Платформа будущего

Представьте, что перед вами цитата из пресс-релиза одного крупного глобального банка: «На состоявшемся сегодня собрании акционеров СЕО банка заявил, что для того, чтобы оставаться конкурентоспособным в новых рыночных условиях, банк должен полностью пересмотреть организацию высших управляющих постов, и попросил одобрения акционеров на комплекс радикальных мер. Комплекс включает в себя введение поста co-CEO, который займет система искусственного интеллекта. Также системы ИИ займут посты главы казначейства, вице-президента по рискам, директора по HR и директора по маркетингу. Системы ИИ были выбраны в ходе масштабной игры-симуляции будущего развития банка с тремя различными стресс-сценариями. Правление банка, наблюдавшее за игрой, единогласно заявило, что только системы ИИ способны обеспечить качество решений, необходимых для успешного развития в прогнозируемом будущем».

Если бы такой пресс-релиз выпустил в наши дни крупный банк, его, вероятно, покинули бы и инвесторы, и самые преданные сотрудники, а регулятор немедленно ввел бы внешнее управление. Доверить машине принятие решений на ключевых управленческих постах — значит не только превратить компанию в «бездушный автомат», но и создать новый класс управленческих рисков, не изученных на практике, а потому особенно опасных. Мир слишком сложен и многогранен, чтобы его можно было «просчитать» даже самым совершенным алгоритмом: рано или поздно робот-директор совершит какую-нибудь непоправимую, катастрофическую ошибку.

Искусственный интеллект: как это будет

Однако роботы уже выигрывают у человека в го — игру, в значительной степени основанную на интуиции. Они способны симулировать болтовню человека так, что вводят в заблуждение больше половины наблюдателей. Они могут лучше, чем близкий друг или родственник, предсказать некоторые действия человека. На протяжении последних нескольких лет мир стал свидетелем ренессанса идеи искусственного интеллекта (ИИ) и колоссального прогресса в ее практической реализации. На повестке дня реально встал вопрос об управленческих системах, в которых ИИ является приоритетным механизмом принятия решений (AI-first systems). Компании, которые смогут реализовать такие системы, получат значительное конкурентное преимущество — или в качестве предоставляемого ими потребительского опыта, или в более низких операционных издержках, или даже в обеих областях сразу.

Очевидные лидеры в гонке за создание эффективного управленческого ИИ — крупнейшие технологические компании мира: Apple, Google, Amazon, Facebook*, Alibaba. Многие их продукты уже давно создаются с использованием обучения на больших массивах данных, от которых относительно недалеко до собственно ИИ. Роботы уже составляют примерно 1/7 рабочей силы компании Amazon, и их «доля в персонале» компании растет.

Однако и компании из более традиционных индустрий делают серьезную ставку на выигрыш в гонке ИИ-систем. Особенно сильными кандидатами выглядят банки. Считается, что для успеха масштабного проекта искусственного интеллекта необходимы пять условий:

1) Значительный объем данных, без которых невозможно обучение системы;

2) Большие вычислительные мощности на современных высокопроизводительных компьютерах;

3) Высокое качество человеческого капитала: уровень образования и широта кругозора менеджеров и специалистов;

4) Достаточный объем материальных ресурсов;

5) Визионерские способности топ-менеджмента и уверенность команды в актуальности и решаемости задачи.

По первым четырем пунктам крупные банки мира вполне могут составить конкуренцию технологическим лидерам. Некоторые из них также сформировали необходимое стратегическое видение. Для того чтобы реализовать подобную программу, необходимо найти решение многих технических задач. Однако более важно понять, по какому пути пойдет развитие взаимодействия искусственного и естественного интеллекта, человека и машины. От ответа на этот вопрос зависят организационно-управленческие решения, совокупность которых определит, что такое «корпорация с ИИ». Если компьютерный интеллект действительно превзойдет человеческий в плане управленческой эффективности на горизонте 10—15 лет, как предполагают некоторые визионеры (например, Рэй Курцвелл), это означает, что уже сейчас корпорации должны начать готовить себя к новым организационным схемам, бизнес-процессам, метрикам эффективности. Как подойти к этому? С чего начать? Времени на осмысление критически важной области стратегического развития немного.

Искусственный интеллект: как это уже было

Для понимания возможной скорости развития систем ИИ полезен небольшой экскурс в их историю. Первая волна энтузиазма по поводу возможностей компьютерного интеллекта возникла в середине 1950-х годов, как только электронно-вычислительные машины перешли из стадии одиночных экспериментальных образцов в относительно серийное производство. В 1956 году состоялся так называемый Дартмутский семинар по искусственному интеллекту, когда 20 ведущих западных специалистов на протяжении 8 недель пытались в сессии мозговых штурмов определить подходы к компьютерной программе, которая мыслила бы так же, как человек. К середине 1960-х машины уже пробовали распознавать образы, играть в шахматы, переводить с языка на язык и даже писать стихи. Делали, правда, они это весьма посредственно — чтобы не сказать откровенно плохо — однако энтузиасты предвидели быстрый прогресс в качестве. «В течение 20 лет машины научатся делать любую работу, которую может делать человек», — утверждал в 1965 году Герберт А. Саймон, один из пионеров ИИ.

Однако тут возникли серьезные проблемы. Сделать машинный перевод или игру в шахматы сопоставимыми по качеству с человеческой работой оказалось невероятно сложной задачей. Математические подходы к ее решению были разработаны, однако их практической реализации мешал недостаток компьютерной мощности и данных для обучения. В результате к началу 1980-х так и не удалось создать программу, которая делала хоть что-нибудь человеческое сколь-либо убедительным образом. Японские инженеры, которые тогда казались способными на любое чудо, пообещали совершить рывок с помощью компьютеров 5-го поколения и за 10 лет, к началу 1990-х, прийти к работоспособному ИИ. Рывок не удался, к концу 1980-х у исследователей наступила фаза глубочайшего скепсиса.

Однако «слабые» специализированные системы компьютерного интеллекта именно тогда начали приносить первые плоды. Системы распознавания образов научились переводить сканы печатных страниц в текстовые файлы. Человеческий почерк давался с большим трудом, но и в его распознавании наметился существенный прогресс. К середине 1990-х появились вполне сносные компьютерные анализаторы речи. И, наконец, триумф компьютера Deep Blue в матче с Гарри Каспаровым в 1997 году показал, что идею искусственного интеллекта рано списывать со счетов. Тем не менее само словосочетание «искусственный интеллект» было все еще скомпрометировано в кругах инвесторов. Даже в начале 2010-х, описывая ключевые силы «цифровой трансформации», компания Gartner говорила об «аналитике данных», а McKinsey популяризировала идею big data. То, что единственный смысл «больших данных» состоит в том, чтобы обучать очень сложные машинные системы принятия решений, осталось тогда за кадром. В результате возникло достаточно бесплодных дискуссий на тему «большие данные — это сколько конкретно в терабайтах и что потом с ними делать?». Лишь в последние несколько лет словосочетание AI снова появилось в словаре бизнесменов и инвесторов.

Что умеют современные системы ИИ

Вот несколько примеров современного применения компьютерного интеллекта для решения бизнес-задач.

* деятельность на территории РФ запрещена