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.

Распознавание психотипа человека по «лайкам» в социальных сетях. Всего 11—12 лайков достаточно для того, чтобы система «понимала» конкретного индивида лучше, чем его коллеги по работе. При наличии 200 с лишним лайков точность становится сопоставимой с тем, как человека понимают его ближайшие родственники. Понимание психографии человека можно успешно применить в целях маркетинга. Например, варьирование ключевого изображения в рекламе в соответствии с ожидаемой экстраверсией или интроверсией потребителя кардинальным образом повышает степень конвертации просмотров в покупки.

Противодействие мошенничеству в финансовых транзакциях. Ключевой проблемой распространенных сейчас систем является чрезвычайно высокий уровень ложных срабатываний: при малейших признаках нестандартной транзакции она блокируется и клиенту приходится находить способ подтвердить банку свою добросовестность. Во многих случаях это вызывает чрезвычайное раздражение клиента. Можно ли научить систему распознавать действительно опасные операции и не работать вхолостую? Компания Ayasdi применяет в своих системах компьютерного интеллекта новаторские статистические методы, которые не усредняют все наблюдаемые случаи, а находят и локализуют своего рода очаги статистических отклонений. Этот подход позволил снизить уровень ложных срабатываний системы безопасности в крупном европейском банке более чем на четверть — с 98 до 70% с небольшим. Безусловно, уровень все еще чрезвычайно высок и компания работает над тем, чтобы довести его хотя бы до половины случаев.

«Умные помощники» — системы, помогающие человеку решать его повседневные проблемы. Эра их широкого распространения началась с появления Siri от компании Apple. Позднее свою версию умного помощника — Alexa — выпустил крупнейший в мире онлайн-магазин Amazon. Ожидается, что рынок «умных помощников» увеличится в три раза с 2015 по 2021 год.

В банковском бизнесе все чаще применяются чат-боты — «умные помощники», предоставляющие клиентам справочную информацию. Эффективный чат-бот должен уметь понимать не только прямой вопрос (скажем, «Где ближайший банкомат?»), но и более практическое применение этого вопроса (вроде «Нужно срочно снять деньги»). Язык ответа также должен быть «человеческим»: «Есть один банкомат в 15 минутах ходьбы и другой через две остановки метро». В перспективе системы такого рода должны взять на себя основную нагрузку работы нынешних колл-центров, одновременно снижая операционные затраты и повышая качество предоставляемой клиенту информации.

Робот-юрист. В начале 2017 года Сбербанк объявил, что планирует в ближайшем будущем поручить искусственному интеллекту массовую юридическую работу, в частности — подготовку судебных претензий по займам физических лиц. Такого рода документы носят в целом типовой характер, однако в них правильным образом должны быть отражены существенные условия конкретного кредитного договора. Помимо этого, чрезвычайно важно соблюдение установленных законом сроков различных судебных действий: опоздание буквально на один день может полностью перечеркнуть перспективы дела. Сейчас такого рода работой заняты несколько тысяч юристов, однако, по оценкам компании, на основании пилотных испытаний системы искусственного интеллекта могут выполнить ее в более высоком качестве. Таким образом, компания получит двойной эффект от внедрения «роботов-юристов»: сокращение издержек и увеличение процента возвращаемой просроченной кредитной задолженности.

Распознавание лиц клиентов для целей улучшения клиентского опыта и идентификации при проведении операций. Полезно и приятно, когда банк способен сразу узнать клиента в любой точке контакта — отделении, банкомате или магазине. Недавно китайская AliPay представила прототип платежного терминала, в котором для осуществления транзакции по счету достаточно улыбнуться: таким образом программа получает подтверждение, что перед камерой стоит законный владелец счета. Кстати, существенных успехов в системах распознавания добились российские разработчики: в 2015 году компания NTech выиграла мировой чемпионат по распознаванию The MegaFace Benchmark, организованный университетом Вашингтона.

Что не может сделать искусственный интеллект, но умеет человек

При всех захватывающих успехах систем компьютерного интеллекта важно понимать, что пока что ни одна из них близко не приближается к универсальности возможностей даже маленького ребенка. Чем больше мы погружаемся в мир эффективно работающего ИИ, тем больше перед нами раскрывается тот факт, что человеческий мозг — поразительный результат миллионов лет эволюции, способный решать определенные классы задач с невероятной эффективностью и переключаться между самыми разными задачами. Компьютерные системы, которые могли бы одновременно распознавать изображение и звук, требуют гигантской вычислительной мощности. Наш же мозг делает это в фоновом режиме, более того, базовые способности к распознаванию у человека остаются даже при очень тяжелых органических повреждениях.

Пока что системы ИИ очень узко специализированы, причем разработкой каждой из них занимается отдельный коллектив. Количество компаний, так или иначе работающих над темой, исчисляется уже тысячами и буквально ежедневно возникают новые стартапы. Большинство из них сосредоточены скорее на разработке алгоритмов и их технологических воплощений, чем на конечных приложениях для бизнес-пользователей. Это закономерный этап развития всякой новой важной технологической платформы, он должен быстро пройти. Так в свое время сотни энтузиастов разрабатывали различные подходы к двигателю внутреннего сгорания. И только когда его конструкция стала достаточно простой и надежной, возник фундамент для конвейерного производства, которое и сделало автомобиль удобным и доступным рядовому пользователю. Еще один пример — поиск в интернете. Он был сложен и неэффективен до тех пор, пока Google не предложил простой и надежный алгоритм ранжирования ссылок, позволивший «интегрировать» все богатства сети в одном поисковом запросе. Ожидается, что через несколько лет, когда технологии ИИ станут более дешевыми и открытыми, возникнет «окно возможностей» для сервисов, интегрирующих набор узкоспециализированных решений в единую, относительно универсальную систему.

Единая платформа для мира машин и людей

Именно единые универсальные платформы необходимы для того, чтобы системы ИИ были внедрены не просто в осуществление мелких повседневных операций, но и в стратегическое управление компанией. Технический горизонт вывода на рынок такого рода платформ — 5—10 лет. Лидеры в разработке отдельных решений ИИ смогут за это время объединить их в целостные, связанные управленческие системы. К примеру, у Сбербанка было 159 ИИ-проектов в 2017 году, к 2020 году их число возрастет до 650. К этому времени количество должно перейти в качество, и банк превратится в единую ИИ-платформу, обеспечивающую текущие операции и принимающую участие в выработке и реализации стратегических решений.

Тогда же возникнет насущная необходимость определиться с тем, кто есть кто в принятии ключевых бизнес-решений в корпорации. Будут ли ключевые управленческие решения в крупной компании приниматься системой универсального ИИ или все же человеком? Скорее всего, альтернативность выбора «или — или» является ложной постановкой вопроса.

Что есть «бизнес-решение»? Простой выбор из набора фиксированных вариантов? Как бы мы могли описать «решение» выпустить на рынок, скажем, iPhone — одно из самых смелых и судьбоносных в истории современного бизнеса? «Давайте сделаем такой телефон, который станет эталоном пользовательского интерфейса и откроет принципиально новый способ интеграции приложений независимых поставщиков», — предложила бы система ИИ. Такая постановка вопроса, разумеется, выглядит полной бессмыслицей, лозунгом «за все хорошее против всего плохого». Никто не против, но как конкретно это реализовать?

Здесь мы подходим к сути возможного разделения труда между человеком и машиной. Ответы на вопрос «что?» в большой степени лежат в плоскости логического перебора вариантов, просчета различных вероятных сценариев развития — то есть их поиск может задействовать все сильные стороны ИИ. С другой стороны, вопрос «как?» исключает простые и однозначные ответы. Решения о том, как реализовать ту или иную идею, подразумевают множественные эксперименты, часто с очень тонкой настройкой конкретных параметров, вызовом сложившимся стереотипам, а главное — постоянную мотивацию и волю к победе. На поверку оказывается, что участники рынка различаются по очень простому критерию: некоторым кажется, что определенные вещи сделать «невозможно», другие же последовательно вкладывают все мыслимые усилия для того, чтобы преодолеть эту невозможность. Пока что мы даже близко не представляем себе, как создать у компьютера какой-либо аналог воли — стремление реализовать задуманное вопреки всему.

Возможно, что появление систем ИИ, которые разгрузят человека и освободят от большого количества тяжелой и неблагодарной псевдоинтеллектуальной работы логического автомата, несет в себе не угрозу, а возможность. Сейчас оказаться на работе, которая приносит удовлетворение и которой можно с удовольствием «отдаться», — редкая удача. По данным исследования Gallup, охватившего 142 страны, всего 13%, то есть один из семи сотрудников, эмоционально вовлечены в работу, которую они делают. До настоящего момента удовлетворенность работой демонстрировала тенденцию к снижению: с 61,1% в 1987 году до 47,2% 25 годами позже (данные The Conference Board).

В обозримом будущем системы ИИ могут сделать анахронизмом словосочетание «рутинная работа». Человек будет востребован в той роли, которая соответствует результатам его эволюционного развития: реакция на исключения, работа с неопределенностью, распознавание нового, универсальность подхода. Топ-менеджерам же корпораций выпадет трудная роль. Они должны будут стать посредниками и проводниками между двумя мирами, обеспечивающими симбиоз людей и машин в принятии решений и ответов на вопросы, что и как делать для развития бизнеса. Именно топ-менеджеры будут определять основы присутствия ИИ в организации: отбор систем, стратегия их обучения и развития, контроль качества решений и, главное, обеспечение их творческого выполнения. Вероятно, что СЕО и топ-менеджеры переместятся с вершины корпоративной пирамиды в самый центр организации. С другой стороны, им будет необходимо стать в какой-то степени философами, способными в сложной рефлексии над реальными бизнес-кейсами искать новые ответы на вопросы «Что есть применимое знание?», «Что есть воплощаемое решение?» и «Что есть эффективное действие?». На наш взгляд, несомненно одно: мир бизнеса середины XXI века станет значительно многомернее и интереснее.

Об авторах. Лев Хасис — первый заместитель председателя правления Сбербанка. Виктор Орловский — управляющий партнер Fort Ross Ventures. Владимир Коровкин — руководитель направления «Инновации и цифровые технологии» школы управления «Сколково». Авторы выражают благодарность старшему вице-президенту Сбербанка Александру Ведяхину за консультации при написании статьи.

* принадлежит Meta, которая признана в России экстремистской и запрещена