Как изучить чрезвычайно сложную систему? Как составить прогноз взаимодействия между сложными массивами данных? Люди просто не могут сделать это самостоятельно, поэтому они должны задавать вопросы дружественному искусственному интеллекту: «Двойник, насколько ты уверен?»; «Двойник, что ты рекомендуешь сделать?». В компании GE специалисты по техническому обслуживанию, владеющие навыком умного запрашивания, понимают возможности и ограничения системы искусственного интеллекта и знают, как получить информацию, необходимую для принятия взвешенного решения. Такие специалисты используют свои сильные стороны и не дублируют сильные стороны машины. При этом машина обучает людей тому, как использовать ее, точно так же как люди обучают машину. В конечном счете именно человек с его опытом принимает решение, ремонтировать ротор или же заменить его.

В рамках проводимых исследований в самых разных областях мы наблюдаем умное запрашивание в действии. Специалисты задают умные вопросы, выбирая оптимальный груз для товарных составов, изучая взаимодействие лекарственных препаратов и молекулярные взаимодействия, а также стремясь найти модель оптимального ценообразования в сфере розничной торговли. В частности, розничное ценообразование служит полезным сценарием для умного запрашивания, поскольку в основе этого процесса лежит большой объем сложных данных, влияющих на результаты продаж.

Стив Шнёр, руководитель розничной торговли крупного курортного отеля, использует систему искусственного интеллекта компании Revionics для оптимизации цен в магазинах этого отеля. Даже небольшое изменение цен на препарат «адвил»[164] или пластырь дает значительный эффект, что невозможно было бы понять (и в конечном счете контролировать) без системы искусственного интеллекта и оператора, задающего этой системе «умные» вопросы. Команда Шнёра использует систему искусственного интеллекта для определения оптимальных цен на адвил, пластырь, газированную воду и другие товары в любой момент при любом количестве ограничений, опираясь на еженедельные отчеты о продажах более семи тысяч единиц товаров. Шнёр ставит такой вопрос: «Если поднять цену на адвил, что произойдет с тайленолом[165]?» Система способна определить связь между адвилом и тайленолом (хотя их можно отнести к тому или иному классу только по артикулу) и показать, например, что после прошлого повышения цены адвила на 25 центов объем продаж тайленола увеличился. Эта система позволяет Шнёру анализировать решения по ценообразованию и другими способами, например задавая такие вопросы: «Покажи мне самые выгодные изменения цены» и «Скажи мне, какие товары будут продаваться меньше всего при повышении цены». Чем умнее вопросы, тем глубже Шнёр сможет понять суть происходящего и тем лучшее представление обо всех розничных бизнес-процессах получит благодаря системе искусственного интеллекта[166].

В компании GE программное обеспечение, поддерживающее создание цифровых двойников, моделирует не только турбины и роторы двигателя. Благодаря моделированию поведения и взаимодействия специалистов сама программа может определить, как оптимизировать свою работу. Так возникают дружественное ПО и дружественное оборудование, благодаря которым неопытные сотрудники и новые пользователи могут быстрее освоиться с соответствующими инструментами.

По мере распространения цифрового управления работой люди могут начать перегружать системы искусственного интеллекта слишком большим количеством задач. СЕО GE Digital Билл Ру знает об этой опасности и подчеркивает важность человеческого суждения и обучения, которое предотвращает деградацию навыков. «Необходимо обучать людей и не допускать, чтобы автоматизация становилась для них ориентиром во всем, поскольку здравое человеческое суждение по-прежнему играет существенную роль, — говорит Ру. — На мой взгляд, необходимость развивать у людей способность выносить суждения, чтобы автоматизация не стала “костылем” в их работе, — самый трудный сценарий, с которым предстоит иметь дело». Умное запрашивание включает в себя и умение понять, что конечный результат лишен смысла или что определенные входные данные могут привести к искажению результатов. «Полагаю, мы должны осознавать, что машина не всесильна», — подытоживает Ру[167].

Интеллектуальные агенты позволяют людям делать то, что выходит за пределы их возможностей. Представьте: вы фрилансер или подрядчик, в распоряжении которого есть штат сотрудников, но эти сотрудники — боты, а не люди. Благодаря этому вы получаете административную и операционную поддержку, доступную скорее СЕО, чем человеку, работающему на себя. В статье, опубликованной в 2016 году, инвестор из Bloomberg Beta Шивон Зилис пишет: «Интеллектуальные агенты сделают это возможным, используя сочетание алгоритмов обучения и распределенного персонала для выполнения расширяющегося диапазона задач при низких затратах. С помощью этих агентов мы сможем выглядеть такими же умными, как современные СЕО».