Kitabı oxu: «Потенциал ИИ в бизнесе. Стратегическое применение искусственного интеллекта и Big Data»

© 2023 by Asha Saxena

© Елена Жевлакова, перевод на русский язык, 2025

© Оформление. ООО «Издательство „Эксмо“», 2025

* * *

Эта книга посвящена миссии организации Women Leaders in Data and AI (WLDA) и ее участникам. WLDA объединяет опытных лидеров для создания успешного цифрового мира на основе равенства и справедливости.

Я организовала WLDA в 2020 году как уникальную социальную сеть для обмена знаниями и опытом в области ИИ, в которой лидеры, мужчины и женщины, сотрудничают ради поддержания тенденций роста и устойчивого развития.

Эти замечательные люди уже заняли свои места за столом переговоров и дают шанс многим другим присоединиться к ним.

Предисловие

Согласно последнему исследованию Pricewaterhouse Coopers (PwC), к 2030 году использование искусственного интеллекта добавит в мировую экономику более пятнадцати триллионов долларов США. Но на данный момент мы находимся в 2022 году, и недавнее исследование Morning Consult показало, что только 35 % организаций в мире внедрили ИИ на своих предприятиях. Чтобы к 2030 году достичь прогнозируемого показателя, необходимо применять ИИ гораздо более обширно.

Итак, где же недостающее звено? Ответ вы найдете в этой книге.

Существуют четыре тесно взаимосвязанных и зависящих друг от друга аспекта – четыре, если хотите, «недостающих звена». Во-первых, должна существовать система показателей, отражающих реальную бизнес-ценность,– и нет, количество построенных ИИ-моделей не является адекватной метрикой. ИИ следует связать с экономией затрат или получением новых доходов. Во-вторых, необходимо сформировать доверие к ИИ. Для этого технология должна быть прозрачной, объяснимой, справедливой, надежной и сохранять конфиденциальность. В-третьих, должна иметься возможность наблюдать цепочку операций с участием ИИ на всем предприятии. Наконец, стратегию использования искусственного интеллекта нужно прочно связать с бизнес-стратегией компании. Встроив эти недостающие звенья, вы поставите человека в центр результатов применения ИИ и всей цепочки создания ценности.

В этом вопросе часто теряется человеческий компонент. Когда компании говорят об ИИ, ориентированном на человека, они обычно имеют в виду удобство использования. Книга Аши поднимает вопросы применения ИИ человеком, а также влияния ИИ на жизнь человека, даже не являющегося пользователем ИИ. Она делает человека неотъемлемой частью дискурса об ИИ, и о таком измерении я пока не задумывался.

Если вы разработали наилучшую стратегию, прочно связанную с планом использования ИИ, а ваш бизнес и клиенты не принимают его, рентабельность инвестиций будет отрицательной. Решающее значение для обеих сторон имеет доверие. Чтобы по-настоящему разобраться в его базовых составляющих, определенных мной на основе личного опыта, нужно принимать во внимание людей. Данная книга поможет сделать это очень эффективным и масштабируемым способом.

В своей книге Аша описывает хорошо продуманный и основанный на опыте подход к созданию ИИ-стратегии, всецело опирающейся на бизнес-стратегии. Этот уникальный подход исходит от человека, который сделал (и продолжает делать) весьма успешную карьеру как в сфере обработки данных, так и в бизнесе. Ее «концепция управления данными»¹ помогает заложить основу для восполнения всех четырех недостающих звеньев, описанных выше.

Эта книга имеет еще одну ценность: она дает возможность определить, на каком участке пути вы сейчас находитесь, и постоянно отслеживать прогресс, используя инструмент «квадранты стратегий роста, ориентированных на данные». Построив на основании этой схемы «концепцию управления данными», вы решите проблему связи с бизнес-стратегией.

Прелесть книги заключается в увлекательном подходе, доказывающем ценность и эффективность методологии Аши на реальных примерах таких компаний, как Netfl ix и Starbucks, успешно внедривших массовое использование ИИ в своем бизнесе. Она также приводит менее известные, но в равной степени важные, воспроизводимые примеры из собственной профессиональной карьеры и работ других видных экспертов в этой области.

Если вы хотите стать одной из компаний, которая претендует хотя бы на часть ВВП, связанную с ИИ, в размере более пятнадцати триллионов долларов, предлагаю потратить время на чтение и, что более важно, на внедрение изложенных в этой книге концепций.

Какую часть из этих пятнадцати триллионов получите вы?

Сет Добрин

* * *

Доктор Сет Добрин – первый глобальный директор по искусственному интеллекту в IBM. Его роль заключается в управлении корпоративной ИИ-стратегией IBM, помимо этого, он отвечает за согласование практик разработки и использования ИИ по бизнес-подразделениям IBM с систематическим формированием бизнес-ценности. Приверженность ориентированному на человека ИИ побудила Сета создать новую методологию, помогающую компаниям развивать ИИ-стратегии на основе доверия, что способствует получению более честных, точных и ориентированных на потребности реальных людей результатов. Эта методология уже помогла превратить ИИ из простого инструмента для увеличения эффективности процессов во всеобъемлющий катализатор трансформации бизнеса. В 2021 году на церемонии AIconics Awards Сет был признан «Новатором года» в области искусственного интеллекта, он вошел в число Топ-100 лидеров в области данных и аналитики по мнению Corinium.

Введение

Для бейсбольной команды «Окленд Атлетикс» девяностые годы стали десятилетием посредственных результатов. Многие винили «Окленд» в неспособности нанять лучших игроков, как это делали такие лидеры рынка, как «Янкиз». Действительность была (и есть) такова, что получающие огромные доходы от телевещания команды, например из Нью-Йорка или Лос-Анджелеса, всегда смогут потратить на покупку игроков в два или даже в три раза больше, чем «Окленд».

В 2002 году «Окленд» вошла в число трех самых низкооплачиваемых членов Высшей лиги бейсбола – «Янкиз» опередила ее на несколько световых лет. Отсутствие бюджета для найма топовых игроков делало перспективы команды туманными. Тогда генеральный менеджер Билли Бин применил другой подход. Используя статистический метод, известный как саберметрика², его команда бросила вызов общепринятому мнению о потенциале некоторых игроков. Инновационные измерения, превосходящие распространенные в то время методы, основанные на интуиции скаутов и простых статистических выкладках, позволили выявить недооцененных игроков. Бин рассудил, что такие игроки доступны по цене, что позволит создать команду-победитель при самом ограниченном бюджете.

Майкл Льюис описал это в своей противоречивой книге «Человек, который изменил все» (Moneyball¹), которая затем легла в основу одноименного фильма 2011 года. По мнению Льюиса, неординарный подход Бина изменил игру навсегда.

В этот год «Атлетикс» зафиксировал беспрецедентную победную серию из двадцати матчей и вышел в плей-офф, повторив успех и на следующий год. С тех пор другие команды, в том числе из разных видов спорта, внедрили в спортивный бизнес подход, ориентированный на данные, и стали использовать его для преумножения успеха. Обозреватель Forbes отметил, что современные спортивные франшизы теперь включают трех основных новых игроков: большие данные, аналитику и искусственный интеллект, или ИИ².

Почему именно эта книга?

Наверняка вы, как и многие другие, хотите понять: возможно ли вообще использовать эти технологии в вашей организации? Допустим, вы уже имеете некоторое представление о потенциале ИИ, например из книги Мишеля Льюиса, из классического фильма Стэнли Кубрика 2001 года или из длинного списка книг и статей. Но все равно возникают вопросы: «Что я могу реально сделать с этим?» и «Чем эта книга про искусственный интеллект отличается от других?».

Прежде чем вы продолжите читать, позвольте объяснить, почему я решила написать эту книгу. Да, есть множество трудов о важности ИИ, машинном обучении (МО), предиктивной аналитике и других разнообразных технологиях обработки данных. Некоторые авторы даже объясняют (как и я) важность вовлеченности руководителей, информационной грамотности и общей готовности к работе с данными. Но ни одна из книг не работает с уникальными культурными требованиями, необходимыми для создания логически связной, последовательной стратегии обработки данных. Я постаралась охватить весь спектр вопросов, зачем нужен ИИ, как начать его применение, а также о концепции и важных составляющих его успешного внедрения.

Именно эти вопросы мы обсуждали с коллегой Кэмероном Дэвисом, директором по обработке данных в Yum! Brands и надежным союзником Women Leadersin Data and AI (WLDA)– социальной сети для обмена опытом и знаниями в области данных и ИИ, которую я основала в 2020 году. Как и полагается другу, он спросил, есть ли в моей книге нечто уникальное, выделяющее ее среди остальных. Вот его слова:

«Об искусственном интеллекте и готовности организации с технической точки зрения говорят все. Рассуждают о теме с точки зрения данных. Но никто не уделяет внимание готовности организации с учетом культурной составляющей. Да, м ы декларируем необходимость изменить культуру, но забываем о влиянии уже существующей культуры на подход к решению проблемы.

Например, генеральный директор компании Virgin Ричард Брэнсон сказал просто: „Я хочу реализовать все это множество проектов по ИИ за следующие пять лет. Вы, ребята, должны это сделать“, –  и это поручение не оспаривается. Но в других компаниях случается, что генеральный директор придерживается стратегии, основанной на данных, а вот четыре других руководителя, или четыре остальных подразделения, или совет директоров имеют иные приоритеты».

Я знаю ответ на вопрос Кэмерона. В этой книге я поставила цель не просто подтвердить общепринятые представления о больших данных и ИИ. Я хотела найти способ объединить интересы лидеров бизнеса и обработки данных на широком, практическом и межкультурном уровне, не прибегая к чрезмерным упрощениям. Стремилась найти модель, говорящую за себя и помогающую каждому сразу визуализировать концепцию, как иерархия потребностей Маслоу³. Еще важнее, что это дало бы четкий план –  «четырехэтапный процесс», если хотите, –  для превращения ИИ в практическую реальность.

К этой схеме мы обратимся позже в главах 7 и 8

Для начала я решила создать собственную, ориентированную на ИИ, версию классического инструмента «шаблон бизнес-модели». Как и оригинал, моя версия давала визуальное представление о строительных блоках, необходимых для планирования и измерения успешной стратегии (включая потенциальные компромиссы) с использованием ИИ, машинного обучения или предиктивной аналитики. Ее цель –  определять стратегию, я надеюсь, очевидную для всех.

Сделав это смелое заявление, я приглашаю вас продолжить чтение и разобраться, как ИИ и большие данные помогут достичь целей, которые вы раньше и представить себе не могли.

Мой путь

Я начала путешествие в мир данных около двадцати пяти лет назад. После работы в должности инженера по информатике я стала технологическим предпринимателем, создала крупную консалтинговую фирму по управлению данными, компанию по продажам через интернет и фирму по разработке программного обеспечения для медицинской аналитики. Под эгидой CXO Coaching, CEO Coaching International и WLDA я консультировала бизнес-руководителей, стремящихся разобраться в непонятных технологиях.

Стоит сказать, что меня всегда приводили в восторг данные, компьютерные технологии и математика. В начале карьеры консультанта я заметила, что многие компании уделяли внимание построению реляционных баз данных – структурированным данным. Они говорили: «Давайте все перенесем в хранилище данных, так мы сможем создавать понятные отчеты». Сейчас разговор радикально изменился. Революция в области больших данных позволила нам использовать и обрабатывать как структурированные, так и неструктурированные данные, и благодаря этому лучше понимать клиентов, окружающую среду и многое другое.

Для бизнеса вопрос использования данных особенно обострился из-за «трех V» больших данных, которые мы рассмотрим в главе 2. Один только объем данных (volume) увеличился в геометрической прогрессии, перейдя отметку в петабайт³. Благодаря все более быстрым процессорам и соединениям скорость обработки данных (velocity) теперь приближается к показателям, обеспечивающим доступ к результатам в режиме реального времени. Третья «V» – разнообразие (variety)– самая сложная из всех. Сегодня мы имеем дело преимущественно с неструктурированными данными: диалоги, изображения, аудио, видео. Традиционные методы здесь не справляются. Поэтому неудивительно, что бизнесмены зачастую не видят ценности (value –  четвертая «V») в больших данных.

Гораздо позже, когда моя карьера перешла от науки данных к миру бизнеса, я стала замечать нечто важное. Выйдя за пределы научного круга, я обнаружила, что руководители бизнеса и управленцы знают, что данные им необходимы, но не понимают, где их взять и что делать с уже имеющимися. (Честно сказать, специалисты по данным часто сталкиваются с противоположной проблемой. Они умеют работать с данными, но не всегда видят их бизнес-потенциал.)

Правда в том, что многие, если не большинство руководителей уже обладают данными, которые позволили бы им достичь впечатляющих успехов. Проблема в том, что они не знают, как найти или использовать их. В этой книге я покажу, что единственный способ эффективно найти, собрать и задействовать большие данные –  это использовать искусственный интеллект, или ИИ. Это цифровые технологи, которые имитируют способности человеческого мозга решать проблемы и принимать решения, выявляя закономерности и выполняя рутинные задачи гораздо точнее и быстрее, чем это доступно человеку. Фактор искусственного интеллекта не является исключительной прерогативой крупных и влиятельных компаний; вы тоже можете его использовать.

* * *

Из многочисленных заблуждений об ИИ и смежных технологиях самым пагубным является представление, что их могут использовать только огромные, сложно устроенные организации и что их применение в некотором роде неэтично или безответственно. СМИ постоянно муссируют образ сложных технологий, доминирующих в области больших данных, вызывая у рядовых бизнес-руководителей чувство безнадежности. Между тем на момент написания этой книги «большая тройка» в мире технологических компаний (Google, Facebook⁴, Amazon) лидирует по доходам от цифровой рекламы благодаря использованию ИИ и данных о пользователях для предсказания их поведения. Однако дальнейшее доминирование этих компаний никоим образом не гарантировано, поскольку опасения по поводу конфиденциальности использования ими персональных данных могут оказать негативное влияние на бизнес⁴. Такие мрачные новости отвлекают нас от факта существования и других компаний, использующих поведенческую и предиктивную аналитику и делающих это более ответственно и устойчиво.

Почему важны данные и ИИ

Эта книга о вас и вашем бизнесе, а также о скрытом потенциале ваших данных. Как и «Окленд Атлетикс», вы боретесь с огромными, кажущимися непреодолимыми внутренними и внешними ограничениями. Но, как и у Билли Бина, у вас есть потенциальный доступ к данным, которые могут указать на новые возможности. (Возможно даже, вы уже располагаете данными, но не знаете, что с ними делать.) В отличие от мира в 2002 году, вы обладаете гораздо более обширным доступом к ИИ и другим инструментам, которые могут по-новому и с более значимым эффектом использовать большие данные, чтобы вывести ваш бизнес на новый уровень успеха. Эти технологии могут показаться странными и незнакомыми, но от вас требуется только решение использовать эти инструменты с умом.

Вполне возможно, у ваших коллег сложилось впечатление, что ИИ –  это нечто странное и таинственное. Поэтому проведите такой эксперимент. Спросите, использовали ли они сегодня искусственный интеллект. Скорее всего, на вас посмотрят с удивлением и ответят «нет». Копнув глубже, вы наверняка обнаружите, что собеседники вообще мало сведущи в теме. Они слышали об ИИ из фильмов или по телевизору. Для них ИИ существует, но в действительности не влияет на повседневную жизнь. Возможно, вы и сами разделяете это весьма далекое от истины убеждение.

Если на вашем смартфоне есть приложение банка, вы используете ИИ. Именно он защищает вашу учетную запись от подозрительной активности, использует камеру телефона для обработки чека и рекомендует варианты расходов и инвестиций на основе вашей активности и предпочтений. Совершая покупки онлайн, вы пользуетесь ИИ, который рекомендует товары и варианты, соответствующие истории просмотров и покупок. Используя приложение для онлайн-знакомств, вы доверяете ИИ обработку данных профиля для выбора подходящего кандидата. Помимо этого, современное здравоохранение все больше полагается на ИИ, который анализирует закономерности в данных из часто фрагментированных ресурсов, чтобы быстрее предоставлять врачам и пациентам четкую информацию. Сегодня даже некоторые компании по страхованию автомобилей используют ИИ для отслеживания и поощрения безопасного вождения. Одним словом, ИИ есть везде.

Вы не только используете его по несколько раз в день, каждый день, но применяете – извлекая выгоду – основные компоненты ИИ, включая большие данные, облачные сервисы, умные гаджеты и многое другое. Эта книга рассказывает обо всех возможностях, уже ставших неотъемлемой и даже существенной частью нашей жизни, замечаем мы это или нет. Точно так же, как эти технологии помогают отдельным потребителям, они способны приумножить успех компаний, которые правильно применяют их. Эта книга –  дорожная карта такого роста.

* * *

Сопротивление искусственному интеллекту казалось вполне объяснимым в прошлом, но сегодня компании просто не могут игнорировать большие данные и ИИ. Сегодня эти технологии являются совершенно необходимым компонентом роста, несмотря на то что СМИ описывают их иначе. Даже сейчас средства массовой информации не отказываются от чрезмерной сенсационности, как в случае с Replika⁵ – чат-ботом на основе ИИ, позволяющим пользователям создавать виртуального друга. Некоторые говорили о его пользе: например, ограниченные в правах люди могли свободно выражать здесь свое мнение; другие высказывались об опасениях по поводу этики и неприкосновенности частной жизни⁶. Совсем недавно СМИ с тревогой обсуждали эту тему, ссылаясь на все более частое использование ИИ и распознавания лиц в репрессивных политических целях⁷.

Временами тема становится источником публичных скандалов, с чем столкнулась Microsoft, выпустив злополучного чат-бота Тэя (Tay), изначально созданного в виде разговорного ИИ⁸. На основе обработки искусственным интеллектом постов собственных подписчиков компания попыталась создать в социальной сети крутого миллениал-персонажа. Как и следовало ожидать, это вызвало пиар-катастрофу. В набор данных вошел поток намеренно опубликованных интернет-троллями постов. В результате персонаж Тэя быстро превратился в узко мыслящую расистскую карикатуру. С технической точки зрения ИИ функционировал, но по вине искаженных данных не так, как задумали его создатели. Однако если бы Microsoft строго придерживалась четырех основных «столпов» ответственного ИИ (организационного, операционного, технического и репутационного)⁹, катастрофу вполне можно было бы предотвратить. Более подробно мы обсудим это в главе 4.

Проблема в том, что такие истории, даже самые правдивые, подпитывают распространенные заблуждения об ИИ и больших данных. Еще больше негативное восприятие усиливается посредством фильмов и телевизионных программ, о чем мы подробнее поговорим в главе 2. В результате мы страдаем от неосознанного предубеждения, которое в дальнейшем портит наши перспективы. Частные лица или владельцы бизнеса, мы говорим: «ИИ слишком великий, пугающий и сложный для меня». После чего добавляем: «ИИ и большие данные могут использовать только крупные компании, такие как Amazon и Facebook⁵». Иногда мы приходим к выводу, что ИИ слишком сильно вмешивается в нашу жизнь или вообще изначально неэтичен. Но, как мы увидим, все это неправда. На самом деле по мере того, как все больше компаний и некоммерческих организаций учатся ответственно использовать эти технологии, они обнаруживают, что полученное увеличение ценности и влияния не только впечатляет с чисто деловой точки зрения, но и приносит выгоду и, в конечном счете, является примером устойчивого развития.