многообещающие). Перепроектирование процессов с точки зрения zero based-подхода применяется к сквозным процессам с большей стоимостью. В большинстве компаний более 50 % потенциальной стоимости преобразования приходится на 10–20 основных сквозных процессов. «Длинный хвост» возможностей автоматизации с более низкой стоимостью требует менее тщательной проработки. Определитесь, какие процессы следует радикально переработать, а какие просто оптимизировать.

3. Выбор поставщиков. Не тратьте на это больше чем пару недель: решения, предлагаемые ведущими поставщиками, обычно обладают весьма схожими функциями. Кроме того, большинство предлагаемых технологий хорошо интегрируются. Ваша цель – как можно скорее запустить IA в компании.

4. Подробная формулировка IT-требований: разделение и подготовка сред разработки, тестирования и производства, подготовка качественных тестовых данных до разработки, покупка достаточного количества лицензий для программ IA, обеспечение доступа к устаревшим системам.

5. Управление данными. Данные – топливо для эффективных автоматизированных процессов. Помните про опасность низкокачественных данных. Важно разработать и внедрить в масштабах всей организации обязательство относиться к данным как к ценному активу:

▶ уметь хранить и структурировать данные;

▶ продумывать меры безопасности и вопросы конфиденциальности;

▶ организовывать регулярные аудиты данных;

▶ формулировать приоритетные инициативы для сбора и анализа данных;

▶ определять их соответствие конкретным возможностям IA.

Как масштабировать IA в бизнесе

Самый важный этап в ходе внедрения IA – масштабирование до размеров всей компании, охват как можно большего числа процессов и задач. Этому способствует четыре фактора:

Фактор № 1. Демократизация технологий. Большинство сотрудников компании должны быть уполномочены создавать программы IA, которые помогут им в повседневной работе. Этому способствует внедрение программ с низким уровнем кода или программ no code, которые требуют от пользователей минимальных программистских навыков или же не требуют их вовсе.

В то же время рискованно оставлять управление такими программами бесконтрольным, поэтому успешные организации возлагают функцию контроля на центр управления автоматизацией. Центр выбирает сотрудников, которые обладают передовыми знаниями в области технологий, для поддержки других пользователей.

Несколько лет назад в интернете стала вирусной история одного программиста, который придумал программу, позволившую ему за 10 минут делать месячный объем работы. Она работала так хорошо, что ему даже пришлось добавить ошибки в ПО, чтобы скрипт выглядел более человечно. Но скоро программист почувствовал беспокойство: этично ли не рассказывать начальству о своей инновации? А если начальник узнает, не решит ли он заменить человека этой самой программой?

Если бы компания, в которой работает этот программист, действительно смотрела в будущее, она стала бы всячески поощрять подобные идеи, ведь они в разы увеличивают продуктивность и позволяют работникам проявлять изобретательность. Недаром все больше компаний хотят, чтобы их сотрудники работали только четыре дня в неделю, зато осознаннее и эффективнее.

Распространенная проблема в компаниях, внедряющих IA, – недоверие сотрудников решениям, принятым искусственным интеллектом. Скажем, врачи могут усомниться в корректности поставленного компьютером диагноза. Основания для недоверия у них есть, поскольку машина принимает решения по принципу «черного ящика»: мы часто не знаем, каким был ход ее рассуждений. В последнее время особое внимание уделяется разработке объяснимых моделей ИИ. Такова, например, методика LIME.

Проблема носит глобальный характер. В будущем, по мере внедрения ИИ в повседневные действия, правительства должны обязывать любую компанию объяснять решения своих собственных инструментов IA.

Фактор № 2. Конвергенция технологий. Четыре перечисленных выше умения ИИ (умное зрение и пр.) тем сильнее, чем теснее связаны. Разработка такой интеграции – сложный и долгий, но чрезвычайно перспективный процесс, так что компании не жалеют на него денег. SAP купила компанию по разработке программного обеспечения RPA Contextor в конце 2018 года с целью интеграции IA в свои существующие предложения ERP (Enterprise Resource Planning, планирование ресурсов предприятия). Теперь одно из новейших решений SAP, SAP Leonardo, сочетает в себе технологии в области и RPA, и машинного обучения, и интернета вещей, и блокчейна. Microsof t работает над аналогичными интеграционными проектами, но в еще большем масштабе, с базой пользователей Microsoft Office, а это 1,2 млрд пользователей.

Решающее значение тут имеет технология Application Programming Interface (API) – программный интерфейс взаимодействия между системами, что позволяет обмениваться данными внутри организаций и между ними, а также между разными компонентами ИИ. Когда вместо многошагового процесса регистрации мы просто жмем на кнопку «зарегистрироваться в Google», нам помогает именно API. Он убивает сразу двух зайцев: постоянно совершенствует свои навыки сбора информации и улучшает пользовательский интерфейс.

Фактор № 3. ИИ, который учит ИИ. Технология IA уже способна самостоятельно оценивать приоритеты возможностей IA, автоматизировать некоторые задачи обработки данных. На рынке доступны две основные технологии: автоматизированная генерация кода и AutoML, инструмент от Google, который автоматизирует разработку алгоритмов машинного обучения для самых разных задач. Важно, что такие системы не только генерируют рабочие задачи, но и следят за порядком в своих электронных мозгах, умея находить и корректировать отклонения от нормы.

Фактор № 4. Симбиоз людей и машин. По отдельности ни люди, ни машины не обеспечивают ожидаемого роста эффективности, так что будущее за более совершенными формами их взаимодействия. Этому поможет усовершенствование таких областей IA, как:

▶ понимание компьютерами вербальных команд сотрудников;

▶ сбор информации о поведении сотрудников на работе. Многие организации активно используют браслеты, камеры и GPS для сбора данных о сотрудниках. Так, патент Amazon на смарт-браслеты, которые будут носить сотрудники центра выполнения заказов, был одобрен еще в 2017 году (эти браслеты используют технологию ультразвукового отслеживания рук). Добавим сюда открывающиеся возможности интернета тел (IoB) – расширенной версии интернета вещей (гаджеты Apple Watch или Fitbits, кардиостимуляторы и пр.). Чипы, встроенные в тела сотрудников, уже используются в корпорациях для аутентификации безопасности: так, шведская компания Epicenter предлагает своим сотрудникам имплантируемый RFID-микрочип для замены пропусков;

▶ технологии дополненной реальности, которые в будущем способны качественно расширить возможности для удаленной работы (вообразим свое голографическое присутствие на конференции в другой стране).

Тенденции, определяющие успех IA в долгосрочной перспективе

Они включают три технологии, которые нужно иметь в виду всем, кто автоматизирует бизнес и хочет оставаться в нем успешным как можно дольше.

1. Обучение с подкреплением – способ обучения машины на практике путем учета многочисленных обратных сигналов. Неправильные решения, которые не позволяют машине добиться результата, отсеиваются, успешные решения становятся частью ее плана. Вообразим себе домашнего робота, который внимательно наблюдает за нашими действиями и оптимизирует под них домашнюю обстановку. Проблема в том, что обучать таким образом машины долго и сложно, так что потребуются годы, чтобы методика стала широко использоваться в IA. Однако, несомненно, ее час настанет.

2. Блокчейн. Сейчас он известен в основном по операциям с криптовалютой, однако потенциал технологии огромен. Система работы с данными, которые одновременно хранятся на множестве компьютеров, вследствие чего их невозможно подделать и изменить, отличается особой надежностью. При этом блокчейн сам по себе не автоматизирует задачи, зато экономит ресурсы при их обработке: особенно это касается таких операций, как проверка транзакций или аутентификация сторон. Правда, пока для подтверждения транзакции может потребоваться до шести часов. Платформа Ethereum может обрабатывать только около 17 транзакций в секунду по сравнению с Facebook, который обрабатывает 175 тысяч транзакций в секунду. А еще блокчейн очень энергозатратен.

3. Ройная (групповая) робототехника – новый подход к координации множества роботов, призванных слаженно выполнять задачи разной сложности (скажем, медицинские: зондирование внутренних органов с помощью нанороботов). Для их децентрализованного управления подходит именно блокчейн.