[2]

Чтобы проиллюстрировать глубокое различие между старым мышлением и новым подходом, взглянем на историю GPS-навигации. Первые онлайн-карты представляли собой цифровую версию бумажных. Вскоре GPS-навигаторы изменили наш пользовательский опыт обращения с картами: достаточно было указать место назначения, чтобы узнать маршрут, хотя процесс все равно оставался статичным. Сейчас такие навигационные приложения, как Waze, используют пользовательские данные в режиме реального времени — местонахождение водителя и скорость, а также информацию о пробках, ДТП, ремонтных работах и других препятствиях, которой делятся сами пользователи. Все эти данные позволяют системе построить оптимальный маршрут и обновлять его в режиме реального времени, чтобы сэкономить время в пути. Старый подход предполагал оцифровку статичной бумажной карты, в то время как Waze объединил ИИ-алгоритмы и данные в режиме реального времени, чтобы создать живую оптимизированную карту, которая помогает водителям максимально быстро добраться до пункта назначения. Использование искусственного интеллекта исключительно для автоматизации текущих процессов напоминает первые GPS-навигаторы, тогда как современная эпоха взаимодействия человека и машины больше похожа на Waze — традиционные бизнес-процессы в ней полностью переосмыслены.

К сожалению, массовая культура уже давно продвигает идею противостояния человека и машины — вспомните такие фильмы, как «2001: Космическая одиссея» и все серии «Терминатора». Представление об умных машинах как потенциальной угрозе человечеству имеет долгую историю и уже привело к тому, что многие руководители придерживаются схожей точки зрения, воспринимая машины исключительно как врагов, которые вытеснят людей. Это не только прискорбное заблуждение, но и губительная недальновидность.

Правда проста: машины не собираются захватывать мир и не исключают присутствия человека на рабочих местах. В современную эпоху трансформации бизнес-процессов системы искусственного интеллекта не заменяют людей; напротив, они расширяют наши возможности и сотрудничают с нами, повышая производительность и позволяя достичь результатов, которые раньше считались невозможными.

В этой книге мы покажем, что третья волна создала колоссальное, динамично развивающееся и разнообразное пространство для взаимодействия человека и машины, призванного на несколько порядков повысить эффективность бизнес-процессов. Мы называем эту область недостающей серединой — «недостающей», потому что практически никто о ней не говорит и лишь немногие работают над тем, чтобы заполнить эту лакуну (рис. 1).

Рис. 1. «Недостающая середина»

В «недостающей середине» люди работают с умными машинами, причем каждый участник взаимодействия специализируется на том, что делает лучше всего. Люди разрабатывают, обучают ИИ-приложения и управляют ими. Так человек дает возможность технологиям выполнять роль партнеров. Машины в «недостающей середине» помогают людям превзойти себя, наделяя их сверхспособностями — например, возможностью обрабатывать и анализировать огромное количество данных из самых разных источников в режиме реального времени. Машины расширяют возможности людей.

В «недостающей середине» люди и машины не враги, конкурирующие за одну и ту же работу. Напротив, они партнеры и образуют симбиотический союз, где один мотивирует другого на более высокие достижения. В недостающей середине компании могут переосмыслить свои бизнес-процессы и воспользоваться преимуществами команды «человек + машина». Возможности недостающей середины открыты не только IT-компаниям. Так, Rio Tinto, глобальный горнодобывающий концерн, использует искусственный интеллект для удаленного управления оборудованием — автоматизированными бурами, экскаваторами, бульдозерами и так далее — из единого центра управления. Благодаря этому операторам-людям не приходится больше трудиться в опасных условиях. Команда аналитиков Rio Tinto может анализировать информацию, поступающую с датчиков, чтобы управлять техникой эффективнее и безопаснее[3].

Как мы уже отмечали, в эпоху адаптивных процессов правила управления организациями меняются каждый день. Переосмысливая бизнес-процессы и характер взаимодействия человека и машины, бизнес-лидеры в самых разных отраслях должны принять новые правила и следовать им. Вот почему мы написали эту книгу: чтобы дать людям, которых заботит их бизнес, команда и карьера, необходимые знания для достижения успеха в эпоху искусственного интеллекта.

В первой части мы расскажем о той роли, которую искусственный интеллект играет в бизнес-процессах сегодня. Начнем с заводских цехов, а затем проиллюстрируем, как организации используют искусственный интеллект в разных отделах — бэк-офис, НИОКР, маркетинг и продажи. Основной вывод этого раздела: компаниям не стоит рассчитывать на реализацию всех преимуществ взаимодействия человека и машин, если они не создали для этого соответствующих условий. Повторим, что организации, которые используют машины только для замены людей, в итоге проиграют, в то время как компании, стремящиеся расширить человеческие возможности с помощью машин, станут лидерами своей отрасли.

В первой главе мы расскажем о том, как команды «человек + машина» изменили производство не только в BMW и Mercedes-Benz, но и у других крупных производителей. Так, General Electric создает «цифровые двойники» своих продуктов — например, турбинной лопасти в реактивном двигателе. Виртуальные модели наследуют свойства физического объекта, что позволяет повышать производительность, а также прогнозировать сбои до того, как они произойдут, что в корне меняет техническое обслуживание оборудования.

Вторая глава посвящена бэк-офису. Здесь технологии искусственного интеллекта помогают фильтровать и анализировать колоссальные потоки информации из самых разных источников и автоматизировать однообразные рутинные задачи, а также расширять человеческие возможности и опыт. К примеру, канадская компания, оказывающая финансовые и страховые услуги, использует ИИ-системы для обработки неструктурированных финансовых данных из новостных заметок, отчетов и электронной почты, с тем чтобы выработать конкретные рекомендации, причем ее можно обучить извлекать из общего информационного потока только те сведения, которые коррелируют с индивидуальными запросами каждого аналитика.