Текст книги "Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности"

Чтобы масштабирование проходило успешно, компании также должны работать над повышением производительности труда. Возможно, внедрение когнитивных технологий в ближайшее время не приведет к существенной экономии за счет сокращения штатов, но точно принесет коммерческую выгоду. Например, многие компании планируют поднимать производительность труда, увеличивая количество клиентов и транзакций, но не расширяя штат. Если же основным фактором при обосновании инвестиций в когнитивные технологии служит сокращение штата, компаниям следует ориентироваться на то, что со временем это будет достигнуто посредством естественной убыли коллектива или отказа от аутсорсинга задач.

Когнитивная компания будущего

Консалтинговые проекты, результаты опроса об осведомленности о когнитивных технологиях и интервью с представителями компаний показывают, что руководители, которые имеют опыт работы с ИИ, полны оптимизма относительно перспектив развития этих технологий и быстро движутся к их внедрению, пускай и экспериментальному. Хотя на первых порах успех относительно скромен, я нисколько не сомневаюсь, что в конце концов эти технологии преобразят рабочий процесс. Кажется весьма вероятным, что компании, которые сегодня в ограниченном порядке внедряют когнитивные технологии, но имеют планы по их масштабированию, добьются в своих отраслях такого же успеха, как пионеры внедрения аналитики.

Посредством применения ИИ информационно насыщенные сектора, такие как маркетинг, здравоохранение, финансовые услуги, образование и профессиональные услуги, станут менее затратными для общества и в то же время будут приносить бóльшую пользу. Предоставляемые ими советы и рекомендации могут основываться на данных, совершенствоваться со временем и поступлением новых данных, а также требовать минимального человеческого вмешательства или не требовать его вовсе.

Рутинный труд во всех отраслях и сферах – контроль за рутинными транзакциями, многократные ответы на повторяющиеся вопросы и извлечение данных из бесконечного количества документов – может перейти к машинам, что освободит работников для выполнения более сложных задач и повысит производительность их труда. Когнитивные технологии также служат катализатором успеха других технологий, использующих большие объемы данных, включая беспилотные автомобили, интернет вещей и потребительские технологии, например мобильный и многоканальный маркетинг.

У крупных компаний нет причин не исследовать когнитивные технологии. Будущее за компаниями, которые раньше обратят на них внимание и сумеют успешнее внедрить их, интегрируют ИИ с текущими бизнес-процессами и наладят успешное взаимодействие людей и машин. Их продукты и услуги будут привлекательнее, процессы станут производительнее и эффективнее, а сотрудники получат время и свободу проявлять бóльшую креативность и инициативность на благо клиентам.

На пути к этому будущему неизбежно возникнут ухабы, поэтому нам необходимо с должным вниманием относиться к таким проблемам, как вытеснение персонала (подробнее об этом в главе 6), технические трудности (глава 7), а также организационные и социальные перемены, сопровождающие использование умных машин (глава 8). Тем временем технологии ИИ начинают все чаще применяться для решения множества бизнес-задач – и это совершенно очевидно.

4
Какова ваша когнитивная стратегия?

Искусственный интеллект и когнитивные технологии захватывают мир бизнеса, но многие компании еще не получают стратегическую выгоду от своих проектов и инвестиций[39]39
  Спасибо Викраму Махидару, отвечающему за внедрение технологий ИИ в Genpact, который подсказал мне многое из того, что вошло в настоящую главу, в частности, по вопросу о ключевых решениях, принимаемых компаниями при разработке стратегий.


[Закрыть]. Их инициативы не направлены на решение важных бизнес-проблем и не открывают новые возможности. Иногда им недостает важных ресурсов, необходимых для осуществления амбициозных проектов. Один руководитель ИИ-стартапа сказал: «ИИ обладает колоссальным потенциалом, но сталкивается с проблемой одного процента. В полной мере ИИ используют не более 10 компаний в мире, в то время как остальные испытывают огромные трудности»[40]40
  Frederic Lardinois, «Big Data Platform Databricks Raises $140M Series D Round Led by Andreesen Horowitz,» TechCrunch website, August 22, 2017, https://techcrunch.com/2017/08/22/big-data-analytics-platform-databricks-raises-140m-series-d-round-led-by-andreessen-horowitz/.


[Закрыть]. Возможно, он несколько преувеличил, но доля правды в его словах есть.

Решить эту проблему может наличие стратегии развития ИИ и когнитивных технологий. Разработка стратегии для конкретной технологии может показаться чрезмерной, но она вполне обоснованна, когда технология потенциально может трансформировать бизнес. Опросы руководителей о когнитивных технологиях подтверждают эту потенциальную значимость технологий для бизнеса. В опросе топ-менеджеров 50 крупных компаний, проведенном в 2018 г. компанией NewVantage Partners, 72 % респондентов отметили, что именно ИИ и когнитивные технологии, скорее всего, станут той подрывной технологией, которая окажет наибольшее влияние на их компании в ближайшее десятилетие. Все остальные технологии назывались гораздо реже. Респонденты опроса об осведомленности о когнитивных технологиях Deloitte, который я упоминал ранее, также назвали ИИ самой важной из существующих ныне технологий.

Компании и раньше разрабатывали стратегии для конкретных технологий, например стратегии электронной коммерции. В последние годы многие организации также занялись разработкой цифровой стратегии (этим общим термином называют всю совокупность способов использования информационных технологий на благо бизнеса). Некоторые компании также разработали стратегии больших данных, чтобы начать использование новых типов данных и научиться их анализировать.

Кое-кому может показаться, что слишком рано создавать полноценную стратегию для промышленного использования ИИ. Но я знаю много компаний, которые проработали хотя бы ряд аспектов стратегии и зафиксировали их в каком-либо документе, а также много других компаний, которые ответили – прямо или косвенно – на некоторые стратегические вопросы об использовании ИИ. Это дает мне основания утверждать, что заниматься разработкой стратегии нисколько не рано. К тому же стратегические вопросы, рассматриваемые в настоящей главе, могут помочь сформировать отношение к ИИ даже тем организациям, которые еще не готовы к разработке полноценной стратегии.

При разработке стратегии очень важно понимать, какое влияние ключевой ресурс окажет на ваш бизнес. Когнитивные технологии могут по-разному изменить стратегию, продукты и бизнес-модели компании в зависимости от того, как именно использовать ИИ в бизнесе. Стратегии компаний и организаций, как правило, сфокусированы на двух аспектах: 1) что организация продает и предлагает клиентам, то есть на ее продуктах и услугах, и 2) как она продает свои продукты и услуги и как зарабатывает на них деньги. В настоящей главе я опишу оба этих стратегических элемента в разделах, посвященных продуктам и бизнес-моделям. Я также поясню, почему во многих случаях ИИ оказывает не слишком сильное влияние на бизнес-модели, и расскажу, как компаниям направить работу с ИИ в стратегическое русло.

В настоящей главе также рассматривается ряд ключевых вопросов о том, как сформировать стратегию ИИ и какие стратегические возможности необходимы для успеха. В одном из разделов описывается процесс разработки стратегии ИИ и перечисляются ключевые решения, которые нужно будет принять людям, ответственным за внедрение ИИ и создание ИИ-систем. Я также объясню, насколько смелой должна быть ИИ-стратегия организации. В конце главы кратко опишу, какие ИИ-стратегии разрабатывают различные государства и какое влияние это может оказать на бизнес. Более широкие темы, в частности технологические стратегии внедрения ИИ, управление изменениями и решение возникающих проблем, освещаются в отдельных главах. В следующем разделе мы обратим внимание на организации, руководителей которых опрашивали, чтобы выяснить, что они думают о влиянии ИИ на стратегию.

Стратегическое воздействие когнитивных технологий

В опросе об осведомленности о когнитивных технологиях, проведенном в 2017 г. компанией Deloitte[41]41
  «Bullish on the Business Value of Cognitive,» Deloitte LLC, November 2017, https://www2.deloitte.com/content/dam/Deloitte/us/Documents/deloitte-analytics/us-da-2017-deloitte-state-of-cognitive-survey.pdf.


[Закрыть], 250 руководителей компаний обозначили свое крайне позитивное отношение к когнитивным технологиям и их потенциалу менять текущее положение вещей: 88 % опрошенных называли когнитивные технологии «важными» или «очень важными» для предлагаемых продуктов и услуг, а 93 % сказали то же относительно внутренних бизнес-процессов; хотя внедрение технологий только начинается, 83 % респондентов заявили, что они уже приносят их компаниям умеренные или существенные выгоды; 76 % опрошенных верят, что технологии «существенным образом изменят» их компании в ближайшие три года.

Респондентов также спрашивали, каковы цели использования когнитивных технологий в их компаниях. Несколько неожиданно большинство опрошенных назвали в качестве основной цели повышение качества продуктов и услуг. Более половины респондентов включили эту цель в список из трех важнейших. Еще одной популярной целью стало создание новых продуктов и выход на новые рынки. Реже всего опрошенные указывали в числе своих целей «сокращение штата посредством автоматизации». Все варианты ответов и проценты опрошенных, выбравших их (в качестве основной цели или одной из трех главных целей), приводятся на рис. 4.1.

Другие опросы тоже затрагивают тему стратегического воздействия когнитивных технологий. Так, в проведенном в 2017 г. опросе 300 топ-менеджеров, проспонсированном компанией Genpact, респонденты разделились на «лидеров» и «отстающих» по выгодам, которые им уже принесли технологии[42]42
  Genpact and Fortune Knowledge Group, «Is Your Business AI-Ready?» September 18, 2017, https://fortunefkg.com/wp-content/uploads/2017/09/Genpact-white-paper.cm_.9.18.17.WEB-FINAL.pdf.


[Закрыть]. В этом опросе более 40 % респондентов отметили, что ИИ повышает уровень удовлетворенности клиентов. При этом лидеры почти вдвое чаще повышали прибыли после внедрения ИИ (45 % лидеров в сравнении с 25 % всех опрошенных). Когда респондентов спросили, каковы их ожидания на три года начиная с 2017-го, 87 % ответили, что ИИ поможет повысить уровень удовлетворенности клиентов.

Опрос Teradata, в котором приняли участие 260 топ-менеджеров средних и крупных организаций США, Европы и Азии, показал, что внедрение ИИ чаще всего идет на пользу отделам исследований и разработок продуктов (50 %), работы с клиентами (46 %), а также логистики и операционной деятельности (42 %). Что касается будущих инвестиций, чаще всего их целями назывались повышение уровня удовлетворенности покупателей (62 %), внедрение инноваций в продукты (59 %) и оптимизация операционной деятельности (55 %). Приоритетными для текущих и будущих инвестиций также называли безопасность и миграцию рисков[43]43
  Teradata, «State of Artificial Intelligence for Enterprises,» 2017,
  http://assets.teradata.com/resourceCenter/downloads/ExecutiveBriefs/EB9867_State_of_Artificial_Intelligence_for_the_Enterprises.pdf.


[Закрыть].

В главе 2 я упоминал опрос технических директоров, проведенный в 2018 г. компанией Gartner, но гораздо менее масштабный опрос Gartner, проведенный в июле 2017 г., проливает свет на те сферы бизнеса, где применяются когнитивные технологии[44]44
  «Gartner Says AI Technologies Will Be in Almost Every New Software Product by 2020,» Gartner Inc. press release, July 18, 2017, https://www.gartner.com/newsroom/id/3763265.


[Закрыть]. Когда 80 членам Gartner Research Circle задали вопрос о применении когнитивных технологий в их организациях, большинство (34 %) ответило, что технологии применяются для «вовлечения клиентов». Вторую строчку (29 %) заняла связанная сфера – применение технологий «в кол-центрах и службах поддержки клиентов». Третьим стал «цифровой маркетинг» (23 %). Результаты опроса также показали, что к 2020 г. ИИ-компетенции будут встроены почти во все новое программное обеспечение.

В значительно более масштабном опросе McKinsey, проведенном в 2017 г., приняло участие 3000 респондентов со всего мира, но, как и в других опросах, только 20 % отметили, что их компании «широко» применяют когнитивные технологии[45]45
  Jacques Bughin et al., «Artificial Intelligence: The Next Digital Frontier?» McKinsey Global Institute, June 2017, https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-artificial-intelligence-can-deliver-real-value-to-companies.


[Закрыть]. В этом опросе не исследовалось, где именно применяются когнитивные технологии, но было отмечено, что компании, как правило, внедряют их «как можно ближе к основанию цепочки создания стоимости». В качестве примера использования когнитивных технологий авторы приводят такие напряженные отрасли, как автомобильная промышленность, конвейерное производство, производство потребительских товаров, а также коммунальное хозяйство и добыча ресурсов. Для компаний, предоставляющих финансовые услуги, самыми важными были операционная сфера и сфера обслуживания клиентов. Вполне логично внедрять когнитивные технологии именно в эти области, и очень хорошо, что компании ответственно подходят к формированию своих когнитивных стратегий.

Характер компании, которая проводит опрос, может влиять на результаты (и дело не в искажении данных, а в типе респондентов и заботящих их проблем). Компания TCS, работающая в сфере ИТ-операций и аутсорсинга задач, в 2017 г. провела опрос 835 крупных организаций с целью выяснить, в каких сферах они применяют когнитивные технологии[46]46
  Satya Ramaswamy, «How Companies Are Already Using AI,» Harvard Business Review, April 14, 2017, https://hbr.org/2017/04/how-companies-are-already-using-ai.


[Закрыть]. Все основные сферы применения технологий были под контролем ИТ:

● обнаружение и предотвращение нарушений безопасности (44 %);

● решение технических проблем пользователей (41 %);

● сокращение объема работы по управлению производством посредством его автоматизации (34 %);

● обеспечение соответствия внутренним требованиям компании при работе с одобренными поставщиками технологий (34 %).

Нельзя недооценивать важность автоматизации ИТ-процессов, однако в большинстве организаций это скорее вопрос тактики, в то время как на первом месте стоит совершенствование продуктов и услуг и улучшение взаимодействия с клиентами. Результаты опроса TCS показали, что за пределами сферы ИТ респонденты чаще всего применяют технологии для «прогнозирования будущих покупок клиентов и предложения соответствующих товаров» (19 %).

Стратегия задач/проблем/возможностей

Как показывают результаты опросов, почти каждой организации приходится ответить на вопрос, где именно она собирается применять когнитивные технологии в рамках своей деятельности. Какие бизнес-задачи можно решить с помощью когнитивных технологий? Какие проблемы можно устранить? Какие возможности можно открыть? Большинство бизнесменов понимают, что ИИ предполагает использование знаний, оценок и суждений. Однако перед внедрением ИИ следует принять целый ряд специфических решений.

Стратегическое мышление должно быть свободным, высокоуровневым и смелым. С точки зрения ИИ темы и примеры, разбираемые в настоящей главе, должны обладать этими атрибутами. Однако, как говорилось в предыдущей главе, для существующих сегодня когнитивных технологий это проблема. Они выполняют относительно специфичные задачи и в основном поддерживают работу людей. Как правило, это означает, что они стимулируют постепенные изменения, а не трансформационные и не подрывные перемены. Некоторые проекты «зондирования» ИИ, которые преследуют стратегические цели (например, лечение рака), вообще оказались не слишком успешны. Однако, как я заметил в предыдущей главе, можно набрать несколько краткосрочных проектов и с их помощью пойти по пути к осуществлению более смелой стратегической цели.

Внутренние или внешние цели?

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]47
  Информация о клиентских данных GE получена от руководителей компании и из статьи: John Moore, «GE Digital Thread Now Runs through a 'Hub' Customer Database,» TechTarget, September 2017, http://searchcio.techtarget.com/feature/GE-digital-thread-now-runs-through-a-hub-customer-database.


[Закрыть].

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.

Клиентские стратегии

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]48
  Mariya Yao, «Capital One Seals Tech Street Cred with Forays into AI,» Topbots website post, April 7, 2017, https://www.topbots.com/capital-one-seals-tech-street-cred-forays-ai/.


[Закрыть]. 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]49
  Bonnie McGeer, «Capital One Shortens the Machine Learning Curve,» American Banker website, April 26, 2017, https://www.americanbanker.com/opinion/capital-one-shortens-the-machine-learning-curve.


[Закрыть].

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[50]50
  Will Knight, «The Financial World Wants to Open AI's Black Boxes,» MIT Technology Review, April 13, 2017, https://www.technologyreview.com/s/604122/the-financial-world-wants-to-open-ais-black-boxes/.


[Закрыть]. 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.

Принятие более обоснованных решений на внутреннем уровне

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]51
  См., например: Barry Libert, Megan Beck, and Yoram Wind, The Network Imperative (Harvard Business Review Press, 2016).


[Закрыть]. 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]52
  Martin Reeves et al., «The Truth About Corporate Transformation,» MIT Sloan Management Review, January 31, 2018, https://sloanreview.mit.edu/article/the-truth-about-corporate-transformation/.


[Закрыть]. 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.