Нет одного способа обеспечить целостное слияние людей и машин, что до определенной степени осложняет работу руководителя и СЕО. Выбор подхода зависит от потребностей конкретной команды и во многом основывается на методе проб и ошибок. Возьмем, к примеру, команды из роботов и людей, управляющих марсоходами NASA. Люди, входящие в состав этих команд, программируют робота на выполнение задач с учетом ограничений оборудования, мощности, времени, встроенной памяти и контрольно-измерительных приборов. По мнению этнографа Принстонского университета Джанет Вертеси, чтобы принимать решения о том, как робот должен выполнять поставленные задачи, команде следует «определиться с тем, как принимать решения». Она пишет, что в действительности такие команды разрабатывают организационную структуру, кодекс поведения и принципы управления[175].

Разработанный компанией IPsoft интеллектуальный помощник Amelia с естественно-языковым интерфейсом обладает широким набором функций, таких как интеллектуальный агент службы поддержки IT-продуктов, ипотечный брокер, а также эксперт, отвечающий на вопросы пользователей сайта, и оператор колл-центра муниципального совета одного из британских городов. Как одна программа может выполнять столько задач? Эксперты обучают систему Amelia тому, как она должна делать свою работу. Такие системы искусственного интеллекта, как Amelia или Cortana компании Microsoft, могут успешно функционировать во многих сферах только благодаря практическому обучению, поэтому в будущем подобная работа потребует глубокого понимания динамики, присущей взаимному обучению человека и машины.

Например, машинное обучение происходит в скрытом режиме, когда сотрудники не знают наверняка, что часть или вся их работа используется для обучения машин, поскольку это может вызвать у них недоверие как к машинам, так и к руководству. Однако в более благоприятных обстоятельствах обучение может снимать тревогу, бороться с пассивностью и снижать чувство беспомощности при взаимодействии человека и машины. Наделите людей определенным контролем, позвольте им ощутить свою причастность к результатам работы системы или процесса — и они будут видеть в искусственном интеллекте скорее коллегу, чем соперника.

Взаимное обучение как один из интегрированных навыков олицетворяет собой окончательный отказ от прежних методов использования технологий. В прошлом обучение шло в одном направлении: люди учились применять машины. Однако машины на базе искусственного интеллекта учатся у людей, а люди, в свою очередь, учатся у машин. На практике это означает, что клиент-менеджеры или любые другие специалисты, действующие вместе с интеллектуальными агентами, станут для своих цифровых коллег «ролевыми моделями». Безусловно, это требует от «учителя» обладать надлежащими техническими навыками, а от системы искусственного интеллекта — способностью к обучению: интерфейс играет большую роль при взаимном обучении человека и машины.

Например, система Amelia использует интерфейс, который в скрытом режиме наблюдает за цифровым поведением операторов, — так называемое фоновое обучение. Помимо этого, программа продолжает учиться, передавая вопросы, на которые не может ответить, коллеге-человеку и наблюдая за решением проблемы. В то время как традиционное автоматизированное оборудование со временем теряет в стоимости, ценность интеллектуальных активов автоматизации непрерывно увеличивается[176].

Безусловно, при целостном слиянии обучать необходимо не только машины. Искусственный интеллект способствует возрождению системы профессионального образования, рассчитанной на людей. Его роль в восполнении недостающих навыков огромна с учетом того, что их нехватка будет ощущаться все сильнее по мере распространения интеллектуальной автоматизации. Поддерживаемые правительством программы (такие как британская программа, которая финансируется за счет налога на профессиональное обучение без отрыва от производства) станут первым прецедентом. Компании с фондом заработной платы более 3 миллионов фунтов должны будут перечислять небольшой налог, который смогут впоследствии возместить (помимо 15 000 фунтов и дополнительных 10% за каждый фунт, внесенный в общий фонд), если используют эти деньги на приобретение аккредитованной программы профессионального обучения. Иначе говоря, такие компании могут вернуть свои деньги и заработать еще больше, если наймут неквалифицированных работников и обучат их. Разумеется, для этого необходимо разработать программы профессионального образования с учетом специфики разных отраслей и даже отдельных компаний.

Каждая организация должна выбрать подходящую ей программу обучения. IT-директор одной финтех-компании отметил, что искусственный интеллект нарушил систему распределения должностных обязанностей в команде. Однако благодаря переосмыслению бизнес-процессов им удалось найти такую схему профессионального обучения, от которой была отдача и для сотрудников, и для машин, и для руководства. «Поскольку банк начал нанимать специалистов с непривычными (для этой сферы) навыками и опытом (в таких областях, как управление данными, анализ и обработка данных, программирование и аналитика), в обязанности старших специалистов отдела кредитования теперь входило обучение и курирование новых сотрудников, для которых кредитование было зоной неведомого, кроме того, именно они создавали отраслевой контекст. Благодаря их работе алгоритм искусственного интеллекта научился эффективному обучению», — рассказал IT-директор в разговоре с нами.

Этот пример профессионального обучения демонстрирует фундаментальный аспект работы в эпоху слияния человека и машины: одна из самых важных характеристик, будь то человека или машины, — не обладать необходимыми навыками, а уметь учиться. «Не будьте всезнайками, — говорит CEO Microsoft Сатья Наделла. — Будьте теми, кто готов учиться»[177].