Что делать, когда машины начнут делать все. Как роботы и искусственный интеллект изменят жизнь и работу - Бен Принг

• Управление кадрами. Google применяет внутри компании инструментализацию для оптимизации управления сотрудниками, анализируя формальную, неформальную и личную информацию, которую генерируют в течение дня. Goggle пытается знать все о своих примерно пятидесяти семи тысячах работников более детально, чем это принято на больших предприятиях, и работает над тем, чтобы персонифицировать карьерный путь для каждого сотрудника. Ласло Бок (Laszlo Bock), старший советник в Google и бывший старший вице-президент по кадровым вопросам компании, указывает на положительный экономический эффект, вызванный данным подходом: лучший подбор, более долгий срок работы и больший уровень удовлетворенности от работы (все это с соответствующим финансовым подкреплением), чем у конкурентов. Ореол кодов вокруг людей позволяет Google также твердо принимать решения, касающиеся людей, как и решения, касающиеся разработок. Приобретение компанией Microsoft сети Linkedin в июне 2016 года за двадцать шесть миллиардов – продолжение похожей идеи: сбор данных вокруг людей, чтобы применить тот же тип сотрудничества и «социальной продажи», распространенной онлайн, в то, как большой бизнес проводит подобные процессы.

• Управление цепью поставок. Концепция построения Ореола кодов вокруг «вещи» находит свой путь в глобальную цепь поставок, помогая производителям и ритейлерам отвечать на множащиеся вопросы от покупателей о происхождении продуктов и услуг, которые они приобретают, таких как: «Где была сделана эта рубашка и честно ли обошлись с людьми, которые ее сделали?» Например, производитель обуви Toms использует программный продукт, называемый Sourcemap, чтобы обеспечить прозрачность путешествия их продукта от фабрики по миру до магазинов в США и Европе. Покупатели могут ознакомиться с информацией об условиях на заводе, где производится обувь, могут проследить продвижение обуви, которую покупают, с помощью используемых сенсоров, на каждом этапе цепи поставок, в том числе на этапе сырья, производственного оборудования и транспортировочных контейнеров.

• Управление умным автомобилем и автомобильным парком. Автомобили быстро становятся еще одной компьютерной платформой, по оценкам отрасли, на машине в среднем уже стоит около ста сенсоров и существуют планы удвоить это количество к 2020 году. Поэтому каждая машина – это передвижной генератор, выдающий данные, позволяющие производителям, страховщикам и другим подробно и в деталях узнавать о здоровье и рабочем состоянии каждого отдельного автомобиля. Отдельные предложения, такие как, например, Hum от Verizon, стоящее десять долларов в месяц, пытаются добавить «массы» в эту «массовую персонализацию». Использующий сервис автовладелец может в реальном времени узнавать о здоровье двигателя своей машины, актуальных дорожных условиях (какое именно следующее действие лучше совершить?), где именно он или она припарковались (или где находится машина, если она была украдена), а также целый набор другой информации. Мы считаем, что скоро такое съемное устройство будет находиться в каждом автомобиле (даже приобретаемом по бюджетной цене). Технология находит применение и в компаниях, управляющих парком машин или грузовиков, обеспечивая их подробными сведениями о производительности маршрутов перевозок, оптимизации маршрутов и общем обслуживании парка – сведениями более подробными, чем когда-либо прежде.

Представленные нами изученные примеры содержат общий элемент: люди просто начали. Вместо того чтобы месяцами намечать великие стратегии, пытаясь определить каждое конечное состояние, шаги конкурентов и ценностное предложение клиенту, после чего составить детальный план, который надо воплощать, лидеры инструментализации начали с того, что просто поставили в машину чип и посмотрели, что произойдет. Приняв это в качестве руководящей философии, рассмотрим несколько тактик, которые стоит принять и адаптировать к своему бизнесу.

Мы показали, что получение ваших новых сырьевых материалов – первый шаг к построению эффективной интеллектуальной системы. Что ж, первый так первый: начните с того, чтобы заказать чипы, собственно, с сенсорами. Существует много сенсоров и измерительных устройств, таких как сенсоры радиочастотной идентификации, датчики ускорения, датчики близкого присутствия, датчики движения и так далее. Эти маленькие и часто дорогие устройства могут быть размещены на любом физическом предмете и генерировать данные (о том, чем является этот предмет, где он находится и так далее) и затем передавать данные в считывающее устройство. Датчики RFID, например, уже широко используются для отслеживания товаров внутри цепи поставок, управления снабжением и проверки личной информации в определенных ситуациях, например в случае с паспортами, управлением капиталом и бесконтактной оплатой. Возможно, вы даже найдете такой датчик, открыв эту книгу!

Скоро сенсоры будут внедрены в большинство, если не во все, физические предметы в мире, и даже в людей. Собственно, десять тысяч человек уже вживило себе под кожу чипы (и еще миллионы используют медицинские приборы, также оснащенные сенсорами)6. Они кажутся атрибутами Голливуда или ночных кошмаров, но чипы-импланты для людей – это передний край науки, находящийся еще на ранней стадии развития, но имеющий перспективы стать обыденностью.

В независимости от типа конкретного датчика (или фактора чудаковатости людей, вжививших себе чип, как изнеженному питомцу), суть в том, что инструментализация – важный строительный блок внедрения в вашей организации ИИ и новой машины.

Просто сказать «покупайте чипы» – это отчасти гипербола, но мы настаиваем на важности сказанного: вы и ваша команда должны рассматривать сенсоры как существенное, свободное и повсеместное явление и обильно применять их.

Если ваши инициативы по оснащению всего измерителями запущены, то скоро вы заметите, как много данных они приносят. Конечно, как говорилось в главе 5, эти сырые данные – этот сырьевой материал – бесполезны, если вы ничего не можете с ними сделать. Именно здесь в дело вступают специалисты по обработке данных. В этих словах слышно вожделение, но специалистов по данным называют «самой сексуальной работой XXI века», и их роль – найти бизнес-значение во всех данных, созданных инструментализацией7.

Однако в нашем недавнем исследовании большие данные и аналитика были названы первой среди тех, что сложно найти, компетенций – не только сейчас, но и в следующие три года8. В то время как многие респонденты планируют сформировать межфункциональную команду (60%) или нанять сотрудников (58%), чтобы заполнить пустоту, многие другие (56%) планируют привлекать подрядчиков и сторонний персонал. Что бы ни выбрали вы, важно – настолько важно, что может означать разницу между успехом и провалом, – получить доступ к умным людям, которые помогут вытянуть бизнес-инсайт из быстро наполняющихся озер данных.

Все, что вы делаете ради построения интеллектуальной системы, упирается в способность организовать использование сырьевого материала эпохи машин. Если талант сделать это отсутствует, то каждый описанный в книге шаг становится сомнительным. Нанимайте, переучивайте, привлекайте, поглощайте, умоляйте, крадите и одалживайте9. От этого зависит будущее вашей работы.