Помощь бота

Многие согласятся, что планировать встречи — утомительное занятие. Возможно, вам приходилось участвовать в e-mail переписке, похожей на эту:

Джен, потенциальный клиент: Привет! Когда бы вам было удобно провести короткий разговор на следующей неделе?

Вы (переключаясь между приложением с календарем и почтовым клиентом): Я совершенно свободен в понедельник.

Джен (спустя несколько часов): Ой, извините, в этот день у меня перелет. Может быть, в среду в 10 утра?

Вы (снова проверяя календарь): Думаю, получится. Ваш офис?

Джен: Да, отлично. Может быть, узнаем, не присоединится ли к нам Эмад?

Такой обмен сообщениями может продолжаться бесконечно, а если его участники используют разные системы планирования или находятся в разных часовых поясах, он становится еще тягостней. Подобные переписки не только отнимают время, но и не дают нам концентрироваться на более важных задачах.

Неформальный опрос подтвердил наши предположения о том, что эта проблема знакома не только нам. Мы предложили примерно 100 сотрудникам из самых разных отраслей и с самыми разными должностями назвать утомительные задачи, которые не входят в список их основных рабочих обязанностей, но которые им тем не менее приходится выполнять. Планирование встреч участники опроса упоминали среди самых изнурительных.

Некоторые онлайн-инструменты, позволяющие делиться своим календарем с коллегами (Outlook, Google Calendar) или выбирать дату и время встречи путем голосования (Doodle), делают планирование менее тягостным процессом, однако, чтобы ими воспользоваться, нам приходится отвлекаться от наших текущих задач. Ситуация усложняется, если люди пользуются разными программами, так как многие из них плохо взаимодействуют друг с другом.

Новые достижения в области искусственного интеллекта (ИИ) заставили задуматься, не получится ли у нас создать виртуального помощника, способного разбираться в деловой переписке людей и планировать их встречи на основе полученной информации, то есть делать то, чем обычно занимаются ассистенты CEO компаний.

Использование ИИ для создания личных виртуальных помощников не самая новая сфера исследований, однако ни одна из предпринятых ранее попыток создания планировщика с искусственным интеллектом не дала каких-либо ощутимых результатов. Этому есть несколько причин. Во-первых, пользователи из сферы бизнеса крайне нетерпимо относятся к ошибкам. Если ассистент с ИИ не идеален, люди быстро теряют терпение и перестают его использовать. На данный момент технологии ИИ не способны гарантировать столь высокий уровень квалификации. Во-вторых, существует проблема курицы и яйца: для успешного функционирования искусственному интеллекту требуется большое количество информации, предоставить которую могут только реальные пользователи, но для их привлечения нужна надежно функционирующая система. В-третьих, перед планировщиком нередко встают весьма сложные задачи: встречи один на один и коллективные встречи, личные встречи и заочные встречи, встречи, которые нужно отсрочить и запланировать снова. Более того, люди по-разному используют свои календари: некоторые записывают в раздел «Мероприятия» свои задачи, другие закрывают время, на которое у них ничего не запланировано. Отличаются и предпочтения людей в вопросе организации рабочей недели: одни стремятся сгруппировать свои встречи, другие — равномерно их распределить. Наконец, планирование имеет такие нюансы, как разница в статусе участников встречи или ее срочность.

Наш виртуальный помощник должен был находить решения для всех перечисленных проблем, как это делал бы любой реальный ассистент. Но с чего начать? Мы сделали шаг назад, чтобы обсудить проверенные временем подходы быстрого создания прототипов, которые применяются в дизайне. Их суть заключается в создании и тестировании простейших низкокачественных прототипов и в дальнейшем постепенном усложнении их конструкции и повышении качества. К примеру, дизайнер демонстрирует бумажный прототип группе пользователей, чтобы быстро собрать их обратную связь. Затем он создает проволочную модель, чтобы опробовать ее на пользователях в более реалистичных условиях, имитируя то, как они могли бы взаимодействовать с конечным продуктом. В конце концов дизайнер переходит к созданию прототипа по методу Волшебника из страны Оз: пользователям представляется интерфейс, который выглядит и действует как настоящий, но за его «ширмой» скрывается управляющий им исследователь.

Мы решили воспользоваться этим методом, но сделали еще один шаг. Вот как это было. Мы предложили нескольким людям из разных компаний зарегистрироваться в нашей системе, которую мы впоследствии назвали Calendar.help. Им нужно было просто добавлять нашего виртуального помощника в поле «Копия», когда они в переписке договаривались о встречах. Долгосрочной задачей было научить оснащенного ИИ ассистента оценивать планы пользователей, подбирать оптимальную дату и время для встреч и отмечать их в календаре. Сначала же в роли виртуального помощника выступали мы: мы анализировали каждое письмо, искали лучший вариант и планировали встречи. Хотя работы было много, а совершенствование нашего подхода заняло почти два года, он позволил нам на раннем этапе отдать продукт в пользование реальным людям и таким образом быстрее внести необходимые улучшения. Мы стали лучше понимать проблему, которую решала наша программа, и начали думать о том, какую работу можно было бы со временем доверить искусственному интеллекту. Мы собрали отличные данные, которые могли бы в будущем запустить нашу ИИ-технологию, а взамен предоставили нашим пользователям точность в подборе решений.

Этот подход показал нам, чего именно люди ждут от виртуального планировщика задач. Он позволил нам разработать процессы, которые мы впоследствии разделили на более узкие микрозадачи, такие, как «извлечь информацию о месте встречи» или «определить, должна ли встреча быть личной или дистанционной». Сделав это, мы продолжили привлекать людей для обучения ИИ и наняли сотрудников для выполнения этих микрозадач. Наши сотрудники сформировали своего рода цифровой сборочный конвейер: один человек изучал календари пользователей для выбора оптимального времени, следующий искал доступные места для встреч, третий переназначал их на другое время, если возникала такая необходимость.

Преимущество разделения рабочего процесса на микрозадачи заключалось в следующем. Во-первых, они концентрировали внимание сотрудников на одном аспекте, уменьшая число ошибок и в достаточной мере систематизируя рабочий процесс, чтобы его участники могли свободно меняться. Во-вторых, хорошо продуманные микрозадачи позволили нам собрать качественные данные, необходимые для автоматизации рабочего процесса в будущем. В-третьих, раздробленность системы помогла нам создать ряд моделей машинного обучения, направленных на понимание естественного языка, для дальнейшей автоматизации некоторых из микрозадач. Так, например, мы рассматривали ответы людей на предложенные им разные варианты времени проведения встречи, чтобы понять, каким образом они выражают свои предпочтения. Это позволило нам создать классификатор на машинном обучении и натренировать его для самостоятельного выполнения этой операции.

Главный урок здесь заключается в том, что робот-планировщик был полностью функционален с самого начала, но стал более эффективен в процессе использования. Благодаря привлечению людей на ранних этапах разработки мы понимали реальные потребности пользователей, одновременно с этим собирая информацию о том, как они взаимодействуют со своими помощниками. Каждое новое взаимодействие позволяло собирать данные, которые помогали нам лучше понять, какие задачи требовали автоматизации в первую очередь и какая для этого была необходима информация. Наша команда продолжает работать над Calendar.help, который теперь доступен по адресу http://calendar.help для пользователей календарей в Office 365 или Google Calendar.

Мы также выяснили, что привлечение людей в процессе создания виртуального помощника имеет свои ограничения и издержки. Так, например, мы наблюдали нежелание некоторых приглашенных пользователей взаимодействовать с виртуальным ассистентом. Одни воспринимали это как лишнюю работу, так как им приходилось отвечать на письма от помощника; других отталкивала идея, что их ассистент — робот. Общественное мнение по поводу внедрения ботов в существующие формы делового общения постепенно эволюционирует, но пока это важный фактор, который необходимо учитывать. Если виртуальные ассистенты со временем станут более распространенным явлением, эта тема будет вызывать меньше противоречий.

Мы узнали, как важно соблюдать прозрачность в вопросе участия реальных людей в работе продукта, чтобы потенциальные пользователи могли принимать решения в соответствии со своими потребностями в конфиденциальности. Использование виртуального ассистента, в функционировании которого принимают участие люди, — решение не для всех. К примеру, доктора несут ответственность перед своими пациентами за сохранность и неприкосновенность их данных, поэтому могут неохотно обращаться к третьей стороне за помощью в планировании их встреч. Прозрачность позволяет людям выбирать то, что соответствует их потребностям и целям.

В целом же мы считаем, что создание и использование систем типа Сalendar.help для выполнения рутинных задач — простой способ использовать достижения в области ИИ в ежедневной деловой практике компаний. Мы не хотели ограничивать себя тем, что позволяла технология ИИ в начале нашего проекта. Вместо этого мы стремились создать то, в чем люди нуждались, и инвестировать в технологии автоматизации и распознавания языка. Более того, выбранный нами подход может быть использован для создания собственных систем на основе (как и в нашем случае) готовых решений в области ИИ. Мы не были экспертами в сфере искусственного интеллекта, когда начинали разработку нашего продукта, и до сих пор ими не являемся. ИИ-инструменты доступны каждому. Нашей задачей было лишь запустить рабочий процесс, который использовал бы их наиболее успешно.

Об авторах. Андрес Монрой-Эрнандес был исследователем в Microsoft Research, когда работал над проектом Calendar.help. Сейчас он ведущий научный сотрудник в Snap Inc., кроме того, Андрес работает в Вашингтонском университете. Джастин Краншоу — исследователь в Microsoft Research, занимается созданием интеллектуальных систем для повышения продуктивности и эффективности сотрудников.