Если верить заголовкам и громким заявлениям, мы живем в мире, где искусственный интеллект (ИИ) вот-вот совершит полный захват власти, заменив собой человека во всех мыслимых профессиях. Руководители компаний по всему миру, кажется, согласны: ИИ оказывает и будет оказывать фундаментальное влияние на то, как мы ведем бизнес. Он изменяет процесс принятия решений, создает совершенно новые бизнес-модели и позволяет делать то, что раньше считалось невозможным. Однако, когда дело доходит до реальных инвестиций и внедрения, большинство лидеров демонстрируют удивительный прагматизм, предпочитая «синицу в руке» внедрение узкоспециализированных, решающих конкретные проблемы систем вместо мифического «журавля» универсального разума.
Я вижу здесь парадокс. Очевидный разрыв между грандиозными ожиданиями от ИИ и его осторожным, локальным применением в бизнесе объясняется трезвым осознанием его текущих ограничений и экономической логикой. Руководители понимают, что ИИ способен непропорционально вознаградить тех, кто начал применять его раньше и эффективнее. Но чтобы извлечь реальную ценность, необходимо разобраться в сути того, с чем имеешь дело. И здесь выясняется, что «магия» ИИ это всего лишь математика, а его возможности ограничены конкретными, уже зрелыми функциями.
Чтобы разобраться в этом прагматизме, необходимо четко понять, что такое современный ИИ и чего он не умеет. На сегодняшний день в бизнесе доминирует узкоспециализированный искусственный интеллект. Он отличается от универсального искусственного интеллекта (УИИ), который остается «святым Граалем» для разработчиков, недоступным за пределами человеческого мозга.
Нынешние возможности ИИ сводятся к восьми основным функциям, четыре из которых наиболее зрелые и относятся к получению информации (захвату данных): распознавание возраста, распознавание речи, поиск и кластеризация. Любое применение ИИ в бизнесе, по сути, связано с одной или несколькими из этих функций.
Руководители, столкнувшиеся с реальностью внедрения, быстро осознают, что:
- ИИ это не черный ящик, решающий все проблемы. Настоящий прорыв на рынке ИИ происходит в конкретных, прикладных сферах. Это может быть использование чат-ботов для замены сотрудников колл-центров, классификация писем клиентов, фильтрация резюме кандидатов или анализ медицинских снимков для диагностики опухолей. Такие узкие системы приносят реальную пользу, поскольку могут «читать» тысячи документов за секунды, превосходя человеческие способности к обработке массовых данных.
- ИИ требует данных, а не догадок. Искусственный интеллект полагается на алгоритмы для обработки большого количества исходных данных. При этом для того, чтобы ИИ-системы работали, необходим постоянный поток общедоступных массовых данных. Успешное внедрение требует сбора и управления большими массивами данных.
- Нет универсального алгоритма. ИИ-продукты создаются не на основе одного секретного алгоритма, а с использованием множества подходов и функций. Разработчики часто используют алгоритмы с открытым исходным кодом. Ключ к успеху это не выбор «самого умного» алгоритма, а правильный баланс между количеством и качеством данных, а также соответствие бизнес-целей и применения технологий.
- ИИ не обладает пониманием. ИИ, даже будучи очень умным, ничего не понимает. Он может превосходно анализировать синтаксис (грамматику) и семантику (значение слов), но ему не хватает глубокого понимания прагматики контекста. Отсутствие этого универсального интеллекта не позволяет ИИ предоставлять творческие или новаторские решения.
Таким образом, руководители видят, что ИИ, несмотря на всю шумиху, пока остается инструментом для решения специфических проблем, а не магическим помощником, способным заменить генерального директора.
Осторожность руководителей также подкреплена экономической рациональностью. Внедрение ИИ не происходит ради самого внедрения; оно должно иметь четкое экономическое обоснование. При этом главная ценность ИИ в настоящее время это не полная замена человека, а его расширение возможностей и повышение эффективности существующих процессов.
Повышение производительности и снижение затрат:
- Автоматизация рутины: ИИ прекрасно подходит для автоматизации повседневных задач, особенно рутинных операций и процессов, требующих низкого уровня эмпатии (регистрация заказов, сверка инвойсов). Например, системы отбора персонала на основе ИИ избавляют рекрутеров от монотонной работы, что снижает затраты и число ошибок.
- Улучшение принятия решений: ИИ способен учесть множество факторов, делая прогнозирование результатов более точным. Это позволяет принимать решения, которые раньше казались слишком рискованными или сложными. Например, в страховании ИИ помогает оценить уровень ущерба автомобилей по снимкам и выявлять мошенничество.
- Оптимизация процессов: ИИ помогает пересмотреть бизнес-процессы, концентрируя внимание на повышении операционной гибкости, скорости, расширении масштабов и улучшении персонализации продуктов.
Управление рисками:
Руководители также фокусируются на управлении рисками, связанными с внедрением новых технологий. То, что алгоритмы ИИ дают вероятностные, а не детерминированные ответы, требует совершенно иного подхода к управлению проектами. Необходимо обеспечить дополнительный контроль за работой моделей, поскольку в них может легко проникнуть элемент предубежденности (предвзятости), а также отсутствует должная прозрачность.
На практике это означает, что компании концентрируются на сотрудничестве людей и машин, где на человека возлагаются критически важные роли: обучать машины, объяснять им результаты и гарантировать ответственное использование.
Даже те руководители, которые успешно внедрили ИИ в узкие области, осознают более масштабную угрозу: ИИ является катализатором усиления экономического неравенства. Эта проблема усугубляется тем, что ИИ способен заменить множество работников умственного труда, и доход с капитала, то есть с права собственности на машины, может быть сосредоточен в руках немногочисленной элиты.
Ситуация похожа на «дилемму заключенного»:
- Индивидуальная рациональность: Каждая компания действует рационально, внедряя автоматизацию для сокращения издержек и повышения конкурентоспособности.
- Коллективный проигрыш: Если все компании делают это без оглядки, результатом может стать массовая безработица и социальный кризис коллективный проигрыш.
Ни одна отдельная компания не откажется добровольно от автоматизации, боясь проиграть в «гонке на дно» по издержкам. Это создает порочный круг, в котором стремление к эффективности через ИИ ведет к социальным проблемам, что, в свою очередь, может вызвать недовольство и протесты, вынуждая правительства принимать меры.
Таким образом, уверенность руководителей в потенциале ИИ не исчезает, но она трансформируется из веры в магию в прагматичное использование математики. Осторожность в инвестировании в узкоспециализированные решения это не признак консерватизма, а рациональный выбор, позволяющий извлечь максимальную выгоду при минимальных рисках, пока не решена проблема универсального интеллекта.
Я вижу, что в будущем ИИ будет все чаще применяться для трансформации процессов, а не просто для их улучшения. Это означает использование ИИ для того, чтобы делать некоторые вещи фактически иным образом, в том числе и так, как это невозможно было раньше.
Поскольку ИИ это мощный инструмент, способный работать в окружающей среде, где люди не могут работать, и задействовать альтернативные сенсоры, потенциал для создания совершенно новых продуктов и услуг огромен. Однако, чтобы этот процесс был безопасным и справедливым, лидеры должны:
- Сосредоточить внимание на экономическом обосновании, а не на самой технологии.
- Инвестировать в человеческий капитал, поскольку ценность сотрудников будет определяться их умением учить автоматику и сотрудничать с ней.
- Признать, что ИИ это не партнер, а инструмент. Использовать его следует для расширения возможностей, а не для полной замены человека.
Только преодолев мистификацию ИИ и сосредоточившись на его практическом, ответственном применении в узких областях, руководители смогут не просто получить «синицу в руке», но и подготовить свою компанию к той эпохе, когда технологии действительно смогут решать самые сложные и глобальные задачи.