Читать онлайн Потенциал ИИ в бизнесе. Стратегическое применение искусственного интеллекта и Big Data
- Автор: Аша Саксена
- Жанр: Программирование, Зарубежная компьютерная литература
© 2023 by Asha Saxena
© Елена Жевлакова, перевод на русский язык, 2025
© Оформление. ООО «Издательство „Эксмо“», 2025
Эта книга посвящена миссии организации Women Leaders in Data and AI (WLDA) и ее участникам. WLDA объединяет опытных лидеров для создания успешного цифрового мира на основе равенства и справедливости.
Я организовала WLDA в 2020 году как уникальную социальную сеть для обмена знаниями и опытом в области ИИ, в которой лидеры, мужчины и женщины, сотрудничают ради поддержания тенденций роста и устойчивого развития.
Эти замечательные люди уже заняли свои места за столом переговоров и дают шанс многим другим присоединиться к ним.
Предисловие
Согласно последнему исследованию Pricewaterhouse Coopers (PwC), к 2030 году использование искусственного интеллекта добавит в мировую экономику более пятнадцати триллионов долларов США. Но на данный момент мы находимся в 2022 году, и недавнее исследование Morning Consult показало, что только 35 % организаций в мире внедрили ИИ на своих предприятиях. Чтобы к 2030 году достичь прогнозируемого показателя, необходимо применять ИИ гораздо более обширно.
Итак, где же недостающее звено? Ответ вы найдете в этой книге.
Существуют четыре тесно взаимосвязанных и зависящих друг от друга аспекта – четыре, если хотите, «недостающих звена». Во-первых, должна существовать система показателей, отражающих реальную бизнес-ценность,– и нет, количество построенных ИИ-моделей не является адекватной метрикой. ИИ следует связать с экономией затрат или получением новых доходов. Во-вторых, необходимо сформировать доверие к ИИ. Для этого технология должна быть прозрачной, объяснимой, справедливой, надежной и сохранять конфиденциальность. В-третьих, должна иметься возможность наблюдать цепочку операций с участием ИИ на всем предприятии. Наконец, стратегию использования искусственного интеллекта нужно прочно связать с бизнес-стратегией компании. Встроив эти недостающие звенья, вы поставите человека в центр результатов применения ИИ и всей цепочки создания ценности.
В этом вопросе часто теряется человеческий компонент. Когда компании говорят об ИИ, ориентированном на человека, они обычно имеют в виду удобство использования. Книга Аши поднимает вопросы применения ИИ человеком, а также влияния ИИ на жизнь человека, даже не являющегося пользователем ИИ. Она делает человека неотъемлемой частью дискурса об ИИ, и о таком измерении я пока не задумывался.
Если вы разработали наилучшую стратегию, прочно связанную с планом использования ИИ, а ваш бизнес и клиенты не принимают его, рентабельность инвестиций будет отрицательной. Решающее значение для обеих сторон имеет доверие. Чтобы по-настоящему разобраться в его базовых составляющих, определенных мной на основе личного опыта, нужно принимать во внимание людей. Данная книга поможет сделать это очень эффективным и масштабируемым способом.
В своей книге Аша описывает хорошо продуманный и основанный на опыте подход к созданию ИИ-стратегии, всецело опирающейся на бизнес-стратегии. Этот уникальный подход исходит от человека, который сделал (и продолжает делать) весьма успешную карьеру как в сфере обработки данных, так и в бизнесе. Ее «концепция управления данными»[1] помогает заложить основу для восполнения всех четырех недостающих звеньев, описанных выше.
Эта книга имеет еще одну ценность: она дает возможность определить, на каком участке пути вы сейчас находитесь, и постоянно отслеживать прогресс, используя инструмент «квадранты стратегий роста, ориентированных на данные». Построив на основании этой схемы «концепцию управления данными», вы решите проблему связи с бизнес-стратегией.
Прелесть книги заключается в увлекательном подходе, доказывающем ценность и эффективность методологии Аши на реальных примерах таких компаний, как Netfl ix и Starbucks, успешно внедривших массовое использование ИИ в своем бизнесе. Она также приводит менее известные, но в равной степени важные, воспроизводимые примеры из собственной профессиональной карьеры и работ других видных экспертов в этой области.
Если вы хотите стать одной из компаний, которая претендует хотя бы на часть ВВП, связанную с ИИ, в размере более пятнадцати триллионов долларов, предлагаю потратить время на чтение и, что более важно, на внедрение изложенных в этой книге концепций.
Какую часть из этих пятнадцати триллионов получите вы?
Сет Добрин
Доктор Сет Добрин – первый глобальный директор по искусственному интеллекту в IBM. Его роль заключается в управлении корпоративной ИИ-стратегией IBM, помимо этого, он отвечает за согласование практик разработки и использования ИИ по бизнес-подразделениям IBM с систематическим формированием бизнес-ценности. Приверженность ориентированному на человека ИИ побудила Сета создать новую методологию, помогающую компаниям развивать ИИ-стратегии на основе доверия, что способствует получению более честных, точных и ориентированных на потребности реальных людей результатов. Эта методология уже помогла превратить ИИ из простого инструмента для увеличения эффективности процессов во всеобъемлющий катализатор трансформации бизнеса. В 2021 году на церемонии AIconics Awards Сет был признан «Новатором года» в области искусственного интеллекта, он вошел в число Топ-100 лидеров в области данных и аналитики по мнению Corinium.
Введение
Для бейсбольной команды «Окленд Атлетикс» девяностые годы стали десятилетием посредственных результатов. Многие винили «Окленд» в неспособности нанять лучших игроков, как это делали такие лидеры рынка, как «Янкиз». Действительность была (и есть) такова, что получающие огромные доходы от телевещания команды, например из Нью-Йорка или Лос-Анджелеса, всегда смогут потратить на покупку игроков в два или даже в три раза больше, чем «Окленд».
В 2002 году «Окленд» вошла в число трех самых низкооплачиваемых членов Высшей лиги бейсбола – «Янкиз» опередила ее на несколько световых лет. Отсутствие бюджета для найма топовых игроков делало перспективы команды туманными. Тогда генеральный менеджер Билли Бин применил другой подход. Используя статистический метод, известный как саберметрика[2], его команда бросила вызов общепринятому мнению о потенциале некоторых игроков. Инновационные измерения, превосходящие распространенные в то время методы, основанные на интуиции скаутов и простых статистических выкладках, позволили выявить недооцененных игроков. Бин рассудил, что такие игроки доступны по цене, что позволит создать команду-победитель при самом ограниченном бюджете.
Майкл Льюис описал это в своей противоречивой книге «Человек, который изменил все» (Moneyball1), которая затем легла в основу одноименного фильма 2011 года. По мнению Льюиса, неординарный подход Бина изменил игру навсегда.
В этот год «Атлетикс» зафиксировал беспрецедентную победную серию из двадцати матчей и вышел в плей-офф, повторив успех и на следующий год. С тех пор другие команды, в том числе из разных видов спорта, внедрили в спортивный бизнес подход, ориентированный на данные, и стали использовать его для преумножения успеха. Обозреватель Forbes отметил, что современные спортивные франшизы теперь включают трех основных новых игроков: большие данные, аналитику и искусственный интеллект, или ИИ2.
Почему именно эта книга?
Наверняка вы, как и многие другие, хотите понять: возможно ли вообще использовать эти технологии в вашей организации? Допустим, вы уже имеете некоторое представление о потенциале ИИ, например из книги Мишеля Льюиса, из классического фильма Стэнли Кубрика 2001 года или из длинного списка книг и статей. Но все равно возникают вопросы: «Что я могу реально сделать с этим?» и «Чем эта книга про искусственный интеллект отличается от других?».
Прежде чем вы продолжите читать, позвольте объяснить, почему я решила написать эту книгу. Да, есть множество трудов о важности ИИ, машинном обучении (МО), предиктивной аналитике и других разнообразных технологиях обработки данных. Некоторые авторы даже объясняют (как и я) важность вовлеченности руководителей, информационной грамотности и общей готовности к работе с данными. Но ни одна из книг не работает с уникальными культурными требованиями, необходимыми для создания логически связной, последовательной стратегии обработки данных. Я постаралась охватить весь спектр вопросов, зачем нужен ИИ, как начать его применение, а также о концепции и важных составляющих его успешного внедрения.
Именно эти вопросы мы обсуждали с коллегой Кэмероном Дэвисом, директором по обработке данных в Yum! Brands и надежным союзником Women Leadersin Data and AI (WLDA)– социальной сети для обмена опытом и знаниями в области данных и ИИ, которую я основала в 2020 году. Как и полагается другу, он спросил, есть ли в моей книге нечто уникальное, выделяющее ее среди остальных. Вот его слова:
«Об искусственном интеллекте и готовности организации с технической точки зрения говорят все. Рассуждают о теме с точки зрения данных. Но никто не уделяет внимание готовности организации с учетом культурной составляющей. Да, м ы декларируем необходимость изменить культуру, но забываем о влиянии уже существующей культуры на подход к решению проблемы.
Например, генеральный директор компании Virgin Ричард Брэнсон сказал просто: „Я хочу реализовать все это множество проектов по ИИ за следующие пять лет. Вы, ребята, должны это сделать“, – и это поручение не оспаривается. Но в других компаниях случается, что генеральный директор придерживается стратегии, основанной на данных, а вот четыре других руководителя, или четыре остальных подразделения, или совет директоров имеют иные приоритеты».
Я знаю ответ на вопрос Кэмерона. В этой книге я поставила цель не просто подтвердить общепринятые представления о больших данных и ИИ. Я хотела найти способ объединить интересы лидеров бизнеса и обработки данных на широком, практическом и межкультурном уровне, не прибегая к чрезмерным упрощениям. Стремилась найти модель, говорящую за себя и помогающую каждому сразу визуализировать концепцию, как иерархия потребностей Маслоу[3]. Еще важнее, что это дало бы четкий план – «четырехэтапный процесс», если хотите, – для превращения ИИ в практическую реальность.
К этой схеме мы обратимся позже в главах 7 и 8
Для начала я решила создать собственную, ориентированную на ИИ, версию классического инструмента «шаблон бизнес-модели». Как и оригинал, моя версия давала визуальное представление о строительных блоках, необходимых для планирования и измерения успешной стратегии (включая потенциальные компромиссы) с использованием ИИ, машинного обучения или предиктивной аналитики. Ее цель – определять стратегию, я надеюсь, очевидную для всех.
Сделав это смелое заявление, я приглашаю вас продолжить чтение и разобраться, как ИИ и большие данные помогут достичь целей, которые вы раньше и представить себе не могли.
Мой путь
Я начала путешествие в мир данных около двадцати пяти лет назад. После работы в должности инженера по информатике я стала технологическим предпринимателем, создала крупную консалтинговую фирму по управлению данными, компанию по продажам через интернет и фирму по разработке программного обеспечения для медицинской аналитики. Под эгидой CXO Coaching, CEO Coaching International и WLDA я консультировала бизнес-руководителей, стремящихся разобраться в непонятных технологиях.
Стоит сказать, что меня всегда приводили в восторг данные, компьютерные технологии и математика. В начале карьеры консультанта я заметила, что многие компании уделяли внимание построению реляционных баз данных – структурированным данным. Они говорили: «Давайте все перенесем в хранилище данных, так мы сможем создавать понятные отчеты». Сейчас разговор радикально изменился. Революция в области больших данных позволила нам использовать и обрабатывать как структурированные, так и неструктурированные данные, и благодаря этому лучше понимать клиентов, окружающую среду и многое другое.
Для бизнеса вопрос использования данных особенно обострился из-за «трех V» больших данных, которые мы рассмотрим в главе 2. Один только объем данных (volume) увеличился в геометрической прогрессии, перейдя отметку в петабайт3. Благодаря все более быстрым процессорам и соединениям скорость обработки данных (velocity) теперь приближается к показателям, обеспечивающим доступ к результатам в режиме реального времени. Третья «V» – разнообразие (variety)– самая сложная из всех. Сегодня мы имеем дело преимущественно с неструктурированными данными: диалоги, изображения, аудио, видео. Традиционные методы здесь не справляются. Поэтому неудивительно, что бизнесмены зачастую не видят ценности (value – четвертая «V») в больших данных.
Гораздо позже, когда моя карьера перешла от науки данных к миру бизнеса, я стала замечать нечто важное. Выйдя за пределы научного круга, я обнаружила, что руководители бизнеса и управленцы знают, что данные им необходимы, но не понимают, где их взять и что делать с уже имеющимися. (Честно сказать, специалисты по данным часто сталкиваются с противоположной проблемой. Они умеют работать с данными, но не всегда видят их бизнес-потенциал.)
Правда в том, что многие, если не большинство руководителей уже обладают данными, которые позволили бы им достичь впечатляющих успехов. Проблема в том, что они не знают, как найти или использовать их. В этой книге я покажу, что единственный способ эффективно найти, собрать и задействовать большие данные – это использовать искусственный интеллект, или ИИ. Это цифровые технологи, которые имитируют способности человеческого мозга решать проблемы и принимать решения, выявляя закономерности и выполняя рутинные задачи гораздо точнее и быстрее, чем это доступно человеку. Фактор искусственного интеллекта не является исключительной прерогативой крупных и влиятельных компаний; вы тоже можете его использовать.
Из многочисленных заблуждений об ИИ и смежных технологиях самым пагубным является представление, что их могут использовать только огромные, сложно устроенные организации и что их применение в некотором роде неэтично или безответственно. СМИ постоянно муссируют образ сложных технологий, доминирующих в области больших данных, вызывая у рядовых бизнес-руководителей чувство безнадежности. Между тем на момент написания этой книги «большая тройка» в мире технологических компаний (Google, Facebook[4], Amazon) лидирует по доходам от цифровой рекламы благодаря использованию ИИ и данных о пользователях для предсказания их поведения. Однако дальнейшее доминирование этих компаний никоим образом не гарантировано, поскольку опасения по поводу конфиденциальности использования ими персональных данных могут оказать негативное влияние на бизнес4. Такие мрачные новости отвлекают нас от факта существования и других компаний, использующих поведенческую и предиктивную аналитику и делающих это более ответственно и устойчиво.
Почему важны данные и ИИ
Эта книга о вас и вашем бизнесе, а также о скрытом потенциале ваших данных. Как и «Окленд Атлетикс», вы боретесь с огромными, кажущимися непреодолимыми внутренними и внешними ограничениями. Но, как и у Билли Бина, у вас есть потенциальный доступ к данным, которые могут указать на новые возможности. (Возможно даже, вы уже располагаете данными, но не знаете, что с ними делать.) В отличие от мира в 2002 году, вы обладаете гораздо более обширным доступом к ИИ и другим инструментам, которые могут по-новому и с более значимым эффектом использовать большие данные, чтобы вывести ваш бизнес на новый уровень успеха. Эти технологии могут показаться странными и незнакомыми, но от вас требуется только решение использовать эти инструменты с умом.
Вполне возможно, у ваших коллег сложилось впечатление, что ИИ – это нечто странное и таинственное. Поэтому проведите такой эксперимент. Спросите, использовали ли они сегодня искусственный интеллект. Скорее всего, на вас посмотрят с удивлением и ответят «нет». Копнув глубже, вы наверняка обнаружите, что собеседники вообще мало сведущи в теме. Они слышали об ИИ из фильмов или по телевизору. Для них ИИ существует, но в действительности не влияет на повседневную жизнь. Возможно, вы и сами разделяете это весьма далекое от истины убеждение.
Если на вашем смартфоне есть приложение банка, вы используете ИИ. Именно он защищает вашу учетную запись от подозрительной активности, использует камеру телефона для обработки чека и рекомендует варианты расходов и инвестиций на основе вашей активности и предпочтений. Совершая покупки онлайн, вы пользуетесь ИИ, который рекомендует товары и варианты, соответствующие истории просмотров и покупок. Используя приложение для онлайн-знакомств, вы доверяете ИИ обработку данных профиля для выбора подходящего кандидата. Помимо этого, современное здравоохранение все больше полагается на ИИ, который анализирует закономерности в данных из часто фрагментированных ресурсов, чтобы быстрее предоставлять врачам и пациентам четкую информацию. Сегодня даже некоторые компании по страхованию автомобилей используют ИИ для отслеживания и поощрения безопасного вождения. Одним словом, ИИ есть везде.
Вы не только используете его по несколько раз в день, каждый день, но применяете – извлекая выгоду – основные компоненты ИИ, включая большие данные, облачные сервисы, умные гаджеты и многое другое. Эта книга рассказывает обо всех возможностях, уже ставших неотъемлемой и даже существенной частью нашей жизни, замечаем мы это или нет. Точно так же, как эти технологии помогают отдельным потребителям, они способны приумножить успех компаний, которые правильно применяют их. Эта книга – дорожная карта такого роста.
Сопротивление искусственному интеллекту казалось вполне объяснимым в прошлом, но сегодня компании просто не могут игнорировать большие данные и ИИ. Сегодня эти технологии являются совершенно необходимым компонентом роста, несмотря на то что СМИ описывают их иначе. Даже сейчас средства массовой информации не отказываются от чрезмерной сенсационности, как в случае с Replika5 – чат-ботом на основе ИИ, позволяющим пользователям создавать виртуального друга. Некоторые говорили о его пользе: например, ограниченные в правах люди могли свободно выражать здесь свое мнение; другие высказывались об опасениях по поводу этики и неприкосновенности частной жизни6. Совсем недавно СМИ с тревогой обсуждали эту тему, ссылаясь на все более частое использование ИИ и распознавания лиц в репрессивных политических целях7.
Временами тема становится источником публичных скандалов, с чем столкнулась Microsoft, выпустив злополучного чат-бота Тэя (Tay), изначально созданного в виде разговорного ИИ8. На основе обработки искусственным интеллектом постов собственных подписчиков компания попыталась создать в социальной сети крутого миллениал-персонажа. Как и следовало ожидать, это вызвало пиар-катастрофу. В набор данных вошел поток намеренно опубликованных интернет-троллями постов. В результате персонаж Тэя быстро превратился в узко мыслящую расистскую карикатуру. С технической точки зрения ИИ функционировал, но по вине искаженных данных не так, как задумали его создатели. Однако если бы Microsoft строго придерживалась четырех основных «столпов» ответственного ИИ (организационного, операционного, технического и репутационного)9, катастрофу вполне можно было бы предотвратить. Более подробно мы обсудим это в главе 4.
Проблема в том, что такие истории, даже самые правдивые, подпитывают распространенные заблуждения об ИИ и больших данных. Еще больше негативное восприятие усиливается посредством фильмов и телевизионных программ, о чем мы подробнее поговорим в главе 2. В результате мы страдаем от неосознанного предубеждения, которое в дальнейшем портит наши перспективы. Частные лица или владельцы бизнеса, мы говорим: «ИИ слишком великий, пугающий и сложный для меня». После чего добавляем: «ИИ и большие данные могут использовать только крупные компании, такие как Amazon и Facebook[5]». Иногда мы приходим к выводу, что ИИ слишком сильно вмешивается в нашу жизнь или вообще изначально неэтичен. Но, как мы увидим, все это неправда. На самом деле по мере того, как все больше компаний и некоммерческих организаций учатся ответственно использовать эти технологии, они обнаруживают, что полученное увеличение ценности и влияния не только впечатляет с чисто деловой точки зрения, но и приносит выгоду и, в конечном счете, является примером устойчивого развития.
Четырехэтапный процесс
Как и любой уважаемый автор, я стараюсь кратко изложить здесь основы, чтобы вы чувствовали себя уверенно, когда ваш знакомый управленец или коллега предложат обсудить эту тему. Но если вам не терпится начать действовать и по-настоящему принять принципы, описанные в этой книге, можете перейти к главе 1.
Первая часть начинается с историй двух широко известных компаний – Netfl ix и Starbucks. Они встраивают работу с данными во множество своих бизнес-процессов, что способствует многократному росту. Во второй главе излагаются сами концепции, которые отделяют мифы об ИИ от реальной науки и дают четкое представление о потенциале каждой технологии. В главе 3 мы рассмотрим множество типов бизнеса: каждый из них отличается по миссии и структуре, но все они уже сегодня извлекают выгоду из фактора ИИ.
Огромную мощь этих возможностей нельзя недооценивать. В главе 4 мы обсудим, как использовать их этично и ответственно. Недавние события доказали, что эта технология, в отличие от революционных усовершенствований прошлого, производит инновации настолько быстро, что за ними не успевают ни законодательство, ни общепринятые нормы. Это означает, что ответственное использование больших данных и ИИ приведет к устойчивому росту, и не только для отдельных компаний и организаций, подобных вашей, но и для нашей политики и самой планеты.
Во второй части этой книги мы изучим, как именно следовать принципам, которые я использую в своих консультациях для руководителей бизнеса на протяжении многих лет. Такие действия обеспечивают план реализации преимуществ ИИ и больших данных независимо от типа и размера вашего бизнеса или некоммерческой организации. Это четырехэтапный процесс.
– Оценка вашего бизнеса. На первом этапе использования этих факторов необходимо определить, к какому типу относится или на какой стадии развития находится ваш бизнес, исходя из потенциала роста (реального или предполагаемого), а также вашу готовность к инновациям и риску. Глава 5 поможет понять эти этапы. Например, одни компании в первую очередь хотят сократить расходы, оптимизировать процессы и применить другие защитные тактики. Другие находятся на стадии роста, их привлекают слияния и поглощения или перспектива завоевать новую долю рынка. Третьи активно исследуют, проектируют и тестируют новые продукты и услуги, ищут таланты для их создания. Наконец, кто-то стремится обойти или нарушить правила, отбрасывая все, что мешает геометрическому росту их бизнеса.
Независимо от стадии, на которой вы находитесь, необходимо понять и согласовать цели и потребности вашего бизнеса. Честная оценка не помешает внедрять большие данные и ИИ. Вернее, она подскажет, как сделать это более эффективно. Неважно, организацией какого типа вы руководите, фактор ИИ позволит добиться успеха: либо развиться в более крупный и инновационный бизнес, либо просто стать сильнее на стадии, где вы сейчас находитесь.
– Определение вашей готовности к работе с данными. Следующий шаг этого процесса, а также тема главы 6, – понимание структуры вашего бизнеса и его готовности к созданию и реализации стратегии в области данных. Ваша актуальная способность использовать ИИ и большие данные должна основываться на честной оценке целей, практических методов управления данными и других факторах, определяющих готовность к работе с такими технологиями. Это поможет понять, какие из областей нуждаются в дальнейшем развитии или даже в радикальном пересмотре. В этом ключе следует рассмотреть организационную структуру, использование данных, стратегическое планирование продукта, человеческие ресурсы, исследования и разработки (R&D), практики управления и обслуживание клиентов.
– Выбор первого приоритетного проекта. Третий шаг, а также предмет обсуждения в главе 7, – выбор правильной цели, во-первых, имеющей высокую потенциальную ценность для бизнеса, во-вторых, представляющей собой область, в которой ИИ принесет существенную пользу. Ни одна компания, даже такая, как Netfl ix или Starbucks, не способна одновременно внедрять стратегию искусственного интеллекта в нескольких направлениях. Выделив наиболее ценную возможность для применения ИИ и больших данных, вы достигнете сразу двух целей. Во-первых, распределите ресурсы для достижения конкретной измеряемой цели с высокой вероятностью получения положительных результатов. Во-вторых, в случае успеха опыт использования ИИ, полученный при достижении первой цели, послужит основой для формирования стратегии для второй и последующих. Это поможет развеять страх и заблуждения, связанные с ИИ, и придаст уверенности в ответственном подходе к бизнесу, ориентированному на данные.
В главе 7 мы рассмотрим многие практические аспекты преобразований, необходимых для применения ИИ и больших данных. Там вы найдете специфические советы, касающиеся вашей бизнес-модели и масштабов бизнеса. Помимо этого, вы сможете ответить на наводящие вопросы о конкурентном окружении, а также отраслевых нормах или соглашениях, которые неявно руководят вашими действиями. В любом случае получение пользы от фактора ИИ зависит от практического и реалистичного понимания науки о данных; и это входит в приоритетные направления для любого бизнеса.
– Внедрение, измерение и масштабирование. В главе 8 рассматриваются практически все аспекты внедрения фактора ИИ, измерения результатов, защиты от необоснованных допущений и предвзятости. Мы также поговорим о разных критериях оценки и принятия решений и рассмотрим особенности этих критериев в различных областях, например разработке продукта, привлечении клиентов, ценообразовании, управлении затратами. В главе также ставится чрезвычайно важный вопрос о масштабировании первых проектов для других, еще более перспективных направлений, потенциально преобразующих бизнес или некоммерческую организацию сверх всех ожиданий.
Конечно, ИИ включает в себя множество технологий и перспективных новых трендов, выходящих за рамки этой книги. Глава 9 не только обобщает основные этапы, описанные здесь, но и дает представление о грядущем. ИИ является лишь исходной точкой для перехода к децентрализации данных, продвинутым биометрическим устройствам, тому, что мы (пока) назвали метавселенной, и взаимодействию посредством виртуальной реальности. Как и в ситуации с ИИ, уже появились неверные представления об этих новых технологиях, и даже описаны злоупотребления ими со стороны недальновидных людей и компаний. Однако так же, как и в ИИ, в них таятся большие надежды на лучшее будущее.
Фактор ИИ включает технологии, очевидно, пересекающиеся с другими областями. Терминология иногда может показаться запутанной, поэтому для лучшего понимания общей картины в конце книги приведен глоссарий, а также некоторые рекомендуемые источники информации, которые помогут в работе.
Эти технологии влияют на каждый аспект нашей деловой и личной жизни, осознаем мы это или нет. Цель моей работы – показать руководителям бизнеса, как понимать, адаптировать и использовать их для получения беспрецедентного роста в своих компаниях и организациях. Книга также призвана дать технологическим лидерам знания, как эффективно использовать свои данные и приумножить ценность компании в долгосрочной перспективе.
Каждый аспект фактора ИИ, по отдельности и вместе, обладает потенциалом для устранения неэффективностей и неудовлетворенных потребностей, препятствующих успеху. Используя эти принципы в качестве основы, бизнес-лидеры и технические специалисты могут раскрыть огромную ценность своих данных и использовать их для получения устойчивого и долговременного эффекта для бизнеса.
Я желаю вам всяческих успехов в этом захватывающем путешествии.
Часть первая
Что такое фактор ИИ
Глава 1
Как Netflix и Starbucks изменили мир
Изменяя мир, всегда нужно начинать с того, чем вы можете управлять, то есть с ваших личных и коллективных решений. Чему и посвящена книга, которую вы читаете. Дойдя до конца, вы получите дорожную карту применения весьма конкретной технологии для таких решений. Сокращенным термином «фактор ИИ» я обозначаю технологию искусственного интеллекта и связанные с ней компоненты. Как и у многих людей, уже завершивших это путешествие, у вас появится практическое понимание его потенциала для экспоненциального роста. Но чтобы полностью оценить значение технологии, давайте рассмотрим несколько ярких примеров.
Начнем с двух самых узнаваемых брендов на планете: Netfl ix и Starbucks. На старте эти предприятия не были суперзвездами. Они работали на высококонкурентных рынках: в Америке почти на каждом углу располагались видеомагазины и кофейни. Обе компании собирали данные, чтобы улучшать результаты своего бизнеса, но это не приносило большой пользы.
Однако в какой-то момент обе компании поступили иначе. Они сознательно решили не только собрать огромное количество данных, но и по-настоящему научно их применить. Используя ИИ и большие данные, Netfl ix и Starbucks вышли на новый уровень по количественным показателям. В результате их бизнес многократно вырос в цене.
Примечание автора. Пока я это пишу, Netfl ix и Starbucks проходят через период потрясений и неопределенности. Но даже несмотря на то, что обе компании, как и все мы, переживают трудные времена, их успех в долгосрочной перспективе весьма вероятен. Аналитики прогнозируют, что в будущем и Netfl ix1, и Starbucks2 продолжат устойчиво расти именно благодаря приверженности искусственному интеллекту.
Для полной ясности, каждое предприятие может стать бизнесом, ориентированным на данные, если для своего развития и ради выделения на фоне конкурентов оно применяет данные и ИИ. Эффективно использовать искусственный интеллект – это не то, что могут только крупные компании с большим количеством данных, финансовыми ресурсами и техническими специалистами. Хорошая новость: каждый может применять науку о данных, чтобы выйти на новый уровень и многократно расширить бизнес.
Возвращение Давида и Голиафа
В 1980-х и 1990-х годах Blockbuster[6] стал именем нарицательным. В пятницу вечером все смотрели кино. Мы с друзьями бродили по рядам с кассетами или DVD-дисками, удивляясь ужасному качеству малобюджетных фильмов и сокрушаясь, что все новинки уже разобраны. Наконец мы останавливались на нескольких фильмах, покупали огромные упаковки фастфу-да, сканировали штрих-код на знаменитой сине-золотой карточке Blockbuster и отправлялись смотреть фильмы, заедая их попкорном. Испытывая при этом успокаивающие, знакомые и предсказуемые ощущения.
Однако бизнес-модель Blockbuster имела существенные недостатки для клиентов. Неудобный сервис предоставлял ограниченный выбор и печально известный штраф за просрочку, который начислялся, даже если фильм вернули на один день позже. (По данным Quartz3, оплата за просрочку приносила компании 16 % прибыли.) Но, несмотря на это, Blockbuster доминировал на рынке проката фильмов. В 1994 году компания Viacom выкупила Blockbuster за 8,4 миллиарда долларов. На тот момент он располагал 6000 магазинами, а пять лет спустя вышел на биржу.
Тем не менее к 2010 году Blockbuster объявил о банкротстве. В 2012 году этот бренд приобрела компания Dish Network. Однако в 2013 году последняя объявила о закрытии всех оставшихся точек. На момент написания книги Blockbuster существует в виде единственного магазина в Бенде, штат Орегон4, да и тот переименовали в Airbnb.
Что же случилось?
Возможно, вам уже известны основные сюжетные моменты этой истории. В 2000 году Рид Хастингс и Марк Рэндольф, основатели Netfl ix, предложили Blockbuster выкупить компанию за 50 миллионов долларов, но в ответ услышали: «Нет, спасибо». Однако вы вряд ли досконально знакомы с истинными причинами того, почему всего через тринадцать лет после основания Netfl ix смогла обогнать и окончательно сокрушить казавшийся непобедимым Blockbuster.
Согласно популярному мифу, руководители Blockbuster расслабились и не распознали прорывной потенциал интернета, из-за чего растратили свое огромное преимущество на рынке. В гонке инноваций они безнадежно отстали от Netfl ix и догоняющего их Redbox, внедряя непродуманные и неэффективные программы в панической попытке удержать первенство. В какой-то степени это правда. Нежелание Blockbuster меняться превратило его в добровольного соучастника собственной гибели.
Но Netfl ix не просто наблюдала сложа руки, как их главный конкурент сам себя уничтожает. Они стремились к переменам – ломали и переделывали свою бизнес-модель каждые несколько лет. Именно принятые ими стратегические решения позволили обойти Blockbuster быстрее, чем кто-либо предполагал. Эти решения основывались на данных. Для начала рассмотрим одно исследование.
Небольшая компания по заказу DVD по почте
Netfl ix воплощала идеи Хастингса и Рэндольфа, вдохновленных успехом Amazon в области электронной коммерции. Netfl ix основали в 1997 году, в ее штате работали 30 сотрудников, а в фильмотеке числилось 925 наименований фильмов. Планировалось использовать знания Хастингса в области информатики и опыт Рэндольфа в работе с заказами по почте, чтобы бросить вызов лидирующим игрокам в индустрии домашнего проката фильмов стоимостью 15 миллиардов долларов. На заре существования Netfl ix не являлась стриминговой компанией. Каналы связи еще не позволяли передавать видеоконтент высокого качества в коммерческих целях.
В те ранние годы Netfl ix действовала как компания по прокату DVD по почте и мало чем отличалась от Blockbuster. Клиенты заказывали DVD через веб-сайт, оплачивали прокат и получали диски по почте. На сайте Netfl ix можно было занять «очередь», чтобы взять в прокат интересующий фильм. В начале 2000-х Netfl ix ввела фиксированную ежемесячную абонентскую плату, в 2002 году компания стала публичной, а в 2003-м начала приносить прибыль по инвестициям.
Однако решения, изменившие сферу домашнего развлечения и породившие новые механизмы создания и распространения оригинального контента, приняли лишь в 2002 году. Хастингс и его команда знали, что игроки вроде Walmart и Amazon – компании с гораздо большим капиталом, чем Netfl ix,– планируют выйти на рынок домашнего видеопроката. Они понимали, что, несмотря на всю обретенную популярность, ценность первоначального предложения Netfl ix определяется несколькими ключевыми, но неэксклюзивными моментами: удобством доставки на дом, неограниченным прокатом фильмов, отсутствием сроков оплаты или сборов за просрочку. Более крупный и обеспеченный конкурент мог скопировать эти особенности и переманить значительную часть клиентов Netfl ix. Чтобы противостоять конкуренции и продолжить развитие, компании следовало перестроить бизнес-модель и внедрить инновации.
Впервые Хастингс публично поведал о своих размышлениях в интервью журналу Wired в 2002 году5. Он сказал: «Мы мечтали через двадцать лет иметь международную дистрибьюторскую развлекательную компанию, которая предоставляла бы уникальный канал для киностудий и продюсеров». Хастингс знал, что, когда скорость загрузки наконец вырастет достаточно высоко для трансляции видео в режиме реального времени, ее сможет использовать каждый, и это направление станет таким же тиражируемым, как и бизнес Netfl ix по прокату по почте.
Но что не смог бы скопировать ни один другой конкурент? Конечно, эксклюзивные, оригинальные программы от лучших писателей, продюсеров, режиссеров и исполнителей в мире. Если Netfl ix станет ведущим поставщиком такого контента, он сможет преобладать на рынке. Видение Netfl ix в долгосрочной перспективе состояло в стремлении «стать HBO быстрее, чем HBO станет нами»6.
Процесс начался с создания системы CineMatch в Netfl ix. После того как клиент оценивал двадцать фильмов по пятибалльной шкале, алгоритм брал эти и другие данные – включая историю заказов клиента, оценки других клиентов, метаданные фильмов – и определял закономерности, чтобы научиться предсказывать похожие фильмы, которые клиент, возможно, захочет взять в прокат в будущем. Алгоритм также использовал эти данные, чтобы предлагать контент пользователям с похожими профилями. Netfl ix делилась данными с киностудиями, помогая им планировать маркетинговые кампании. То есть делала то, что необходимо делать каждому, желающему расти в геометрической прогрессии:
Использовала данные, чтобы понимать своих клиентов лучше, чем они понимают себя.
Но на этом Netfl ix не остановилась. В 2006 году она попала в новости по всему миру, запустив конкурс Netfl ix Prize7. Компания обещала выплатить миллион долларов первому человеку или команде программистов, которые создадут более точный алгоритм для рекомендации фильмов на основании личных предпочтений клиентов Netfl ix. Компания предоставила участникам конкурса набор данных, включающих в себя сто миллионов оценок фильмов. В 2009 году команда из семи человек под названием BellKor’s Pragmatic Chaos разработала алгоритм, который на 10 % превзошел точность рекомендаций CineMatch.
Конкурс Netfl ix Prize стал следующим шагом в шахматной партии, которую компания разыгрывала с конечной целью разработать платформу для распространения контента. Главная цель нового алгоритма состояла не в предоставлении лучших рекомендаций по романтическим комедиям для субботнего свидания. На самом деле он давал Netfl ix возможность собирать более точные и всеобъемлющие данные о предпочтениях и вкусах клиентов в области развлечений. Компания создала мощную инфраструктуру данных, которой предстояло стать ключевым фактором ее колоссального роста.
Потоковое вещание
В 2005 году Хастингс понял, что потоковая передача мульти-медиаконтента – будущее домашних развлечений. В январе 2007 года технология в некотором роде догнала его провидческие идеи. Netfl ix объявила, что запускает сервис «видео по запросу», где доступны 1000 наименований. Правда, широкополосная передача находилась в зачаточном состоянии, поэтому эта услуга только дополняла сервис заказа DVD по почте, но не заменяла его.
Потоковая передача быстро стала визитной карточкой Net-fl ix, особенно когда широкополосное соединение и серверы заработали намного быстрее. Компания все еще отправляла DVD-диски по почте (как и в 2020 году для примерно двух миллионов пользователей)8, однако она стала предоставлять весь свой каталог и в потоковом режиме. Людям нравилось оставаться дома на диване и выбирать, что посмотреть из десятков тысяч постоянно меняющихся программ. Однако примерно в 2010 году увеличение пропускной способности привело к появлению конкуренции со стороны таких брендов, как Hulu и Amazon Prime.
Именно тогда и окупились видение Хастингса и инвестиции в данные и ИИ. Он и руководители Netfl ix знали, что, получив преимущество над такими конкурентами, как Hulu и Amazon, они смогут стать не просто посредниками в предоставлении контента, но и приступить к созданию оригинального контента. Огромная база подписчиков Netfl ix давала платформе не только возможность популяризировать фильмы и телепрограммы, направляя их к определенным пользователям, но и позволяла компании сотрудничать с создателями фильмов, чтобы производить адаптированный ко вкусам подписчиков контент.
Создатели фильмов получили бы новый специализированный канал для распространения контента и проведения маркетинговых программ, и им не пришлось бы заниматься продвижением в кинотеатрах. Netfl ix получила бы источник оригинального контента. В конце концов, любая компания с достаточно большим бюджетом смогла бы создать свой собственный сервис потокового вещания. Однако без внимания, которое Netfl ix уделяла ИИ и большим данным, никому не удалось бы так легко создать оригинальные сериалы, например «Оранжевый – новый черный» или «Очень странные дела».
Инновации, основанные на данных
Так в Netfl ix началась эпоха инноваций на основе данных. Компания сделала крупную ставку, принесшую огромные дивиденды. В 2018 году Netfl ix инвестировала около 13 миллиардов долларов в контент, большая часть которого приходилась на оригинальные сериалы. В 2013 году дебютировал сериал Дэвида Финчера «Карточный домик», за ним последовали многие другие, в том числе «Птичий короб» (в дебютную неделю его посмотрели сорок пять миллионов семей), «Несгибаемая Кимми Шмидт», «Озарк», «Конь БоДжек» и другие. Как написал Блейк Морган в Forbes