Економіка штучного інтелекту: як використати технологію на користь бізнесу

Розділ: Інформаційні технології
Автор(и): Аджай Аграваль (Ajay Agrawal), Рік Кіркланд (Rik Kirkland)
Джерело: Blog Imena.UA
розміщено: 25.09.2018
звернень: 6116

Зважаючи на стрімкий розвиток нових технологій, штучний інтелект напрочуд жваво обговорюють у пресі. Однак часом видання просто передруковують інформацію одне в одного, тому знайти якісний матеріал, що висвітлює оригінальний погляд на цю тему, не так вже й просто. Шеф-редакторові видання McKinsey & Company Ріку Кіркланду (Rik Kirkland) таки вдалося відшукати непересічні погляди на розвиток та роль штучного інтелекту в сучасному світі у новій книзі «Машини прогнозування: Проста економіка штучного інтелекту» (Prediction Machines: The Simple Economics of Artificial Intelligence), автором якої став Аджай Аграваль (Ajay Agrawal), професор економіки та викладач Школи менеджменту Ротмана (Rotman School of Management) при Торонтському університеті.
Економіка штучного інтелекту: як використати технологію на користь бізнесу Простими словами професор розповідає про власне бачення майбутньго штучного інтелекту та про те, як можна із найбільшою користю застосовувати штучний інтелект у бізнес-процесах. Науковець також заснував Лабораторію творчого руйнування (Creative Destruction Lab), де він допомагає розвиватися стартапам, які працюють зі штучним інтелектом.

Рік Кіркланд, в свою чергу, підсумовує роботу професора Аграваля та дає поради топ-менеджерам щодо того, як вдало використати штучний інтелект для оптимізації бізнес-процесів.

Опосередкований вплив зниження вартості

Навіщо нам потрібен штучний інтелект? Професор Аграваль стверджує, що штучний інтелект допоможе знизити вартість прогнозування — потужного інструменту, що відіграє колосальну роль у побудові бізнес-стратегій та й загалом у плануванні життя кожної людини.

Щоб краще зрозуміти вплив штучного інтелекту на зниження вартості економічного прогнозування, візьмемо для прикладу напівпровідники, що у 1960 роках посприяли зниженню вартості обчислень. Це, в свою чергу, спричинило ряд наслідків. Перш за все, з огляду на те, що обчислення стали простішими та дешевшими, вони почали більше застосовуватися у державному управлінні та військовій сфері, а також в економіці для прогнозування попиту. Обчислення почали застосовувати у ряді інших сфер, наприклад, для створення фото-зображень з використанням хімічних реакцій, а згодом і у процесі виробництва цифрових камер.

Розширення можливостей прогнозування

Оскільки прогнозування стає швидшим, дешевшим і якіснішим, цей інструмент буде ширше використовуватися для вирішення повсякденних задач, зокрема управління матеріально-технічними ресурсами. Крім того, невдовзі прогнозування почнуть використовувати для вирішення задач, які досі не розв’язували з його допомогою.

Наприклад, автономне керування транспортним засобами досі не пов’язували із прогнозуванням. Раніше інженери програмували безпілотний транспортний засіб, який пересувався у контрольованому середовищі, зокрема на фабриці чи на складі. Розробники давали безпілотникові вказівки щодо поведінки у певних ситуаціях, наприклад, зупинитися, якщо перед ним рухається людина. Але ці транспортні засоби не можна було випускати на вулиці, тому що неможливо запрограмувати їх поведінку в природніх умовах та врахувати всі можливі ситуації, як от дощ, погану видимість, дитину, яка раптово вибігла на вулицю. Скільки б рядків коду не написав програміст, йому не вдасться передбачити усі можливі ситуації.

Сьогодні керування автономними транспортними засобами можна розглядати як задачу з прогнозування. Роль штучного інтелекту у цьому випадку — спрогнозувати відповідь на єдине питання: що у тій чи іншій ситуації зробить хороший водій? Під час керування автомобілем людина виконує обмежений набір дій: повернути вправо або вліво, натиснути на гальма або додати швидкості. Отже, щоб навчити штучний інтелект керувати автомобілем, за кермо треба посадити людину, а штучний інтелект тим часом спостерігатиме за тим, що робить водій, керуючи транспортним засобом. Оскільки штучний інтелект не має ані очей, ані вух, йому потрібно додати камери та пристрої радіолокації й лазерної локації (LIDAR), за допомогою яких штучний інтелект отримуватиме дані та намагатиметься передбачити, які будуть подальші дії людини.

Спочатку штучний інтелект робить багато помилок. Але він вчиться на своїх помилках і оновлюється щоразу, коли неправильно передбачив дію людини. Коли прогнози нарешті стануть безпомилковими, водій за кермом стане непотрібен, адже керувати транспортним засобом тепер зможе штучний інтелект.

Цінність даних, мислення, та дій

Здешевлення прогнозування сприятиме зниженню вартості замінників прогнозування, а вартість додаткових продуктів зростатиме. Головним замінником машинного прогнозування є прогнозування, виконане людиною. Люди постійно роблять прогнози, як у бізнесі, так і у повсякденному житті. Однак часто наші прогнози досить упереджені та неточні. Штучний інтелект справлятиметься із прогнозуванням набагато краще, ніж люди. Оскільки якість прогнозу, виконаного штучним інтелектом, невпинно покращуватиметься, цінність прогнозу, виконаного людиною, буде зменшуватися.

Одночасно виросте вартість додаткових продуктів. У прогнозуванні таким продуктом є інформація, яку, очевидно, через її неабияку цінність, називають новою нафтою. Є також інші, менш очевидні додаткові продукти, зокрема здатність людини мислити і робити висновки. Приймаючи рішення, людина застосовує як прогнозування, так і власну здатність робити висновки. Зазвичай ми не замислюємося над тим, що для прийняття рішень насправді ми використовуємо два інструменти. Коли прогнозуванням займатимуться машини, цінність мислення і здатності робити висновки у процесі прийняття рішень стане очевиднішою. Вартість прогнозів, виконуваних людиною, знизиться, а мислення та здатність робити висновки виростуть у ціні, оскільки штучний інтелект не робить висновків. Він займається виключно прогнозами, на основі яких люди роблять висновки та приймають рішення.

Наступний додатковий продукт — це дія. Прогнози цінні лише в контексті певної дії, яка виконується з урахуванням прогнозних даних. Так, наприклад, один із засновників, що працюють у згаданій Creative Destruction Lab, створив дуже хорошу програму на основі штучного інтелекту для прогнозування попиту на продукти харчування з обмеженим терміном зберігання, як от йогурт. Незважаючи на точність, ця програма прогнозування нічого не варта, якщо особа, відповідальна за закупівлю товарів у роздрібній продуктовій мережі, не вирішить, скільки саме йогуртів необхідно закупити. Таким чином, активом можуть бути не лише дані, але й дії.

Переосмислення робочих процесів

Один з підходів до визначення способів використання штучного інтелекту в бізнесі полягає у переосмисленні робочих процесів та розподілі їх на окремі завдання. Потім необхідно виокремити завдання, у яких значною мірою використовується прогнозування та для виконання яких у нагоді стала б машина прогнозування. Далі слід з’ясувати, чи інвестування у створення такої машини для виконання кожного такого завдання є рентабельним, а потім скласти список завдань, розмістивши згори завдання, для яких використання такої машини було б найбільш корисне, а знизу — завдання, для виконання яких машину прогнозування використовувати необов’язково. Завдяки цій простій вправі можна створити інструменти на основі штучного інтелекту, які допоможуть підвищити продуктивність компанії.

Коли йдеться про визначення інструментів на основі штучного інтелекту, які не просто сприятимуть підвищенню продуктивності, а призведуть до трансформації бізнес-процесів, у Creative Destruction Lab використовують підхід, який називають науковою фантастикою. Кожен інструмент на основі штучного інтелекту уявляють перемикачем гучності на радіоприймачі, який використовують не для того, щоб зробити голосніше, а щоб підвищити точність прогнозування з використанням штучного інтелекту.

Щоб краще зрозуміти, як це працює, уявіть, що застосуєте цей підхід до сервісу рекомендацій Amazon. З’ясувалося, що його ефективність складає приблизно 5%. Таким чином, з кожних 20 речей, які він рекомендує, ми купуємо лише 1. На перший погляд здається, що цей інструмент неефективний, але якщо задуматися про те, що інструмент обирає 20 позицій з каталогу Amazon, в якому мільйони товарів, і з цих 20 ми купуємо 1, то результат не здається таким вже й поганим.

Команда спеціалістів з машинного навчання у Amazon день у день працює над тим, щоб повернути перемикач максимально вправо. Уявіть, що перемикач знаходиться десь на другій з десяти поділок. Якщо їм вдасться докрутити перемикач до четвертої або п’ятої поділки, то ми купуватимемо вже 5 або 7 товарів з 20. Через деякий час прогнози стануть настільки точні, що Amazon вирішить, що раз їхнє прогнозування настільки ефективне, то навіщо покупцям в принципі обирати на сайті якісь товари, якщо компанія може просто надсилати клієнтам товари, список яких склав сервіс рекомендацій. Таким чином, Amazon міг би збільшити кількість продажів. По-перше, якби компанія доставляла товари, не чекаючи, поки покупець їх обере, Amazon обійшов би конкурентів, зокрема онлайн- та звичайні магазини. По-друге, покупець часом замислюється над тим, чи купувати ту чи іншу річ, чи краще утриматися від покупки, але коли товар уже на порозі, то клієнт скоріше за все вже не буде довго думати і заплатить за нього. Так, віддавши прогнозування у руки штучного інтелекту, можна докорінно змінити всю бізнес-модель.

Інструкція з економного прогнозування

Як отримати максимальну користь від машин прогнозування? Ось декілька дієвих порад від експертів.

1. Почніть з аналізу впливу штучного інтелекту на бізнес

Найважливіше питання, яке постає перед керівником компанії, незалежно від сфери бізнесу, полягає у тому, наскільки швидко, на думку керівника, штучний інтелект стане дійсно цінним та необхідним інструментом.

Слід звернути увагу на те, як і у що інвестують великі компанії, та отримати уявлення про те, як швидко компанії розраховують перейти до стадії перетворення бізнесу. Наприклад, Google придбав DeepMind за півмільярда доларів США, незважаючи на те, що це був стартап, який навчав штучний інтелект грати в Atari. Компанія практично не отримувала жодних прибутків. У Google, безперечно, знали про те, як швидко штучний інтелект запрацює на їх користь.

Таким чином, першочергове завдання топ-менеджера полягає у вивченні разом зі своєю командою менеджерів та фахівців потенційного впливу штучного інтелекту на бізнес-процеси.

2. Усвідомте, що штучний інтелект розвиватиметься дуже швидко

Ще до початку планування слід усвідомити, що штучний інтелект, швидше за все, розвиватиметься експоненціально, а не лінійно. За останній рік показники розвитку у різних сферах значно пришвидшилися у порівнянні із попереднім роком. Стрімко зростає рівень інвестицій, а кількість накопичених даних зростає у геометричній прогресії.

3. Довіртеся машині

Якщо штучний інтелект розробили та задіяли належним чином, у більшості випадків він робить прогнози краще за людей, але не всі керівники готові делегувати прогнозування машинам. Нещодавно проведене дослідження виявило, що AI робить якісніші прогнози щодо майбутніх результатів роботи кандидатів на ту чи іншу посаду, ніж спеціалісти з набору персоналу. Незважаючи на ці докази, деякі рекрутери досі ігнорують рекомендації, вироблені штучним інтелектом, під час добору кадрів. Саме тому компанії повинні виробити чіткі правила щодо випадків, коли людина вправі прийняти те чи інше рішення всупереч порадам штучного інтелекту.

4. Визначіться, що саме ви прогнозуєте

Аджай Аграваль працює у бізнес-школі і розповідає, що коли йдеться про набір студентів, навчальному закладові бракує конкретики. Зазвичай у рекламній брошурі можна побачити щось на кшталт «Ми шукаємо найкращих студентів». Не дуже зрозуміло, що саме мається на увазі, і кого ВНЗ радо прийме до своїх лав. Найрозумніших чи найстаранніших студентів? Чи радше кандидатів з високорозвиненими комунікативними навичками?

Найбільше користі від штучного інтелекту отримають організації, що здатні чітко та влучно визначати власні цілі та мислити широкими категоріями. З огляду на методи, що використовуються для навчання штучного інтелекту, його ефективність безпосередньо пов’язана з чіткістю постановки цілей та завдань.

5. Організуйте навчальний процес

Саме здатність до навчання робить штучний інтелект настільки потужним інструментом. Штучний інтелект — це капітал, який може навчатися. Компанії повинні дбати про те, щоб їхні рішення базувалися на отриманій інформації і були спрямовані на досягнення бажаного результату, з якого слід видобувати нові знання та передавати ці знання назад у систему. Саме тоді управління навчальним процесом стане ефективнішим, ніж будь-коли.

Нещодавно видання The New York Times процитувало колишнього заступника міністра оборони США, який відреагував на різкий поступ у розвитку штучного інтелекту в інших країнах, зокрема в КНР. «Це момент супутника», — прокоментував Роберт Ворк (Robert Work), який мав на увазі запуск Радянським Союзом першого орбітального супутника Землі у 1957 році. Результатом запуску стали створення NASA в США та висадка американців на Місяць в 1969 році.

Невдовзі численні організації відчують, що настав їхній момент супутника. Далекоглядні керівники скористаються цим моментом, щоб модернізувати свої організації та змінити на краще світову економіку.

За матеріалами "The economics of artificial intelligence", McKinsey & Company.
Адаптований переклад: Юлія Дерев’янко, спеціально для «Блог Imena.UA»

Ілюстрація: Depositphotos.com



ЧИТАЙТЕ ТАКОЖ:
КНИГИ НА ТЕМУ:
BIG DATA. Зброя математичного знищення. Як великі дані збільшують нерівність і загрожують демократіїBIG DATA. Зброя математичного знищення. Як великі дані збільшують нерівність і загрожують демократії
Дивовижні технології. Дизайн та інтернет речейДивовижні технології. Дизайн та інтернет речей
Вакансія: людина. Як не залишитися без роботи в добу штучного інтелектуВакансія: людина. Як не залишитися без роботи в добу штучного інтелекту

МЕТОДОЛОГІЯ: Стратегія, Маркетинг, Зміни, Фінанси, Персонал, Якість, IT
АКТУАЛЬНО: Новини, Події, Тренди, Інсайти, Інтерв'ю, Рецензії, Бізнес-навчання, Консалтинг
СЕРВІСИ: Бізнес-книги, Робота, Форуми, Глосарій, Цитати, Рейтинги, Статті партнерів
ПРОЄКТИ: Блог, Відео, Візія, Візіонери, Бізнес-проза, Бізнес-гумор

Сторінка Management.com.ua у Facebook    Менеджмент.Книги: телеграм-канал для управлінців    Management Digest у LinkedIn    Відслідковувати нас у Twitter    Підписатися на RSS    Поштова розсилка


Copyright © 2001-2024, Management.com.ua

Менеджмент.Книги

телеграм-канал Менеджмент.Книги Менеджмент.Книги — новинки, книжкові огляди, авторські тези і цінні думки з бізнес-книг. Підписуйтесь на телеграм-канал @books_management



➥ Дякую, я вже підписана(-ий)