Согласно отчету Сбербанка, руководство этой банковской организации сократило 5000 сотрудников. К 2025 году число попавших под сокращение может достигнуть 45 тыс., а структурная занятость оставшихся принципиально изменится, поскольку в планах банка закрытие до 50% офисов и переход на цифровой режим работы.
По данным исследования Healthcare IT News и HIMSS Analytics, порядка 70% компаний, в том числе российских, планирует инвестировать в искусственный интеллект в ближайшие три года.
В декабре 2017 года прошло заседание правительственной комиссии с участием Дмитрия Медведева, на котором рассмотрены мероприятия по различным правовым, технологическим и социальным направлениям, которые необходимо реализовать в рамках программы «Цифровая экономика Российской Федерации». После утверждения этой «дорожной карты» будет начато финансирование соответствующих направлений.
Сдвиг ценности в виртуальное пространство – первый важный тренд глобальной экономики. Развитые страны включились в активную конкурентную борьбу на базе «экономики знаний», в которой основные доходы формируются за счет интеллектуального капитала, а производство продукции физически переносится в страны с дешевыми ресурсами – трудовой силой, сырьем, энергией. При этом высвобождающиеся «дорогие» ресурсы важно оптимизировать, чтобы использовать максимально эффективно. Именно с этой бизнес-задачей превосходно справляются ежедневно совершенствующиеся технологии искусственного интеллекта.
Исходя из этого ключевые функции ИИ принято делить на три категории:
- Вспомогательные. Направленные на совершенствование процессов, уже налаженных в компании и/или выполняемых людьми. Примеры: носимая электроника, чат-боты.
- Расширенные. Так называемое усиление интеллекта. Позволяют за счет новых разработок охватить процессы, которые человеческий разум не в силах охватить и проанализировать из-за большого объема данных. Примеры: облачные операционные системы IoT, «подключенные» автомобили.
- Автономные. Технологии будущего для выполнения процессов, не предусматривающих участие человека. Примеры: система «умный дом», беспилотное управление транспортом.
Достижения в сфере искусственного интеллекта доступны каждому из нас: Siri, Alexa, Алиса, MSQRD, Prisma, чат-боты и многие другие приложения на основе самообучающейся нейросети – знакомые многим. Но зона их влияния уже в разы шире взаимодействия с клиентами и принятия важных бизнес-решений. Приложения на базе искусственного интеллекта способны прогнозировать спрос и поведение, повышать качество и соответственно лояльность клиентов.
Роль автоматизации, а также оптимизации процессов, не теряет значимости и за рамками бизнес-среды. Так, в Великобритании сосредоточились на прогнозировании и минимизации неявки пациентов в больницы. Пилотный проект Национальной службы здравоохранения на основе машинного обучения Google DeepMind – первый шаг в вопросе изучения факторов, влияющих на неявку пациентов, а также в оценке качества лечения и сокращении медицинских расходов.
Весной 2017 года в России также сосредоточились на оптимизации госзакупок лекарств, внедрив пилотную систему «риск-шеринга» в нескольких городах: деньги на приобретение препаратов выделяются из бюджета в зависимости от эффективности больниц. Отличная инициатива, развить которую как раз помогли бы достижения в сфере ИИ. Речь может идти о различных технологиях, начиная от смарт-лекарств, позволяющих убедиться в соблюдении пациентами схемы их приема, заканчивая сбором и анализом данных об эффективности применения каждого препарата, оплаченного государством.
Как видим, современному бизнесу и не только следует создать условия, чтобы многочисленные разработки с применением ИИ успешно переносились в цепочку создания стоимости и управления спросом. Потому что скорость внедрения этих разработок – второй важный тренд последних лет. Так, крупные предприятия Китая научились работать с новыми технологиями со скоростями стартапов, что позволило им занять определенную нишу и удерживать лидерство на глобальном рынке. И стало кристально ясно: быстрые уничтожают крупных.
По словам Германа Грефа, в Uber конкуренцию со стороны китайцев ощущают весьма остро. Проснувшись утром с интересной идеей по модернизации продукта, в компании боятся, что к обеду, когда назначена встреча для обсуждения идеи, китайцы ее уже воспроизведут. Схожие последствия ожидают множество иных отраслей, изменения в которых неизбежны и произойдут в ближайшее десятилетие – будь-то рынок фармацевтики, промышленности или агрегаторов услуг.
И даже если борьба между «экономиками знаний» кажется тупиковой, напоминая безумную гонку идей, в действительности роботизация бизнес-процессов в сочетании с технологиями ИИ дает возможность для новых технологических революций и прорывов. Беря на себя массовые типовые задачи, при этом сотрудничая с человеком на более тесной основе, ИИ дает руководителям возможность принимать более взвешенные решения и облегчает процесс формирования новых, облегченных бизнес-моделей.
Вот почему следующий тренд последних лет, который хотелось бы отметить, выражен высокой заинтересованностью в высокотехнологичном пассивном доходе, включая ажиотаж вокруг генерации криптовалют на криптофермах и связанный с этим дефицит аппаратного обеспечения. Оценив тренд в исторической перспективе, можно отметить, что энтузиасты информационных технологий сегодня активно проектируют и уже прототипируют безлюдный, полностью автономный и автоматический бизнес.
Что дальше?
В этой связи на первый план выходит вопрос доверия всех заинтересованных сторон к технологиям ИИ. Для одобрения их внедрения руководству большинства компаний и структур, совету директоров, а также регуляторам рынка необходима уверенность в конечном результате. Соответственно, применяемые подходы и процедуры должны быть максимально прозрачны и гарантировать компаниям высокую степень безопасности применения.
Так, среди наиболее распространенных опасных методов встречаются «состязательные атаки», способные обмануть модель машинного обучения за счет вредоносных действий, направленных на нее. Но риск урона от них соразмерно снижается в процессе предварительного моделирования таких вредоносных атак, в ходе воздействия которых модель переобучается таким образом, чтобы в дальнейшем распознавать и пресекать подобные внешние воздействия.
Поэтому параллельно с внедрением системы искусственного интеллекта как таковой необходимо развивать модель ответственного ИИ. Потому что, как любая другая сила, она должна применяться максимально ответственно и обдуманно. А внедрение – сопровождаться высокими гарантиями безопасности в отношении полученных сведений и персональных данных.
При этом важно концентрироваться не только на изменениях ближайшего десятилетия. Согласно рекомендации Джеффа Безоса, следует думать и о том, что останется неизменным, и именно на этом выстраивать свою стратегию – инвестирования, ведения бизнеса, планирования жизни. Не изобретая велосипед, но переосмысливая концепцию старой экономики для новой реальности.