Сейчас мы говорим о системах, использующих такие возможности искусственного интеллекта, как компьютерное зрение или инструменты машинного обучения для анализа неструктурированной или сложной информации. Система может «читать» счета, контракты, заявки на приобретение тех или иных продуктов и услуг. Она может обрабатывать эти документы независимо от формата — и разносить верные значения в формы и базы данных. Существуют и еще более продвинутые системы, где применяются тончайшие алгоритмы машинного обучения: с их помощью компьютер может не только выполнять те задачи, на которые он был заранее запрограммирован, но и оценивать задачи и процессы, а также корректировать их при необходимости. Компьютер может учиться, наблюдая, «заглядывая через плечо» сотруднику-человеку, и со временем работать все эффективнее. Иными словами, это именно та технология, которая обеспечивает третью волну совершенствования бизнес-процессов — внедрение адаптируемых процессов (о ней мы говорили во введении). Такие приложения обладают более высоким преобразующим потенциалом и обычно требуют активного участия человека, применяющего неявное знание или опыт, который сложно описать или смоделировать. Представьте рассмотренную выше глобальную банковскую систему противодействия отмыванию денег. Обрабатывается сложная финансовая транзакция; автоматизированная система помечает ее как подозрительную, после чего она поступает на рассмотрение человеку-эксперту, и тот решает, требуется ли дополнительная проверка. Такие взаимодействия человека и машины типичны для бизнес-трансформации третьей волны.

Компании могут задействовать целый спектр подобных технологий, иногда даже для одной прикладной задачи. Рассмотрим, как в Unilever нанимают новых сотрудников. Допустим, вы ищете работу и через сеть LinkedIn находите в Unilever подходящую вакансию. На первом этапе вам как соискателю предложат сыграть в двенадцать онлайн-игр, основанных на тестах из когнитивной нейробиологии. Игры помогают оценить черты вашей личности, например насколько вы склонны к риску, насколько хорошо считываете эмоциональные сигналы по сравнению с контекстуальными. В этих играх нет однозначно верных или неверных ответов, поскольку, например, склонность к риску может быть полезна для одного типа задач, а неприятие риска — для другого. На этом этапе отбора не требуется продвинутый искусственный интеллект — достаточно относительно простой технологии, например RPA.

На следующем этапе вам предложат отправить с компьютера или смартфона видеозапись вашего интервью, где вы отвечаете на ряд вопросов, специально подобранных для той должности, на которую вы претендуете. Именно здесь в игру вступают продвинутые технологии искусственного интеллекта: ваши ответы анализирует интеллектуальное приложение HireVue, и не только ваши слова, но и мимику, язык тела и тон голоса. Затем самых успешных кандидатов приглашают в офис компании на интервью, где их компетенции оценят те, кто и примет окончательное решение.

Пример Unilever иллюстрирует не только применение разных технологий на разных этапах в рамках одного и того же приложения, но и весь потенциал взаимодействия человека и машины. В течение первых 90 дней после запуска новой системы компания получила 30 000 обращений от соискателей — вдвое больше, чем за аналогичный период прошлого года. Среднее время выбора кандидата сократилось с четырех месяцев до месяца, а время, которое рекрутеры тратят на изучение резюме, уменьшилось на 75%. По данным компании, после внедрения этой системы удалось набрать самый разнообразный персонал за всю ее историю. Так, радикально расширился круг университетов, выпускников которых принимают на работу, — с 840 до 2600[37].

Повторяемость. Воспроизводимость. Избыточность. Хорошо отлаженный процесс. Если для ваших бизнес-операций характерны именно такие черты — это верный признак, что ваши задачи и процессы готовы к трансформации.

Роджер Дики, разработчик и основатель динамично растущего стартапа Gigster, признает, что воспроизводимость и избыточность характерны для исходного кода большинства приложений. В то же время разработка новой программы — независимо от того, насколько этот проект похож на предыдущие — исключительно сложна, полна багов и иных стопперов. Можно ли применить искусственный интеллект, чтобы переосмыслить бизнес-процессы, необходимые для создания ПО?

Gigster говорит «да». Компания использует искусственный интеллект для оценки потребностей конкретного проекта по разработке программного обеспечения и автоматически собирает специально под него команду разработчиков. Если вы маленькая фирма, которой требуется мобильное приложение или какой-то другой программный продукт, но у вас нет времени или ресурсов, чтобы самостоятельно нанять команду разработчиков, обратитесь к Gigster. Если вы крупная корпорация, не желающая выводить ресурсы из текущих проектов, — обратитесь к Gigster.

Gigster эффективно решает проблемы сразу в нескольких областях: организация труда (команды разработчиков формируются при помощи искусственного интеллекта), снабжение (за объем закупок отвечает искусственный интеллект) и IT (работа программистов и управление ими осуществляется с применением искусственного интеллекта).

Как Gigster смог перевернуть представления о снабжении и работе с персоналом? Допустим, вы хотите написать приложение, которое помогло бы пациентам объединить все их медицинские карты, чтобы предоставлять врачу исчерпывающую информацию. С чего начать? Сперва готовим для Gigster краткий документ, описывающий основные функции приложения и то, каким вы видите пользователя. В Gigster описание проекта сверяется с другими, уже имеющимися в портфолио компании «структурами данных» — в сущности, это портфолио представляет собой каталог реализованных программных возможностей. Дики говорит, что его компания описала «геном прикладной программы» и выделила пятьсот характеристик, свойственных тем или иным продуктам. Gigster учитывает еще около двадцати клиентских требований к тому, как должен выглядеть пользовательский интерфейс, как быстро должна выполняться задача, и т. д. На основании пользовательской модели, описания и требований заказчика искусственный интеллект Gigster анализирует уже готовые проекты со схожими требованиями и ограничениями для расчета стоимости и сроков разработки.

Если стоимость и сроки вас как клиента устраивают, запускается следующий набор ИИ-функционала от Gigster. Компания задействует «генератор программистов», в котором сопоставляет потребности вашего приложения с квалификацией и опытом разработчиков, которые могут вам помочь. Как правило, такая команда состоит из трех-пяти человек: менеджера проекта, одного-двух дизайнеров, одного-двух разработчиков; все они — высокоэффективные профессионалы, чьи разработки постоянно отслеживает система онлайн-мониторинга Gigster, благодаря которой компания гарантирует качественные решения в срок. Такая первичная подготовка выполняется за один-три дня.