Данные должны ставить вопросы, а не
давать ответы

Чем больше данных, тем продуктивнее и прибыльнее может оказаться прогностическая аналитика. Но это — расхожее мнение, а инноваторы, которые стремятся не столько предсказывать, сколько изобретать будущее, должны больше интересоваться теми сложными операциями, которые ученые ныне проделывают над большими данными, выжимая из них интереснейшие сведения. На смену искусственному интеллекту (AI или artificial intelligence) идет автоматизированная гипотеза (AH или automated hypothesis) — именно ею все чаще будут вдохновляться прорывные инновации.

Недавно The Economist писал: «Более 90 групп исследователей ныне заняты разработкой программного обеспечения для создания AH. Они надеются с его помощью обрабатывать не обрывки информации, а обширный корпус научной литературы (по некоторым прикидкам до 50 млн научных статей), который ныне пылится в публичных базах данных». Иными словами, специалисты по данным из разных стран поняли, что петабайты и экзабайты могут превратить компьютерные разработки в нечто столь же креативное, как воображение. И в это они вкладываются.

Покоряющая простота: технологии AH вместо того, чтобы искать в данных решение проблем, создают целые портфолио проблем, которые пора решать. Точнее говоря, они генерируют гипотезы, над которыми ученым нужно поработать. И крупные корпорации, и индивидуальные предприниматели смогут использовать массивы больших данных, чтобы строить гипотетические модели своего бизнеса с учетом инноваций и создания новых ценностей. Придя на смену сервисам, которые подсказывают пользователю, какую книгу читать и какой сериал смотреть, движки AH будут предлагать тем же СМИ новые заголовки и новое содержание. Неужто Amazon или Netflix откажутся использовать накопившиеся у них экзабайты данных для создания новых продуктов и услуг, которые смогут заинтересовать партнеров и клиентов?

Читайте материал по теме: Сделайте так, чтобы ваша новая идея выглядела не такой пугающей

И можете быть уверены, многие (если не большинство) хедж-фондов с их склонностью к повышенной секретности давно уже обзавелись строго засекреченными AH. Они неустанно подкидывают им стратегии трейдинга и возможности инвестирования — каждую нужно изучить и усовершенствовать. «Алгоритмический» трейдинг, описанный в книге «Flash Boys», заслуживает пристального внимания, но инвестиционные победы опираются все же на менеджерские решения. Международное взаимодействие больших баз данных означает, что теперь для успешного управления портфелем инвестиций понадобится умение успешно управлять портфелем инвестиционных гипотез.

Для нового поколения инноваторов системы, задающие нужные вопросы, окажутся поважнее тех, которые всего лишь дают верные ответы. Основной вывод моей только что вышедшей книги «The Innovator’s Hypothesis: How Cheap Experiments Are Worth More Than Good Ideas» заключается в том, что умение проводить быстрые, полезные и масштабируемые эксперименты на основе высокоценных бизнес-гипотез становится новой ключевой компетенцией для инновационных успехов. Компании собирают все больше данных о своих клиентах, каналах поставок и сбыта, использовании продукта, нареканиях, отзывах в соцсетях и т. д. И совсем скоро эти данные будут уже не просто анализироваться с расчетом на оптимизацию: машины начнут генерировать «инновационные гипотезы», рекомендуя новые конфигурации, пакеты, свойства, схемы ценообразования и бизнес-модели — и все это нужно будет протестировать. Прорывные инновационные гипотезы уже не обязательно должны исходить от людей. Скорее всего, авторами станут машины.

Читайте материал по теме: Как руководители внедряли и применяли инновации в 1969 году

Преображающие мир инноваторы будут все более полагаться на вопросы, которые подкинет им AH. Эти вопросы послужат спусковым механизмом креативности и новых открытий. Не нужно искать в базах данных интересные паттерны, основной вызов для инноваторов — определить, какие гипотезы стоит сразу же проверить с помощью масштабируемых экспериментов в надежде создать новые продукты, услуги или операционные системы. Инновационному сотрудничеству разработчиков AH и экспериментаторов суждено оказывать все более существенное влияние на корпоративную культуру.

Неизбежен союз автоматизированных гипотез и прогностической аналитики. Автоматизированные гипотезы, которые привлекут не только инженеров и дизайнеров, но и маркетологов и финансистов, должны сочетать с наукой программирования искусство быстрых вычислений. Представьте себе, что у нас есть микроскоп, телескоп или магнитный резонатор, который говорит человеческим голосом: «Ага, тут что-то интересное. Не попробовать ли...?»

А еще интереснее жизнь настанет, когда AH объединится с ML или machine learning — обучением машин. Но это так, бизнес-гипотеза.

Читайте по теме:

• 5 устоявшихся стереотипов о пользе технологий
• Почему Германия опережает США в инновациях
• Изменит ли Facebook* мир?

* принадлежит Meta, которая признана в России экстремистской и запрещена