Секрет ИИ: почему одним компаниям алгоритмы помогают, а
другим нет

Многие руководители думают, что ИИ — это просто еще одна небольшая технология из серии «подключи и работай». Но на самом деле, чтобы извлечь из ИИ конкурентное преимущество, нужно преобразить всю структуру компании так, как поступили лидеры в этой сфере — Google, Haier, Apple, Zappos и Siemens. Они добились успеха не только за счет лучших технологий, но благодаря тому, что полностью преобразили свой бизнес, чтобы дополнить свои человеческие ресурсы мощным искусственным интеллектом.

Как им это удалось? Чтобы найти ответ, мы провели многоэтапное пятилетнее исследование: сначала опросили топ-менеджеров и директоров, а затем провели множество интервью и опросов в компаниях разных сфер, чтобы определить стратегии и проблемы внедрения ИИ. Кроме того, мы подробно изучили пять ведущих организаций из этой сферы. Результат оказался неожиданным. Мы поняли, что для конкурентоспособности в эпоху ИИ нужны не только технологии как таковые, а новые организационные структуры, в которых технологии помогают людям себя проявить. Для этого нужна особая бизнес-модель, в которой машины и люди взаимодополняют друг друга. Техника отлично выполняет рутинные, автоматизированные задачи — быстрее и точнее, чем любой человек. Однако бизнесу сегодня особенно нужны уникальные человеческие навыки: креативность, интерес, интуиция, способность меняться и создавать новое. В отличие от многих других процессов этому роботов научить нельзя.

Как руководителю получить максимум от ИИ?

На основе нашего исследования мы разработали четырехуровневую систему с руководством для менеджеров, отвечающую на вопрос, как создать организацию для людей, но со сверхчеловеческим интеллектом. Это именно четыре уровня, а не четыре шага: над ними нужно работать одновременно, а не по очереди. Должны присутствовать все четыре уровня — миссия, интеграция, внедрение и контроль — иначе ИИ не придаст компании устойчивое конкурентное преимущество. Вот как работает эта система.

Первый из четырех уровней нашей модели — миссия. Компания должна не просто стремиться заработать как можно больше денег и приносить пользу не только своим акционерам, а всему миру. Хорошим примером здесь может стать Siemens. Когда-то эта корпорация занималась производством и транспортировкой электроэнергии и думала только о прибыли. Теперь же она превратилась в ведущего поставщика энергоэффективных и экономных решений электрификации, автоматизации и цифровизации с поддержкой ИИ и интернета вещей и приносит пользу обществу. Этот культурный сдвиг к более высокой миссии повлиял не только на маркетинг и разработку продуктов, но и на стратегическое решение сократить свой нефтегазовый бизнес и перенести капитал в отделения программных решений и интеллектуальной инфраструктуры, чтобы заняться энергоэффективностью, хранением возобновляемой энергии, распределенными электросетями и электромобилями (подробнее об этом писали Скотт Д. Энтони, Аласдер Троттер и Эван А. Шварц вот в этой статье для HBR). Финансовые показатели и цена акций будут важны всегда, но если в эпоху ИИ технологическая организация будет думать о людях, это только поможет ей добиться успеха.

Для этого Siemens выпускают программно-аппаратные решения для ИИ в рамках своей платформы Totally Integrated Automation («Полностью интегрированная автоматика», TIA), которая объединяет ИИ-стратегию и миссию компании. В этой платформе ИИ служит мостом от корпоративного штаба к клиентам на фабриках. Патентованная система Siemens Mind Sphere— это облачная платформа для интернета вещей, к которой подключаются управляемые промышленные системы и периферийные устройства. Нейронный процессор Mind Sphere позволяет клиентам пользоваться ИИ-мощностями Siemens, в то же время обучая ИИ на собственном опыте. Кольм Гэвин, специалист Siemens по автоматизации фабричных производств, говорит: «Искусственный интеллект можно учить, тренировать и настраивать, чтобы фабрики стали более гибкими. Ведь что лучше — десять станков для упаковки десяти разных продуктов или один станок, который автоматически подстраивается под нужную форму и размер?» Интеллектуальные машины на ИИ-платформе TIA воплощают в жизнь миссию компании, придавая конечным пользователям гибкость, качество, эффективность и рентабельность для конечных пользователей.

Но иногда ИИ и миссия компании конфликтуют друг с другом. Примером этого могут послужить недавние проблемы Facebook. Миссия компании — «помочь людям во всем мире объединиться в сообщество и стать ближе друг к другу» — звучит благородно. Но то, как она в последнее время использует ИИ, не нравится ни рекламодателям, ни гражданским активистам. Социальной сети не удается подчинить ИИ своей миссии — напротив, он ей прямо противоречит: алгоритмы, формирующие ленту Facebook, в первую очередь показывают людям провокационный, недостоверный или агрессивный контент. Может показаться, что ИИ Facebook только усугубляет социальные конфликты. Это расходится с ее миссией — и уже приводит к финансовым последствиям. Поскольку алгоритмы компании поднимают в лентах дезинформацию, насилие и провокации, рекламодатели начинают отказываться от услуг Facebook. Это болезненный удар для бизнеса, который получает 98% дохода от рекламы. Крупнейшие бренды мира, в том числе Coca-Cola и Unilever, уже отказались от рекламы с Facebook, потому что соцсеть поддерживает контент, который противоречит их ценностям. Из-за этого рыночная капитализация Facebook упала на 8,3% ($56 млрд) за один день.

Второй слой нашей модели — это интеграция ИИ с человеческими ресурсами на всех уровнях компании. Чтобы стать лидерами в технологическую эпоху, компаниям нужно отказаться от строгой иерархии в пользу гибких команд с горизонтальной и вертикальной интеграцией разных сфер: от разработки продуктов до стратегического планирования. Один топ-менеджер объяснил нам: до ИИ-революции сотруднику было необходимо глубоко разбираться в одной узкой сфере; теперь глубокую аналитику может взять на себя ИИ, а от работников требуется синтезировать информацию. Для этого нужно работать в кросс-функциональных командах вместе с коллегами из других отделений. Чтобы стать более инновационными и адаптивными, компании должны перейти от строгих иерархий к более гибким, устойчивым и горизонтальным системам. Google, Haier и Zappos устроены по-разному, но между ними есть и общие черты: горизонтальность и гибкость. Компания должна превратиться в игровую площадку, на которой умные, талантливые сотрудники будут разрабатывать клиентоориентированные продукты. У них не будет четких должностей — они будут решать разные проблемы в кросс-функциональных командах, которые занимаются конкретными проблемами. Такие команды будут возникать спонтанно, по мере возникновения задач, и расформировываться, когда работа будет сделана, перенаправляя ресурсы туда, где они нужнее.

Но у этого есть и другая сторона, о которой легко забыть: командам из людей и ИИ нужна интегрированная структура. Только тогда люди смогут превзойти ограничения своего интеллекта, но не будут слишком сильно полагаться на робота при выполнении человеческих задач, которые требуют навыков и внимания. Например, у ИИ есть огромный потенциал в сфере медицины, но он должен не заменить врачей, а дополнить их навыки. Недавнее исследование в журнале Nature показало, что «качественная ИИ-поддержка человеческих решений повышает точность диагностики, как относительно ИИ без людей, так и относительно людей без ИИ». Это значит, что важные, экспертные человеческие решения могут стать лучше с ИИ, если ИИ качественно интегрирован в контекст.

Третий слой этой модели — это внедрение ИИ. Для внедрения нужно заинтересовать людей, быть готовым к риску и поощрять координацию между отделами. Один топ-менеджер крупной фармацевтической компании сказал нам в интервью: «Нужно, чтобы люди поверили в технологию». Об этом же нам рассказали и в другой компании: там, несмотря на внедрение ИИ, менеджеры просто изменяли выходные значения алгоритма, чтобы те соответствовали их ожиданиям. Другие сотрудники этой компании просто действовали по-старому, вовсе игнорируя данные, поступающие от алгоритмов. Поэтому ключевая часть внедрения ИИ — убедить людей.

Самые успешные компании тратят много времени, чтобы все объяснить и показать сотрудникам. Нужно, чтобы те поняли: машины не вытеснят их, а сделают их работу проще. Чтобы установить доверие к ИИ, руководители должны честно рассказывать о своих планах, объяснять цель, необходимые изменения, план и сроки их внедрения. Кроме разговоров, можно показать сотрудникам, что бояться нечего — показать им другие компании, прошедшие похожую трансформацию, чтобы те увидели собственными глазами, как там используется эта технология.

В своих исследованиях мы увидели много подходов к этой проблеме. Пилотные проекты, в которых технология внедряется в ограниченном масштабе, дают сотрудникам некоторую власть над ней. Если дать сотрудникам возможность попробовать технологию до окончательного принятия, переход тоже станет легче. Финансовая фирма Capital One даже создала внутренние образовательные курсы Capital One University, чтобы обеспечить более широкое понимание аналитики на всех уровнях организации.

Четвертый уровень модели — это контроль, или измерение качества работы. Результат и прогресс нужно измерять, и ведущие компании перешли от традиционных метрик к более современным. Правильные индикаторы могут стать причиной улучшений и помочь компании сконцентрироваться на том, что она считает главным. Если метрики поощряют инновации и креативность, сотрудники будут чаще использовать эти уникальные человеческие черты. Главное — правильно выбрать, что измерять. Из-за неправильно выбранного KPI может получиться как в поговорке про хвост, который виляет собакой. Люди могут быть хитрыми, и, если мотивация не будет как следует согласована с качественно разработанными метриками, сотрудники будут лениво и цинично обманывать систему — максимизировать видимость результата, не выполняя работу, на которую рассчитывали менеджеры, внедряя этот индикатор.

Многие используют систему KPI, но наше исследование показало, что успешные компании чаще используют систему целей и ключевых индикаторов (Objectives and Key Indicators, OKR). KPI сами по себе не подразумевают амбициозных стратегических целей, которые так необходимы в эпоху ИИ, и не мотивируют людей тянуться вверх. А смысл OKR заключается именно в том, чтобы определить, как достичь амбициозных целей, когда неудача так вероятна, используя конкретные, измеримые показатели. Они поощряют креативные, новые и амбициозные результаты — и даже если добиться цели не удалось, показывают, насколько получилось к ней приблизиться. Google начали использовать OKR еще в 1999 году — некоторые даже считают, что это и есть одна из главных причин успеха компании. В Google OKR создают прозрачность: все сотрудники знают цели компании, понимают, что делают и делали остальные, на какой траектории они находятся и как попадут к цели.

Как построить компанию со сверхчеловеческим интеллектом

Наше исследование показывает, что ИИ — это не просто небольшая добавка к старым технологиям, а нечто намного большее. Но для того чтобы эффективно его внедрить, нужна лидерская работа и координация всех секторов компании. Чтобы раскрыть с его помощью весь человеческий потенциал компании, нужно перестроить всю структуру и ввести новые индикаторы, измеряющие, насколько компания близка к выполнению своей миссии. Конечно, это главные вопросы идентичности компании, и любые их изменения — это риск. Но без этого риска нельзя быть конкурентоспособным в эпоху ИИ. Нужно совместить все четыре уровня и создать компанию, сфокусированную на людях, но использующую данные сверхчеловеческого ИИ. Для этого нужна совместная работа сотрудников на всех уровнях и системное мышление: нужно понять, как работа каждого человека сочетается с работой остальных, как она помогает клиентам и как влияет на миссию и финансовые показатели компании. Четырехуровневая модель поможет компаниям пользоваться сверхчеловеческим интеллектом, не теряя человеческого отношения.

Мы удивились, когда поняли, что этот секрет раскрыли очень немногие компании, но их успех вдохновил нас. Мы надеемся, что предложенная нами модель поможет и другим фирмам создать условия для использования сверхчеловеческого интеллекта и получить устойчивые конкурентные преимущества в эпоху ИИ.

Об авторах

Нада Р. Сандерс (Nada R. Sanders) — Ph.D, заслуженный профессор Школы бизнеса Северо-восточного университета, научный сотрудник Института наук о принятии решений. Соавтор книги«The Humachine: Humankind, Machines, and the Future of Enterprise». 

Джон Д. Вуд (John D. Wood) — партнер юридической фирмы Green Klein & Wood, консультирует владельцев коммерческой недвижимости. Соавтор книги «The Humachine: Humankind, Machines, and the Future of Enterprise». 

* деятельность на территории РФ запрещена