Компания Darktrace предлагает продукт Antigena, смоделированный по образцу иммунной системы человека, идентифицирующий и нейтрализующий баги по мере их появления[42]. Поведенческий анализ сетевого трафика — ключевой метод компании Vectra. Ее программа, оснащенная искусственным интеллектом, изучает характеристики вредоносных активностей в Сети и способна автоматически принимать меры к подавлению атаки или делегировать проблему команде экспертов по безопасности[43].

Технологии искусственного интеллекта позволяют надеяться, что многие рутинные и однообразные задачи можно будет перепоручить программам-роботам, что позволит сотрудникам получать от работы больше удовлетворения. Это и есть «недостающая середина» симбиотического взаимодействия человека и машины. Именно из нее — а не из автоматизации — компании смогут извлечь максимальную выгоду, инвестируя в передовые цифровые технологии.

В этой главе мы упоминали еще об одном элементе MELDS — лидерстве на примере международного банка, сумевшего трансформировать процессы противодействия отмыванию денег при помощи алгоритмов машинного обучения. Сократилось число ложноположительных результатов, а эксперты-люди получили возможность сосредоточиться на наиболее сложных случаях. Бизнес-процессы такого рода в значительной степени опираются на качественные данные, и многие компании открыли для себя, насколько важно собирать данные сразу из нескольких источников. Ранее Virgin Trains удавалось обрабатывать жалобы, поступающие только через сайт, но теперь компания инвестировала в данные — еще один элемент MELDS — и смогла запустить приложение для обработки естественного языка, позволяющее принимать клиентские обращения через множество каналов, в том числе через социальные сети. По мере внедрения таких систем сотрудникам придется корректировать свой подход к работе, а компаниям — выделять ресурсы на освоение новых навыков (skills), еще одного элемента MELDS. На примере Gigster мы увидели, как интеллектуальные помощники могут связать разработчика с другими специалистами, уже сталкивавшимися с подобной проблемой; следовательно, на первый план выйдет умение сотрудников взаимодействовать. Другой урок этой главы — на заполнение недостающей середины требуется время. Так, при переходе от RPA к более продвинутому искусственному интеллекту компаниям не обойтись без экспериментирования. Шведский банк SEB уделил должное внимание экспериментированию (еще один элемент MELDS), организовав масштабное тестирование своего виртуального помощника Aida на пятнадцати тысячах сотрудников, прежде чем предложить систему миллиону клиентов. Наконец, мы убедились в важности надлежащего мышления на примере сферы IT-безопасности, оценив преобразующий потенциал искусственного интеллекта, который позволил трансформировать всю индустрию с помощью автоматизированных систем, обеспечивающих упреждающее решение проблем.

В главе 3 мы поговорим о том, как можно распространить эту «среднюю зону» на НИОКР. Здесь, как и в цеху, и в офисе, находчивые компании пожинают плоды умного, взаимодополняющего сотрудничества человека и машины.

Рис. 2. Совокупность технологий искусственного интеллекта и их прикладных решений для бизнеса