Эта статья родилась из выступления перед участниками сообщества #PRSPb на встрече «Будущее коммуникаций». Частично навеяно эссе «Как стать кентавром» Сергея Карелова, которым я лично с упоением зачитываюсь.
Встречи #PRSPb имеют исключительно практический контекст. Поэтому ключевое требование к спикерам - кейсы. С этим вообще-то сложно в рассуждениях о будущем - если осознать, что конкретно наше будущее не станет продолжением настоящего. Помогла статистика отсюда: «Ninety percent of people think AI will take away the jobs of other people» (Quartz, декабрь 2017)
90% респондентов полагают, что до половины рабочих мест будут автоматизированы в течение ближайших 5 лет. Но, что парадоксально - каждый полагает, что это произойдет с кем-то другим. 91% считают, что конкретно их работы (и, как следствие, их благополучия) это не коснется.
Немного о технологических циклах и диффузии инноваций. Подробности можно найти в сети, но вот что любопытно: приглядимся к моменту, когда степень использования новой технологии входит в зону экспотенциального роста. Очевидно, что в этот момент какой-то из распространенных технологий уже подписан приговор. Но ее самые авторитетные представители (как работодатели - мечта пиарщика, согласитесь) пребывают в уверенности, что их будущему пока еще ничто особо не угрожает. И чем длиннее история уходящей технологии - тем больше умиротворение. Убедительнейшее подтверждение "парадокса индюшки" Нассима Талеба.
Одним из наиболее объективных тому примеров я лично считаю переход от аналоговой телефонной связи к цифровой. Это не только состоявшийся выбор потребителя между стационарным и мобильным аппаратом. Это, помимо прочего, незавидная судьба производителей телефонных справочников, телефонных аппаратов и телефонных будок. Они работали, как работалось. Долгосрочное планирование, планы увеличения доли на рынке, маркетинговые стратегии, пресс-релизы об устойчивом росте и оптимистичных прогнозах на будущее, которого у них уже не было, и вот это вот все. Пример, конечно, дискуссионный. Но каждый может подобрать аналог, показательный лично для него. И сформулировать свои выводы. Если захочет, конечно.
После этого - отрефлексировав модель диффузии инноваций Э.Роджерса - можно попробовать определить в жизненном цикле новой технологии зону роста для профессионального коммуникатора. В моем понимании - это стадии «внимания» и «интереса», где максимальна ценность ожиданий, перспектив, возможностей, любопытства, удивления, сотрудничества. Где эта ценность существенно выше, чем «потребительские свойства». Именно на этих этапах коммуникация подпитывается энергией людей нестандартно мыслящих, воодушевленных, уверенных в себе и в будущем новой технологии. Здесь insight engineering как формат коммуникации, создающей новые знания и компетенции. И что еще важнее - здесь формируются правила игры, по которым потом будет играть большинство.
Про машинный (более распространен термин «искусственный», но мне он несимпатичен по множеству причин) интеллект, он же artificial Intelligence, сегодня не размышляет разве что ленивый. Предметных же рассуждений на тему «усилителей интеллекта» (intelligence amplification) значительно меньше. Тем временем, для профессионального коммуникатора именно этот комплекс технологий и есть та самая tabula rasa, на которой будет писаться новая глава в истории профессии.
Триггером, запустившим дальнейшую цепочку рассуждений, для меня стал один фрагмент упомянутой выше статьи. В 1998 году, цитирую по Сергею Карелову, «Гарри Каспаров провел первое в мире соревнование «Шахматы Кентавров». Подобно тому, как мифологический кентавр был получеловек полуконь, эти кентавры были шахматными командами, состоящими из людей и AI.
Но если люди все же хуже играют в шахматы, чем AI, не будет ли пара «человека + AI» играть слабее, чем только один AI?
… В 2005 году онлайн-шахматный турнир, вдохновленный кентаврами Гарри, попытался ответить на этот вопрос. Они пригласили участвовать в борьбе за большой приз все типы интеллектов — суперкомпьютеры, гроссмейстеры, смешанные команды из людей и AI. Главный приз получил не гроссмейстер с мощным компьютером, а команда из двух любителей и трех слабеньких компьютеров». И далее: «Слабый игрок + компьютер + хороший процесс их координации превосходят сильный компьютер и, что еще более удивительно, превосходят сильного игрока + компьютер + посредственный процесс их координации».
Казалось бы - где здесь коммуникация?
А вот: «Когда вы создаете команду Человек + AI, самым трудным элементом является не AI и даже не Человек. Самый трудный для реализации элемент — это объединяющий их «+».
Этот самый «+» - это и есть коммуникации будущего. И будущее коммуникаций.
Вот только многое из того, что сегодня для профессионального коммуникатора является must have в этом будущем, скорее всего, не пригодиться.
Дальше – тезисно, но каждый из этих тезисов я планирую в следующих материалах раскрывать подробнее.
ЛУЧШЕ, ЧЕМ ДРУГИЕ vs НЕ ТАК, КАК ДРУГИЕ
Это, по сути, типовые наборы компетенций против наборов уникальных. Причем под компетенциями я понимаю умение успешно (и это не то же самое, что эффективно) использовать личные активы, сконцентрированные по формуле «знания + навыки + опыт». Именно в таком наборе. То есть принципиально важно наличие и умение применять первое и второе, но без третьего формула работать не будет.
Отсюда возникает следующая дилемма:
НАКОПЛЕНИЕ ОДНОРОДНОГО ОПЫТА vs ПРОАКТИВНЫЙ ПОИСК И ИНТЕГРАЦИЯ РАЗНОРОДНОГО ОПЫТА
Сложный выбор. Здесь интуиция и перманентный риск в какой-то момент выяснить, что «приставил лестницу не к той стене». Здесь чисто психологические сложности, связанные с потребностью в определенности, уверенности, одобрении и прочих базовых потребностях личности. Но естественный отбор никогда не был особо добрым и заботливым. А с приходом «умных» машин, избавленных от антропоморфного мышления, он станет еще менее заботливым и добрым .
Из чего проистекает третья развилка:
АНТРОПОМОРФНОЕ МЫШЛЕНИЕ vs ГИБРИДНОЕ МЫШЛЕНИЕ
Под гибридным мышлением я подразумеваю умение сформулировать не только задачу, но и образ результата с позиции каждой из половин кентавра. Определить, какую часть задачи человек берет на себя, а какую отдает машине, балансируя на грани антропоцентризма и неучастия. Ведь если еще раз обратиться к формулам – кентавр это «алгоритмы + импровизация». При этом каждый из участников вносит в результат свою долю непредсказуемости, и разные непредсказуемости влекут за собой разные последствия. В первую очередь эти последствия касаются настоящих и будущих подходов к управлению (коммуникацией).
Значит, мы входим в следующую зону противоречий:
УПРАВЛЕНИЕ ПО КОНТРОЛЬНЫМ ПОКАЗАТЕЛЯМ vs УПРАВЛЕНИЕ ПО ЦЕННОСТЯМ И ЦЕЛЯМ
Это не совсем про «голубые организации», хотя и про них тоже. Это про умение выстроить баланс. Про управление проектами (один из самых обсуждаемых сегодня в среде коммуникаторов soft skills) против управления сотрудничеством. Мое понимание этой дилеммы происходит, главным образом, из личного кейса. Когда «бахнул» кризис я возглавлял «промышленное» направление в крупной конгрессно-выставочной компании. Рынок с неочевидной ценностью конечного продукта (особенно с учетом некоторых российских реалий) и высокой неопределенностью. Ситуация, когда клиенты начинают «резать косты» именно с нашего направления. Только экстренная трансформация от управления «по цифрам» к управлению ценностями, которые мы предлагаем (в сочетании с фокусом на проектах, имеющих максимальную ценность в базе) позволила нам выйти, практически, «в ноль» по итогам года. В тот момент, когда многие другие участники рынка воспринимали 20%-ное падение как «не самый печальный» (цитата) результат.
Этот тезис продолжается крайне важным, в моем понимании, стратегическим выбором:
ЭФФЕКТИВНОЕ ДЕЛАНИЕ vs КОНВЕРГЕНТНОЕ ДУМАНИЕ
Для многих структур/систем KPI считается «ключом от всех дверей». Но нужно понимать, что с функцией «делания» машина уже сегодня справляется лучше, чем человек. Причем «лучше» это не только «несопоставимо быстрее». Даже в контексте управления проектами: оптимальное распределение ресурсов по жизненному циклу и контроль соответствия факта плану – это элементарно алгоритмизируемая задача. Да и на «думание» - в распространенном понимании этого термина – машины претендуют уже достаточно серьезно. Навыки контекстуализации и конвергенции для коммуникатора очевидно превращаются из «дополнительного преимущества» в фактор выживания в новой коммуникативной среде.
И вот тут я предлагаю задуматься, где в предложенной системе выборов место:
Современного высшего образования, построенного на типовых наборах знаний/навыков (значительно реже - компетенций)? Тренеров и консультантов по организационному развитию, предоставляющих исключительно услуги по упорядочиванию хаоса? Исполнителей стандартизированных наборов операций (это я, к слову, все еще про коммуникацию, а не про завод)? Индустрии профессиональных event’ов, где ценность определяется кейсами - суть выполненными в прошлом задачами? Переговорных техник, проистекающих из выбора «отжать или подвинуться»? Управленческих систем, суть которых в поддержании иерархии согласований? А также многих видов и подвидов аналитики и «аналитики» (в первую очередь - «хайпинга»), призванной ответить на потребность человека в условиях неопределенности «хоть на что-то опереться», и предлагающих заказчику нечто красочное, оптимистичное, но совершенно бесполезное.
И здесь возникает определяющий, на мой взгляд, выбор:
ПРОГНОЗИРОВАНИЕ БУДУЩЕГО vs СОЗДАВАНИЕ БУДУЩЕГО
Степень неопределенности для коммуникатора сегодня такова, что любой прогноз имеет вероятность исполнения ровно 50/50. То есть либо сбудется, либо нет. В данный конкретный момент мы можем спрогнозировать будущее ровно с той же достоверностью, с какой могли это сделать жрецы ацтеков (профессиональные коммуникаторы того времени) в тот момент, когда конкистадоры вышли на берег, размяли уставшие от долгой дороги тела и задумались – что же они станут делать дальше. Это выбор без выбора. Создавать новое и другое (это важно) будущее самому или двигаться в колее чужого будущего. Которое, не исключено, будет еще менее дружелюбным, чем естественный отбор.
Может показаться, что победное шествие кентавров по отрасли – весьма отдаленная перспектива. Чуть меньше года назад, 11 мая 2017, мир отметил 20-летие победы Deep Blue над Гарри Каспровым. Целых 20 лет прошло, а технический прогресс еще не «переехал» нас «поездом». Но есть примеры, к которым стоит приглядеться внимательнее.
В 2014 году - в том самом, когда машина (российской разработки) прошла тест Тьюринга - Ян Гудфеллоу из Google описал GAN - генеративно-состязательную нейросеть. Это стало основой концепции машинного обучения «без учителя». Читай – без необходимости в учителе-человеке. GAN «наращивает компетенции» за счет состязания (диалога? сотрудничетва?) двух нейронных сетей, одна из которых генерирует образцы, а другая старается отличить правильные («подлинные») образцы от неправильных. Уже в 2016 AlphaGo до невозможности удивила не только чемпиона мира по го Ли Седоля, но и экспертов, предрекавших, что в этой игре машина сможет победить человека не ранее 2020 года. Где здесь связь? Прогресс в обучении AlphaGo произошел в тот момент, когда несколько версий машины стали играть друг с другом.
А теперь повод задуматься. Новости свежие, уже этого года.
Сначала появились сообщения о том, что AI прошел Стендфордский тест на понимание прочитанного с результатом 82,65 баллов против максимальных 82,30 у человека. Через месяц AI победил юристов (представителей ведущих глобальных брендов, на минуточку) в анализе рисков NDA – соглашений. Необходимо уточнить, что, во-первых, соглашения о конфиденциальности специфическая штука, где высока степень уникальности. Прецедентная система - суть стандартизация - в этом секторе права применима весьма ограниченно. Во-вторых, машина (по утверждению разработчиков) обучалась не на NDA. То есть люди, хорошо знакомые с подобного рода документами, имели фору. Результат человека – процент выявленных ошибок в среднем 85%, максимальный показатель 94%. Результат машины – эффективность в среднем 94% (человеческий максимум), лучшая попытка - 100%. При этом среднее время выполнения задачи человеком - 92 минуты. Машиной - 26 секунд. Какие параллели здесь провести с профессиональной коммуникацией – каждый может решить для себя сам.
Что примечательно. Все описанные выше достижения принадлежат т.н. «слабому» AI. В оценках времени появления первых прототипов AI «сильного», то есть близкого по образу «мышления» к человеку, эксперты расходятся. Кто-то называет 2045 год, кто-то 2025, а некоторые и вовсе 2020. Если брать за основу прецедент AlphaGo - самой верной стратегией выживания на рынке будет уверенность, что он уже создан, и вопрос только в том, к какой сфере деятельности его быстрее всего «прикрутят» .
Тут по закону жанра необходим какой-то вывод, но, в моем понимании, любой вывод в данном случае – это попытка спрогнозировать будущее. Поэтому беру на себя обязательство продолжать тему и отправляюсь будущее создавать.