Искусственный интеллект как основа смарт-бизнеса

Размещено на http://www.allbest.ru/

2

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК ОСНОВА СМАРТ-БИЗНЕСА Доклад, представленный на Международной научно-практической конференции «Искусственный интеллект и цифровизация экономики», отражает некоторые результаты работы по Программе фундаментальных исследований Президиума РАН «Большие вызовы, научные основы прогнозирования и стратегического планирования».

Коданева С.И. Коданева С.И. - к.ю.н., с.н.с. ИНИОН РАН, доцент кафедры инновационных технологий в государственной сфере и бизнесе Института бизнеса и делового администрирования РАНХиГС. E-mail: kodanevas@gmail.com

Ключевые слова: искусственный интеллект, смарт-бизнес, большие данные.

Keywords: artificial intelligence, smart business, big data.

колл центр решение искусственный интеллект

Искусственный интеллект все глубже проникает в нашу жизнь, принимая на себя выполнение все большего числа функций, начиная от интеллектуального поиска в сети Интернет, которым мы пользуемся или голосового помощника Siri в гаджетах компании Apple, и заканчивая разнообразными системами поддержки принятия решений для врачей, преподавателей, операторов финансовых услуг и множества других специалистов, которым необходимо принимать сложные решения на основе большого количества данных.

Подобно паровому двигателю или электрическому току в прошлом, искусственный интеллект преобразует мир, в котором мы живем. Имея достаточное количество данных, искусственный интеллект способен оптимизировать многие процессы и научиться делать более точные прогнозы - способности, востребованные во всех сферах жизни общества, начиная от совершенствования бизнес-процессов и заканчивая государственным управлением, где процессы принятия решений, по-прежнему, несовершенны.

Таким образом, основная цель искусственного интеллекта сегодня - расширить возможности человека и позволить ему принимать лучшие, то есть более обоснованные и взвешенные решения. На данный момент искусственный интеллект и люди взаимодополняют друг друга, и объединение интеллекта человека с возможностями самообучающихся алгоритмов дает наилучшие результаты.

Не удивительно, что бизнес в технологически развитых странах оптимистично воспринимает потенциал, который дает использование искусственного интеллекта. Так, Международный валютный фонд (МВФ) констатирует улучшение перспектив роста и также прогнозирует рост показателей ВВП. При этом ежегодный опрос 2766 руководителей средних компаний в 21 стране и девяти ключевых секторах, показывает, что глобальная уверенность в развитии бизнеса укрепилась. 60% компаний нацелены на рост финансовых показателей от 6 до 10%, еще 27% - свыше 10%. Лидеры среднего бизнеса планируют более высокие доходы, создают больше рабочих мест на полный рабочий день и внедряют инновационные технологии как основу для достижения запланированных показателей, причем на первом месте стоят интеллектуальная автоматизация и технология машинного обучения Marge R., Iovan Є. Artificial intelligence in Romania and in the European Union // Fiabilitate si Durabilitate - Fiability & Durability. 2019. - N 1. - Р. 214-219.. Отношение к новым технологиям существенно изменилось по сравнению с 2017 годом. Если в 2017 году 74% мировых руководителей среднего звена заявили, что они никогда не будут внедрять автоматизацию процессов с помощью машинного обучения, то через 12 месяцев 73% респондентов заявили, что они уже внедряют или планируют внедрять искусственный интеллект в течение следующих двух лет.

Действительно, искусственный интеллект становится все более популярной темой обсуждения научного и бизнес-сообществ, находит он достойное отражение и в государственных документах стратегического планирования. Например, в России утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года О развитии искусственного интеллекта в Российской Федерации: Указ Президента РФ от 10.10.2019 N 490 // Консультант плюс. - www.consultant.ru и «Дорожная карта» развития «сквозной» цифровой технологии «нейротехнологии и искусственный интеллект» Дорожная карта развития «сквозной» цифровой технологии «нейротехнологии и искусственный интеллект» // Консультант плюс. - www.consultant.ru. Однако, многие исследователи отмечают, что возможности искусственного интеллекта оценены не в полной мере. Что же такого уникального в искусственном интеллекте и что принципиально нового, прорывного он может дать для развития современного бизнеса?

По сравнению с предыдущими поколениями информационных технологий, искусственный интеллект обладает тремя уникальными характеристиками.

Прежде всего, это самообучение, благодаря которому искусственный интеллект постоянно совершенствуется. Эта ключевая особенность часто не учитывается при стандартном подходе, рассматривающем его как набор последовательных действий, заложенных в него программистом.

Во-вторых, когда что-то может учиться само по себе, это приводит к нелинейности (чем больше вы учитесь, тем быстрее вы учитесь). Соответственно, инструментарий, предлагаемый самообучающимися алгоритмами, и функционал, который они могут выполнять, растет в геометрической прогрессии. С экономической точки зрения это приводит к «технологической дефляции» - резкому удешевлению инноваций по мере ускорения их распространения Медведев Д.А. Россия-2024: Стратегия социально-экономического развития // Вопросы экономики. - М., 2018. - № 10. - С. 5-28.. Соответственно, компании, использующие искусственный интеллект и соответствующим образом выстраивающие свои производственные процессы, способны предлагать своим потребителям возможность получать товары и услуги гораздо дешевле при сохранении высокого качества.

Третья характеристика связана с тем, как искусственный интеллект влияет на принятие человеком решений. И здесь есть как преимущества, связанные с тем, что он может минимизировать или полностью устранять критические ошибки, которые могли бы сделать люди; так и риски того, что предвзятость в принятии решений будет усиливаться, если создатели алгоритма заложат в него свои предубеждения.

Для того, чтобы лучше понять, что из себя представляет искусственный интеллект, стоит немного обратиться к истории его появления и развития. Сама эта идея зародилась еще в 1950-е годы, когда Алан Тьюринг, Джон Маккарти и Марвин Мински стали обсуждать возможность создания подобной технологии. Тогда Алан Тьюринг сформулировал идею «имитационной игры» - это своего рода тест, когда алгоритм общается с человеком и способен ввести его в заблуждение, т.е. заставить поверить, что он (алгоритм) тоже человек. И этот подход значительно шире того контекста, в котором сегодня принято говорить об алгоритмах, включая машинное обучение. Уровень развития технологии сегодня, действительно, позволяет ей многократно превосходить некоторые способности человека. Постепенно мир переходит от эпохи экспертных знаний (когда особую ценность представляли заключения экспертов, основанные на их знаниях и опыте) к эпохе больших данных (когда искусственный интеллект, в распоряжении которого находится достаточное количество данных, способен давать решения намного точнее любого эксперта). Сегодня алгоритм, созданный средним инженером, способен по своей эффективности многократно превзойти алгоритмы ведущих мировых экспертов, если этот средний инженер имеет доступ к большему объему данных. Однако современный уровень развития технологии машинного обучения дает такие потрясающие результаты только в очень узких, специфических сферах. Компьютеры чрезвычайно хороши в зрении и распознавании речи. Вы можете запросить свой банковский счет с помощью вашего голоса, и компьютер может распознать, кто вы и авторизовать вас, данные с камер алгоритм анализирует гораздо эффективнее, чем человек-полицейский. Или, к примеру, диагностика заболеваний, где алгоритм, проанализировав около 700 000 карт пациентов, гораздо лучше выявляет заболевания, чем врачи. Или пример фирмы Evariant, которая помогает крупным больницам прогнозировать будущие потребности пациентов путем анализа медицинских данных. Сначала компания вручную создавала алгоритмы под каждого клиента однако со временем она решила использовать искусственный интеллект и обратилась к фирме DataRobot, которая предложила систему сортировки сотен алгоритмов и поиска наиболее надежного и релевантного для конкретного случая.

При этом необходимо наличие сразу двух обязательных факторов: во-первых, большого объема данных, на которых алгоритм сможет обучаться (что стало возможным относительно недавно, в связи с развитием технологии «больших данных»); во-вторых, для успешного функционирования искусственного интеллекта необходимо решить проблему аннотирования данных. Для того чтобы алгоритмы глубокого обучения работали, в идеале необходимы миллионы или десятки миллионов обучающих выборок для достижения достаточно точного прогнозирования. В 1990-х годах в Техасе был запущен мега-проект, связанный с разработкой искусственного интеллекта, который провалился из-за большого количества правил. Эти числовые значения были основаны на эмпирическом анализе. Когда условия изменились, они устарели, и поэтому программа не могла функционировать. В связи с этим требуется сложная предварительная работа по формированию «маркеров», которые позволят алгоритму при обработке данных определять закономерности, позволяющие находить правильное решение или последовательность действий.

Однако если учитывать эти специфические особенности и правильно с ними работать, искусственный интеллект становится крайне эффективным инструментом решения множества бизнес-задач.

Наиболее распространены сегодня такие сферы применения самообучающихся алгоритмов, как колл-центры и маркетинг. Уже практически все средние и крупные компании разрабатывают для своих сотрудников скрипты - наборы возможных вариантов представления информации клиентам и ответов на их вопросы. Следующий шаг, который также многими пройден - это подключение простейших ботов, которые в состоянии ответить на 99% однотипных вопросов клиентов так, чтобы пользователь даже не догадался о том, что он общается не с живым человеком.

Подходы к маркетингу также стремительно меняются. Сегодня уже звучат предположения о том, что в скором времени маркетинг в традиционном представлении будет не актуален, его заменят алгоритмы обработки данных из социальных сетей. Не секрет, что соцсети - это огромное хранилище личных (включая персональные) данных. Люди гораздо более открыты при размещении своих фотографий, новостей, мнений и прочей личной информации в сетях, чем в реальной жизни. Соответственно, если раньше для получения маркетинговой информации необходимо было проводить специальное исследование спроса, причем результаты далеко не всегда были релевантны (при маркетинговых опросах часто вопросы сформулированы слишком широко или слишком неопределенно, что значительно снижает качество полученного результата). Теперь достаточно собрать и проанализировать информацию из сетей, где люди открыто высказывают свои предпочтения и отзывы об определенных продуктах. Еще один вариант трансформации маркетинга - его перемещение в сети. Так работают современные веб-знаменитости, которые на своих аккаунтах размещают собственные фотографии в разработанных ими моделях одежды, аксессуаров, косметики и т.д., а затем через анализ полученных откликов, через личное общение и переписку со своими поклонниками и поклонницами получают бесценные сведения, позволяющие заблаговременно понять их предпочтения и создавать действительно востребованные продукты.

Так, компания Netflix использует искусственный интеллект для изучения поведения клиентов для создания контента. Стратегия Netflix строится на привлечении как можно большего числа клиентов за счет низких цен. Чем больше клиентов - тем больше данных, позволяющих максимально точно определять предпочтения зрителей, а следовательно, формировать наилучший контент для своих клиентов, что, в свою очередь, привлекает новых клиентов. Таким образом, формируется «петля обратной связи», позволяющая компании зарабатывать миллиарды долларов каждый год.

Компания Ruhan пошла еще дальше и разрабатывает программу Deep Fashion на основе искусственного интеллекта, который будет собирать в Instagram фотографии, анализировать их и выявлять основные тренды в моде, что позволит дизайнерам быстрее разрабатывать свои коллекции и создавать более востребованные потребителями модели.

Это свидетельствует о важности и неизбежности использования неструктурированных данных, включая изображения и видео. К слову сказать, создание искусственного интеллекта, способного на 100% достоверно распознавать и анализировать изображения и принимать с учетом этих данных верные решения - это одно из ключевых условий создания беспилотного транспорта. До сих пор большинство компаний использует в своей деятельности различные структурированные данные, такие как статистика и иные финансовые показатели, а вот неструктурированные данные пока с трудом поддаются обработке по указанной выше причине - алгоритму необходимо большое количество «вводных» или «маркеров», которые невозможно создать вручную, когда речь идет о таких массивах данных, которые содержатся в социальных сетях, включая длинные тексты, аудио, фотографии и видео.

Помимо маркетинговых целей анализ подобной неструктурированной информации может служить основой для самых разных видов профессиональной деятельности. Так, в социальных сетях обмена видео, таких как YouTube, есть много информации медицинского характера, например, как делать инъекции инсулина или физиотерапию, есть информация о различных заболеваниях и способах их лечения. Зачастую это либо реклама, либо информация, вообще не содержащая медицинской информации. Такие ролики в лучшем случае бесполезны, а в худшем - могут причинить вред. Чтобы найти видео, содержащие высококачественные медицинские данные, полезные для пациентов, могут использоваться специально разработанные алгоритмы, вычленяющие специально заданные медицинские термины и обороты естественного языка. Специальные параметры, сформулированные на основе метаданных, могут быть заданы для анализа видео, чтобы сделать вывод, содержит ли видео контекстуальную информацию о медицинских знаниях.

Алгоритмы машинного обучения могут быть востребованы также в финансовом и инвестиционном секторах, где крайне высоки риски неопределенности. Все большее число венчурных инвесторов используют автоматизированные методы анализа больших данных для оценки инвестиций в бизнес. При этом алгоритмы машинного обучения позволяют решить проблему оценки неполной рыночной информации, отслеживая источники неопределенности и анализируя накопленные данные, предлагая необходимую информацию для принятия решений. Состояние рынка (имеет ли рынок позитивный или негативный прогноз для возможностей предпринимателя) зависит от множества внешних факторов, таких как экономические, правительственные, социальные и регуляторные, которые могут изменяться с течением времени, а также быть неизвестны или неочевидны. В этом случае речь может идти о «скрытом рынке» (например, чистая энергетика, объемы инвестирования в которую, особенно на первоначальных этапах, сильно зависят от позиции государства, нормативного регулирования, мер государственной поддержки и т.д.). Для получения более-менее точных прогнозов по перспективам инвестирования в такие рынки необходим сбор и анализ огромных объемов данных, что под силу только алгоритмам. Применение искусственного интеллекта в данной сфере позволяет сформировать и протестировать новые инвестиционные портфели, которые лучше всего подходят для конкретных инвесторов с учетом предпочтительного для них уровня рисков и их операционных возможностей.

Помимо этого, искусственный интеллект позволяет выявлять неочевидные для предпринимателей потенциальные возможности. Таким образом, с внедрением новых технологий инвестиционный процесс стал менее ограниченным (предопределенным) структурными границами продуктовой сферы и рыночного поиска, а также временными границами.

Однако все приведенные выше примеры - это всего лишь попытка усовершенствования отдельных процессов. Безусловно, даже такая выборочная оптимизация дает значительный экономический эффект за счет повышения точности прогнозирования, выбора более обоснованной маркетинговой или инвестиционной стратегии, исключения возможных ошибок, связанных с человеческим фактором и т.д.

При этом, как отмечалось выше, возможности искусственного интеллекта еще очень слабо используются. Вместе с тем, осознанное и продуманное внедрение новых технологий позволит не просто сделать бизнес по-настоящему «умным», но и перестроить целые отрасли народного хозяйства, как это произошло когда-то в процессе механизации труда.

Грандиозный прорыв в этом направлении совершили компании Силиконовой Долины, создавшие модели бизнеса О2О (on-line to off-line). Сегодня виртуальный и реальный миры все теснее переплетаются, а современные онлайн-технологии позволяют соединить отдельные части бизнеса и отдельные звенья производственной цепочки в единое целое. Смарт-бизнес будущего будет строиться на том, что поведение потребителя, его настроения и предпочтения анализируются в реальном времени и сразу же ложатся в основу внутренних процессов и решений. Это значительно сокращает сроки производства и повышает объемы продаж и прибыли. Если раньше процесс разработки новой коллекции одежды или аксессуаров, мебели или бытовой техники и выведения их на рынок занимал несколько месяцев, то в случае смарт-бизнеса это происходит за несколько недель. Достигается такой результат за счет использования платформенных решений, соединяющих между собой потребителя и дизайнера (как в описанных примерах с социальными сетями), дизайнера и производителей (фабрики, осуществляющие конструирование и изготовление готовых изделий) и снова дизайнера и потребителей (на платформах электронной коммерции, которые предоставляют не просто торговое место, но и все необходимые сопутствующие услуги, такие как реклама и продвижение, логистика и хранение товара, платежи, разрешение конфликтов, эскроу-услуги и т.д.).

В основе всех описанных процессов лежат огромные вычислительные мощности, облачные технологии, большие данные и, конечно, искусственный интеллект. Сетевая координация и интеллектуальная обработка данных позволяют информации мгновенно распространяться в сети и согласовывать все аспекты бизнеса в реальном времени, кардинально снижая стоимость такой координации и необходимых транзакций. Иными словами, сетевой эффект многократно превосходит эффект масштаба, на котором строилась экономика индустриальной эпохи. Точнее эффект масштаба остается, но достигается он не за счет интеграции всех ресурсов и создания внутренних функциональных возможностей, как это описывал Генри Форд, а за счет одновременного вовлечения в бизнес-процессы огромного количества участников и четкой координации их действий. Повторимся, достичь этого можно только при условии эффективного использования всего того потенциала, который содержат в себе современные технологии, особенно искусственный интеллект и большие данные.

Однако для этого необходимо пройти несколько этапов в развитии компании. Прежде всего, необходимо осуществить ее полную датафикацию и софтверизацию. Практически любую предпринимательскую деятельность можно представить как набор определенных данных, надо только уметь эти данные собирать. Принципиальным отличием от классического подхода является то, что в компаниях данные собираются избирательно, что называется «под конкретную цель», соответственно, на основе имеющихся в организации данных разные аналитики могут подготовить принципиально разные отчеты, начиная от крайне оптимистичных, отражающих бурный рост и развитие, и заканчивая констатацией предбанкротного состояния. Датафикация подразумевает оцифровку абсолютно всей текущей деятельности компании. В свою очередь, софтверизация - это перевод существующих бизнес-процессов в компьютерные программы. Здесь важно понимать, что простое использование готовых решений, таких как CRM-, ERM-системы и т.п. не даст нужного эффекта, поскольку, во-первых, они могут быть несовместимы, во-вторых, также как и в случае с данными - они будут отражать только часть бизнес-процессов, причем искаженно. Соответственно, компании придется подстраивать свои процессы под ПО, а не наоборот. В-третьих, для достижения максимального эффекта крайне важна окружающая компанию экосистема - поставщики, посредники и т.д. - и то, как компания с ними взаимодействует. Логика смарт-бизнеса требует максимального упрощения и ускорения такого взаимодействия, что может быть достигнуто только за счет использования общих интерфейсов, а еще лучше, работы на общих платформах.

Очевидно, что соблюдение описанных выше условий породит огромное количество данных и процессов, требующих постоянного и оперативного управления. Именно поэтому представляется верным утверждение о том, что основу «умного» бизнеса будущего должен составлять искусственный интеллект, способный решать такие масштабные задачи, поскольку, как мы отмечали выше, искусственный интеллект на современном этапе развития способен многократно превосходить способности человека в решении конкретных и узкоспециализированных задач, в частности тех, о которых мы говорим.

Однако существует несколько препятствий для решения описанных выше задач. Первое - это вопрос доверия. Такая мощная технология вызывает множество опасений, связанных как с непониманием (проблема «черного ящика»), так и со страхами массовой безработицы и других негативных и непредсказуемых последствий. Без ответов на эти вопросы многие по-прежнему не будут доверять искусственному интеллекту, а потому не смогут ни полностью принять его, ни использовать его положительные возможности.

Второе препятствие в большей степени характерно для России. Дело в том, что, как мы указывали выше, предприятиям, решившим трансформироваться в современный «умный» бизнес, необходимо четко определить бизнес-процессы на каждом этапе производства, то есть произвести «оцифровку» всего жизненного цикла продукта Печникова Ю. В. Проблемы формирования рынка цифровых фабрик в России в условиях реализации концепции индустрии 4.0 // Региональная экономика: опыт и проблемы. Материалы XI международной научно-практической конференции (Гутманские чтения) / Под общ. ред. А.И. Новикова и А.Е. Илларионова. - Владимир: Владимирский филиал РАНХиГС, 2018. - С. 187-195.. Для этого необходимо понимать возможности использования программного обеспечения для каждого этапа жизненного цикла, а также возможности совмещения программных продуктов, используемых на разных этапах, а в идеале - осуществить разработку принципиально новых программных комплексов, интегрированных между собой. Но это потребует значительных временных, административных и финансовых затрат, что может быть целесообразно только при достаточно больших рынках сбыта, либо в случае перестройки целых отраслей, что возможно только при наличии либо сильных драйверов (крупных компаний, пошедших по пути трансформации в смарт-компании, и формирующих вокруг себя соответствующую экосистему), либо целенаправленной государственной политики.

В любом случае, это крайне амбициозная, сложная и финансово затратная задача, однако необходимо признать, что только у смарт-бизнеса есть будущее, поскольку в современных условиях переход к О2О моделям бизнеса, стремительное развитие технологий, многократно усиливает конкуренцию за потребителя. Победить в этом сражении смогут только те компании, которые будут готовы удовлетворить потребность каждого отдельно взятого клиента, а для этого необходимо быть в состоянии удовлетворить постоянно растущие запросы всех потребителей, которые хотят получать товары и услуги высокого качества, по низкой стоимости, оперативно, но при этом предъявляют все более высокие требования к индивидуализации предлагаемых им товаров и услуг. И если в традиционной логике компаний индустриальной эпохи достичь этого просто невозможно, то для смарт-компаний эти цели едины и неделимы, поскольку они является основой «умного бизнеса», построенного на основе технологий искусственного интеллекта и больших данных.

Размещено на Allbest.ru