Четыре совета тем, кто планирует использовать
искусственный интеллект

Недавнее исследование активных приверженцев когнитивных технологий показало, что 76% из них уверены в том, что с их помощью они «в значительной степени трансформируют» свои компании в ближайшие три года. Ни одна технология не вызывала такого энтузиазма со времен интернет-бума конца 1990-х.

Возможности искусственного интеллекта оправдывают ажиотаж вокруг них. ИИ — это не просто технология, а широкий набор инструментов, в том числе различные алгоритмические подходы, множество новых источников данных и новое усовершественное оборудование. В будущем мы увидим новую вычислительную архитектуру вроде квантовых компьютеров и нейроморфных микропроцессоров, которая еще больше расширит наши возможности.

Однако между мечтами и реальностью по-прежнему сохраняется значительный разрыв. По оценкам исследовательской компании Gartner, 85% проектов, связанных с большими данными, терпят неудачу. Случаются и недоразумения. Например, Dow Jones по ошибке сообщил, что Google покупает Apple за $9 млрд, и биржевые роботы поверили этой информации. Еще один пример — чат-бот Tay компании Microsoft, превратившийся в буйнопомешанного пользователя Twitter.

Как же вашей компании добиться более успешных результатов в проектах, связанных с ИИ?

Во-первых, четко определите свои цели. ИИ существует не в вакууме, а в контексте вашей бизнес-модели, процессов и культуры. Вы не стали бы брать на работу сотрудника, не решив, какую роль он будет играть в вашей организации. Точно так же и в случае с ИИ необходимо четко продумать, каким образом он будет влиять на бизнес.

«Прежде всего, вам необходимо спросить себя, какие показатели вы хотите улучшить», — объясняет CEO компании GoodData Роман Станек. Слишком часто проекты с использованием ИИ начинают с попыток применить определенный технический подход, и неудивительно, что менеджеры и сотрудники, работающие с клиентами, не видят от него пользы, считает Станек, потому что не происходит реального внедрения технологии, и она не окупается.

Инициатором изменений часто выступает руководство организации, а реализация происходит снизу вверх. Поэтому важно четко разъяснять цели. Если менеджеры и сотрудники, работающие с клиентами, поймут, что ИИ поможет им лучше выполнять свою работу, то отнесутся к нему с энтузиазмом и приложат все усилия, чтобы проект оказался успешным.

«Те, кто могут сосредоточиться на показателях, видят, что ИИ способствует их росту в гораздо большей степени, чем они ожидали», — говорит CEO компании Agorai.ai Джош Саттон. Чтобы обозначить степень возможного воздействия, он указывает на недавнее исследование компании McKinsey, в котором потенциальная экономическая ценность когнитивных инструментов оценивается на уровне между $3,5 трлн и $5,8 трлн.

Во-вторых, тщательно выбирайте задачи, которые собираетесь автоматизировать. Многие беспокоятся, что когнитивные технологии заменят людей, однако экономист из MIT Дэвид Отор считает, что благодаря технологиям люди перейдут к более творческой работе. То есть искусственный интеллект быстро автоматизирует рутинные когнитивные процессы аналогично тому, как машины автоматизировали ручной труд во времена промышленной революции.

Если вы хотите понять, как это работает, зайдите в магазин Apple. Эта компания отлично понимает, как автоматизировать процессы, но первое, что вы видите, заходя в магазин Apple, — это несколько сотрудников, готовых помочь вам. Компания предпочитает автоматизировать любые функции, кроме взаимодействия с клиентами.

Однако ИИ может значительно повысить эффективность сотрудников. Например, в одном из исследований, цитируемых в отчете для Белого дома времен администрации Обамы, говорится, что хотя частота ошибок при чтении машинами рентгеновских снимков составляет 7,5%, а людьми — 3,5%, при комбинированном подходе она падает до 0,5%.

И что, пожалуй, самое главное — ИИ повышает моральный дух. Например, заводские рабочие активно сотрудничали с роботами, которых программировали сами для выполнения задач низшего уровня. В некоторых случаях солдаты настолько сильно привязывались к роботам, выполняющим опасную работу, что устраивали похороны, когда те «умирали».

В-третьих, с умом отбирайте данные. Долгое время считалось, что чем больше данных вы используете, тем лучше. Компании брали столько данных, сколько могли, и анализировали их для создания прогнозов с высокой степенью точности. Однако со временем стало понятно, что это не лучший метод. Как объясняет Кэти О'Нил в своей книге Weapons of Math Destruction, мы часто не понимаем данные, которые имеем, и предвзятость по отношению к ним становится огромной проблемой (https://www.digitaltonto.com/2017/data-bias-is-becoming-a-massive-problem/), как и перенасыщение информацией. Модель с точностью 99% выглядит впечатляюще, но если она не устойчива к меняющимся условиям, то лучше иметь более простую модель с точностью 70%.

К тому же с введением в Европе Общего регламента по защите данных (GDPR) и стремлением к аналогичным правилам других стран, данные становятся не только преимуществом, но и капиталом. Следует хорошо обдумать, какие источники данных использовать, и создавать модели, которые люди в состоянии понять и проверить.

Наконец, переключите людей на более ценные социальные задачи. Часто упускается из виду, что стоит автоматизировать задачу, как она обесценивается, изменяя конечную стоимость продукта. Поэтому если вы хотите просто заменить когнитивными технологиями человеческий труд и сократить расходы, то, скорее всего, находитесь на неверном пути.

Удивительный пример этого принципа можно обнаружить в высокотехнологичной области материаловедения. Год назад я беседовал с Джимом Уорреном из Materials Genome Initiative об интересных возможностях машинного обучения в исследовании материалов. Недавно он рассказал мне, что с этим подходом приходится все чаще сталкиваться в процессе исследования материалов.

Всего за год произошел огромный сдвиг. Стоит ли ожидать массовых увольнений специалистов в области материаловедения? Вряд ли. Благодаря тому, что рутинную исследовательскую работу поручили алгоритмам, сами ученые смогут взаимодействовать друг с другом более эффективно. Как выразился директор Объединенного центра исследований в области хранения энергии Джордж Крэбтри, который первым начал автоматизированные исследования материалов, «раньше наш прогресс измерялся временем до следующей публикации. Теперь — до следующего перерыва на кофе».

И это ключ к пониманию того, как эффективно внедрять когнитивные технологии. Роботы не отнимают у нас работу, а лишь берут на себя часть задач. Это означает, что в сотрудниках все больше будут цениться не когнитивные, а социальные навыки. Похоже, что будущее искусственного интеллекта неотделимо от человека.

Об авторе. Грег Сателл — эксперт в области цифровых стратегий, автор книг, лектор и консультант.