От предвидения к власти. Как ИИ-прогнозирование трансформирует экономику и как использовать его силу в своих целях

Более предприимчивые менеджеры поняли: истинная ценность электроэнергии в том, что на ее основе возможно предложить системное решение, которое в полной мере использовало бы ее потенциал. Под системой мы понимаем набор процедур, которые в совокупности обеспечивают выполнение того или иного действия.

Вспомните пространственную экономику на фабрике, использующей силу пара. Самое ценное пространство в цехе – возле центрального вала. Рядом с ним выполнялись производственные операции, а все остальное складировалось и убиралось как можно дальше. Это означало, что детали, материалы и так далее перемещались туда-сюда в зависимости от потребностей в энергии.

Электричество уравняло разные зоны помещения в их экономической ценности и позволило использовать пространство гибко. Теперь можно было расположить оборудование в линию, чтобы сократить расстояние, на которое перемещаются детали в процессе обработки. Изобретенный Генри Фордом конвейер для сборки автомобиля Model T не смог бы работать на паровой энергии. Такая возможность появилась только благодаря электричеству, причем спустя десятилетия после демонстрации его коммерческих перспектив. Да, Форд производил автомобили. Но в значительной степени он был поставщиком системного решения, которое изменило промышленный ландшафт. Только после этого стало очевидно колоссальное влияние электрификации на производительность труда.

Поставщики решений на основе ИИ

Из истории промышленности можно извлечь три урока. Во-первых, чтобы значительно повысить производительность, надо понять, что предлагает новая технология. Предприниматель, делавший ставку на электричество в 1890 году, сосредоточился бы на «экономии затрат на топливо» как на ключевом ценностном предложении. Но электричество – это не просто более дешевая замена парового двигателя. Его истинная ценность заключалась в том, что оно позволяло отделить использование энергии от ее источника. Это освободило промышленников от ограничений, связанных с размещением оборудования, что привело к целому ряду усовершенствований в планировке фабрик и рабочих процессов. Предпринимателю, предлагавшему перейти на электричество в 1920 году, следовало понимать, что ключевое ценностное предложение – это не «экономия затрат на топливо», а «создание гораздо более эффективной организации производства». Такую же картину мы ожидаем увидеть и с ИИ. Как мы уже отмечали, первоначально предлагавшиеся предпринимательские возможности были связаны с точечными решениями: так, компания Verafin заменила один способ прогнозирования другим – более качественным, быстрым и дешевым.

Нам также известны прикладные решения, требующие перепроектирования устройств или продуктов. Таковы роботы или приложения на ваших гаджетах, реализованные на основе ИИ. Например, камера смартфона, распознающая ваше лицо, сконструирована определенным образом. К ней прилагается аппаратное обеспечение для защиты передаваемой информации. Пожалуй, наиболее заметно к инновациям такого рода подтолкнуло вложение миллиардов долларов в разработку и запуск автомобилей, которые могли бы самостоятельно передвигаться в существующих дорожных условиях. Хотя внешне они ничем не отличаются от обычных автомобилей, их внутреннее устройство существенно изменено и включает датчики, средства бортовой обработки данных и последующего управления машиной.

В будущем мы увидим множество высокоэффективных системных решений на основе ИИ. В этой книге мы рассмотрим как возможности, так и проблемы, связанные с их реализацией.

Во-вторых, осознав, в чем состоит ценностное предложение ИИ, следует поставить довольно очевидный, но при этом трудноразрешимый вопрос. Как бы мы подошли к разработке наших продуктов, услуг или предприятий с нуля с учетом уже имеющихся знаний об ИИ? Многоэтажные фабричные корпуса возникли не в традиционных отраслях, а в тех, что появились в 1900-х годах, то есть были новыми на тот момент. Это табачная промышленность, производство металлоизделий, транспортного оборудования и, собственно, электрооборудования. История повторяется в наши дни: ориентированные на ИИ системы прежде всего складываются в инновационных цифровых отраслях современной экономики: в поиске, электронной коммерции, стриминговом контенте и социальных сетях.

В отношении ИИ мы можем задать те же два вопроса. Первый: что на самом деле дает нам ИИ? Второй: если мы создаем бизнес с нуля, то какие процессы и модели следует внедрить? Если электричество позволяло не просто «снизить стоимость энергии», а «гораздо эффективнее организовать производство», то, возможно, ИИ тоже позволяет не «снизить стоимость прогнозирования», а «гораздо эффективнее создавать продукты, услуги и организации». Основное преимущество электричества заключалось в том, что оно отделяло использование энергии от ее источника, а это способствовало инновациям в планировке фабрик. Основное преимущество ИИ в том, что он отделяет прогнозирование от остального процесса принятия решений, а это помогает переосмыслить взаимодействие решений и тем самым способствует инновациям в организационном проектировании. Мы утверждаем, что, отделяя прогнозирование от других аспектов принятия решения и передавая его машине, ИИ позволяет внедрять инновации на системном уровне. В таких системах ключевой структурный элемент – это решения, а ИИ совершенствует процесс их принятия.

В-третьих, различные типы решений предоставляют разные возможности для получения власти на рынках. Предприниматели получают прибыль, создавая и присваивая ценность. В случае точечных решений проблема состоит в том, что создается относительно небольшая ценность. Электричество заменяло паровые двигатели, которые уже широко применялись. Заместить одно другим было не так просто, а если и удавалось, то ценностное предложение для потребителя заключалось в уменьшении счета за энергию. Другими словами, поставщики точечных решений получают устойчивую прибыль благодаря тому, что лучше других реализуют эти решения, что и продемонстрировала Verafin. Но это в лучшем случае.

По мере перехода к прикладным, а затем системным решениям создаваемая предпринимателями ценность получает все более надежную защиту. Чтобы обезопасить продукт от конкурентов, следует оформить патент или использовать другие средства охраны интеллектуальной собственности. Однако в случае с системными решениями возможностей защиты еще больше. В эпоху электричества по большей части сами владельцы предприятий заботились о том, чтобы обустроить производство по-новому. Они создавали в своей отрасли ноу-хау, благодаря чему завоевывали рынок и ограждали себя от конкуренции. Планировку завода может видеть каждый, но процедуры, компетенции и обучение, лежащие в основе организации рабочих процессов, не так очевидны, и воспроизвести их довольно трудно. Более того, новые системные решения обеспечивают масштабирование.

Взрывная сила и власть ИИ

Потребовались десятилетия, чтобы электричество зарекомендовало себя как подрывная инновация. В течение первых двух десятилетий своего существования оно точечно использовалось на некоторых предприятиях, для освещения улиц и в других областях. Но оно изменило экономику, только когда появились новые системные решения. Трансформация оказалась глубокой, и власть получили те, кто контролировал выработку электроэнергии и электросети, а также те, кто сумел использовать электричество в массовом производстве. После этого уже не интересно было выпускать ремни и шкивы или владеть промышленными площадями в центре города.

То же самое происходит с искусственным интеллектом. Перераспределение экономической власти, в результате которого контроль над дефицитными ресурсами и активами переходит от одной группы людей к другой, сопровождается возможностью оградить бизнес от конкурентного давления. Безусловно, у ИИ есть для этого потенциал, но он изменит отрасли и распределение сил в них, то есть станет подрывной инновацией, лишь при наличии новых систем. Их трудно разработать, а также, как мы увидим, трудно скопировать по причине высокой сложности. Это является преимуществом для тех, кто способен их создавать.

Однако при этом сохраняется значительная неопределенность. Остается открытым вопрос о том, кто получит влияние благодаря технологиям на основе ИИ. Все зависит от того, как будут выглядеть новые системы. Наша задача – помощь в прогнозировании: кто приобретет, а кто потеряет власть по мере развития и внедрения систем ИИ.

КЛЮЧЕВЫЕ МОМЕНТЫ

• Наша притча о трех типах предпринимателей, посвященная энергетическому рынку более чем столетней давности, иллюстрирует, как на основе одного и того же технологического сдвига – от пара к электричеству – формируются различные ценностные предложения: точечные решения (стоимость энергии снижается, а потери из-за трения сокращаются, но организация производства не меняется); прикладные решения (индивидуальные электроприводы на каждом станке обеспечивают им автономность, так что остановка одного не влияет на работу других; при этом организация производственной деятельности остается прежней); системные решения (перепроектирование заводов – облегченная одноэтажная конструкция зданий, рабочие процессы оптимизированы с точки зрения пространственной планировки и перемещения рабочих и материалов).

• Одни ценностные предложения привлекательнее других. В случае с электричеством точечные и прикладные решения, основанные на прямой замене пара электричеством без модификации системы, имели ограниченную ценность. Поэтому изначально инновация внедрялась медленно. Со временем некоторые предприниматели сумели предложить решения на системном уровне благодаря тому, что электричество обеспечивало автономную работу станков – при использовании пара это было невозможно или слишком дорого. Во многих случаях для системных решений стоимость была значительно выше, чем для точечных.

• Электричество позволило отделить машину от источника энергии и тем самым сместить ценностное предложение от «более низкой стоимости топлива» к «гораздо более производительной организации производства». Точно так же ИИ позволяет отделить прогнозирование от других аспектов принятия решения и тем самым сместить ценностное предложение от «более низкой стоимости прогнозирования» к «гораздо более эффективному процессу принятия решения».

Глава 2. Будущее систем ИИ

В 2017 году мероприятия, посвященные ИИ, проходили одно за другим. На них собирались представители бизнеса, правительств и академических кругов. Мы осознавали, что ИИ способен трансформировать экономику, и решили, что это перспективная тема для дискуссии лучших мировых ученых. Чтобы определить перечень приоритетных исследований, мы организовали в Торонто конференцию по ИИ. К нашему удивлению, мы без труда привлекли множество участников. Среди них был Пол Милгром из Стэнфордского университета, который впоследствии стал лауреатом Нобелевской премии за усовершенствование теории аукционов. «Я хорошо помню, как в 1990 году NSF[2] предложил обсудить экономику интернета, – написал он нам, – а я был слишком занят теорией принципала-агента, экономикой фирмы и супермодулярностью и потому отказался. И зря! На этот раз никаких оправданий. Да, я буду у вас».

Некоторые участники конференции оптимистично оценивали перспективы ИИ. Еще один нобелевский лауреат, Даниэль Канеман, сказал: «Думаю, в мире не слишком много того, что в итоге не смогут сделать компьютеры». Бетси Стивенсон, работавшая в Совете экономических консультантов при президенте Обаме, так резюмировала подобные настроения: «Очевидно, коллеги считают, что искусственный интеллект открывает возможности для того, чтобы получить существенную экономическую выгоду».

Однако среди собравшихся были и скептики. Лауреат Нобелевской премии Джозеф Стиглиц разделял мнение, что развитие ИИ способно усугубить неравенство. Тайлер Коуэн, экономист и бывший обозреватель The New York Times, опасался, что из-за производительности ИИ увеличится дефицит материальных ресурсов. Мануэль Трахтенберг из Израиля, часть своей карьеры посвятивший политике, отметил, что долгосрочные преимущества технологии не имеют значения, если растущее сопротивление автоматизации и распространенное мнение о ее влиянии на рабочие места приведут к революции.

Особенно интересен тезис о том, что ИИ, похоже, вообще не оказывает большого влияния на экономику. Экономисты Эрик Бриньолфсон, Дэниел Рок и Чад Сайверсон отмечают:

Мы живем в эпоху парадоксов. Все больше областей, где системы на основе ИИ соответствуют человеческому уровню или превосходят его, опираясь на стремительный прогресс в других технологиях и способствуя стремительному росту цен на акции. При этом зафиксированный в последнее десятилетие рост производительности труда сократился вдвое, а реальные доходы большинства американцев с конца 1990-х годов стагнируют.

Для тех, кто изучает историю развития технологий, это не беспрецедентный парадокс (как мы убедились на примере электричества). В 1987 году Роберт Солоу из Массачусетского технологического института произнес знаменитую фразу о том, что «компьютерный век наступил везде, но только не в статистике производительности труда». Компьютеры были повсюду, но к заметному повышению результативности труда это не привело, причем во всех секторах экономики. Специалисты задались вопросом: что происходит, когда появляются «технологии общего назначения» – то есть такие, которые обеспечивают устойчивый рост производительности в широком спектре отраслей? К технологиям общего назначения относятся паровой двигатель и электричество, а в более поздние времена – полупроводники и интернет. По мнению участников нашей конференции, ИИ выглядел вполне вероятным кандидатом на включение в этот список. Чего же нам следует ожидать? Да, исторически такие технологии в итоге трансформировали экономику, бизнес и рабочие процессы, но что происходило в течение десятилетий до наступления этого момента – в межвременье?

Системные инновации для ИИ

Генеральный директор Google Сундар Пичаи заявил, что «ИИ – это, пожалуй, самое важное, над чем когда-либо работало человечество. Я думаю о нем как о чем-то более глубоком, чем электричество». Google уже получила выгоду от ИИ, но многим компаниям это не удалось. В исследовании, проведенном в 2020 году журналом Sloan Management Review Массачусетского технологического института и глобальной консалтинговой компанией BCG, говорится, что только 11 % организаций сообщили о значительных финансовых результатах от использования ИИ. И это не значит, что остальные не пытались добиться успеха. Представители 59 % компаний заявили, что у них есть стратегия в области ИИ, а в 57 % организаций внедрялись или были опробированы соответствующие решения.

Пионер ИИ Эндрю Ын, основатель проекта Google Brain и ведущий научный сотрудник компании Baidu, заявил, что «ИИ – это новое электричество. Он способен изменить любую отрасль и создать огромную экономическую ценность». У ИИ не меньший потенциал трансформации, чем у электричества, но если верить истории, то путь к изменениям будет долгим и ухабистым.

Пример с электричеством показывает, что нет никакого несоответствия между оптимизмом в отношении будущего ИИ и разочарованием в уже достигнутых результатах. Бриньолфсон, Рок и Сайверсон обратили внимание на этот парадокс эпохи. Следовало ожидать, что оптимизм в отношении будущего будет сосуществовать с разочарованием в том, что мы имеем сегодня. Действительно, есть веские глубинные причины ожидать таких противоречий, когда экономика переживает реструктуризацию, связанную с трансформационными технологиями.

На первом этапе внедрения электричества лампочки заменили свечи, а электродвигатели – паровые машины. Это были точечные решения, не требующие переворота в экономике.

ИИ находится в такой же ситуации. Он применяется как новый инструмент для предиктивной аналитики. Лишь немногие компании получают выгоду от улучшения прогнозирования – например, Verafin. Это те самые 11 % организаций, которые уже достигли финансовых результатов с помощью ИИ. Они и прежде занимались прогнозированием, но теперь делают это точнее, быстрее и с меньшими затратами. Точечные решения для ИИ находятся буквально под рукой и уже вовсю применяются.

Истинный потенциал электричества был реализован, только когда удалось понять и использовать преимущества распределенной генерации. Точно так же потенциал ИИ раскроется, только когда получится в полной мере задействовать его возможности в области прогнозирования. Для нас это означает, что прогнозирование играет важную роль в принятии решений. Мы покажем, что во многих случаях изменения будут настолько значительными, что потребуют от компаний перестроить всю систему принятия решений и обеспечивающие ее процессы. Только в этом случае внедрение ИИ станет действительно реальным.

Мы находимся в межвременье: колоссальный потенциал ИИ уже очевиден, но его трансформирующее воздействие на экономику еще не началось. Verafin входит в те 11 % крупных корпораций, которые добились успеха при внедрении ИИ. Их прогнозы вписались в существующую систему, а бизнес-процессы и организация труда оказались к этому приспособлены, так что значительных нововведений не потребовалось. Остальные 89 % компаний еще не готовы. Перспективы понятны, но как их реализовать, пока неясно. Необходимо найти способ использовать машинные прогнозы для повышения эффективности работы, то есть для принятия более эффективных решений. Благодаря ИИ люди смогут делать больше, поскольку будут принимать лучшие решения. Речь идет не только о технических аспектах прогнозирования (сборе данных, построении моделей, генерации прогнозов), но и об организационных – создании условий, позволяющих людям принимать правильные решения в нужное время. А стратегическая задача состоит в том, чтобы определить, что можно сделать по-другому после получения более качественной информации.

Первый этап

Для межвременья характерны энтузиазм и успех точечных решений, но при этом ИИ все еще остается нишевой технологией. Тем не менее уже проводятся эксперименты и существуют прикладные разработки, в основном специфические. Они позволяют улучшить имеющиеся продукты, например телефоны или системы безопасности автомобиля. Бюро переписи населения США выяснило, используют ли компании ИИ. В опросе участвовали представители более 300 тыс. организаций. Из тех, кто ответил положительно, большинство подчеркивали, что применяют ИИ для автоматизации и улучшения процессов. Другими словами, внедряются точечные и прикладные, но не системные решения. Соответственно, ИИ довольно скромно влияет на производительность труда. Анализ существующих рабочих процессов и участков, которыми ИИ может заменить человека, приносит значимую дополнительную ценность, но широких возможностей не открывает.

В период межвременья предприниматели и менеджеры борются за то, чтобы реализация прикладных решений стала экономически оправданной. Как отмечает Натан Розенберг, «многочисленные неудачи объясняются тем, что предприниматель не учел взаимосвязь между технологией, поглощавшей все его внимание, и остальными аспектами бизнеса как целостной системы».

Настоящая трансформация произойдет, только если сосредоточиться на системных решениях. Они поднимут внедрение ИИ на уровень экономики в целом и создадут импульс для его дальнейшего прикладного применения. При таком потенциале масштабирования и последующих инноваций ИИ станет экономически выгодным.

Учитывая важность этих решений, необходимо четко объяснить, что имеется в виду. Итак, давайте определимся с понятиями:

• Точечное решение улучшает существующую процедуру. Его можно внедрить независимо от прочих решений и без изменения системы, в которую оно встроено.

• Прикладное решение создает новую процедуру. Ее можно реализовать независимо от прочих процессов и без изменения системы, в которой она функционирует.

• Системное решение позволяет усовершенствовать существующие или создать новые процедуры и при этом изменить связанные с ними процессы.

Обратите внимание: оборот «независимо от (прочих)» встречается в определениях точечного и прикладного решений, но применительно к системному не употребляется. Представьте, что какую-либо существующую или новую процедуру можно усовершенствовать с помощью новой технологии. Если рост создаваемой ценности превышает затраты на разработку и внедрение этого решения, то оно экономически целесообразно – причем неважно, изменится ли что-то еще. Однако предположим, что выгода от инновации слишком мала и может быть увеличена только за счет изменения других процедур. Тогда внедрять ее в индивидуальном порядке, без сопутствующих изменений, будет экономически неоправданно. Потребуется совершенствование сразу нескольких процедур.

Мы уже говорили о том, что некоторые фабрики легко заменили энергию пара электрической. Это точечное решение. Кроме того, электрические двигатели использовались в существовавших производственных системах. Это прикладное решение. Однако во многих случаях для того, чтобы получить реальную экономическую выгоду, надо было перепроектировать предприятия, а также разворачивать централизованные электрические линии и сети. Другими словами, при системном подходе электричество – это не просто новый источник энергии, а спектр новых возможностей, которые открываются при его использовании.

В следующей главе мы вернемся к теме, затронутой в книге «Искусственный интеллект на службе бизнеса», – к тому, что достижения современного ИИ, по сути, представляют собой усовершенствованные технологии прогнозирования. Более того, прогнозы ценны только как исходные данные, на основе которых принимаются решения. Таким образом, давайте скорректируем определения, приведенные выше.

ТОЧЕЧНОЕ РЕШЕНИЕ НА ОСНОВЕ ИИ: прогноз ценен, если позволяет улучшить принятое без его учета управленческое решение, не зависящее от прочих.

ПРИКЛАДНОЕ РЕШЕНИЕ НА ОСНОВЕ ИИ: прогноз ценен, если позволяет принять отличное от имеющегося управленческое решение или изменить процедуру его принятия, причем независимо от прочих.

СИСТЕМНОЕ РЕШЕНИЕ НА ОСНОВЕ ИИ: прогноз ценен, если улучшает существующие или позволяет принимать более эффективные управленческие решения при условии, что будут реализованы изменения в способах принятия прочих решений.

Если в других случаях мы можем прибегнуть к ретроспективному анализу и точно определить, что было независимым, а что зависимым, то в случае ИИ нам еще предстоит это выяснить. Наша книга – о том, как это сделать.

Подрывной характер системных изменений

Если верить истории, то активнее всего ИИ должен внедряться на этапе системных изменений. Однако такие изменения будут подрывными по своему характеру: заставят пересмотреть роли многих людей и компаний в отраслях и одновременно перераспределить влияние. То есть, вероятно, появятся экономические победители и проигравшие, особенно если трансформация происходит относительно быстро.

Давайте для наглядности рассмотрим прогнозирование в земледелии. В этой отрасли механизация резко сократила занятость. Однако управление, независимо от масштабов хозяйства, по-прежнему сосредоточено в руках человека – настолько, что многие фермы остаются в частной собственности. Принимая решение, фермеры учитывают прогноз погоды, но состояние земельного надела уникальным образом связано с их собственными навыками в прогнозировании и принятии решений в целом.

Однако время идет, и ситуация меняется. Земледелие зависит от погодных условий, но также, что критически важно, от выращиваемых культур и характеристик почвы. Из этих дополнительных рисков исходил Дэвид Фридберг, когда первым предложил американским фермерам индивидуальное онлайн-страхование от погодных условий. Правительство США располагало информацией не только о погоде, но и о составе почвы 29 млн полей (на основании инфракрасных спутниковых снимков). Это позволило Фридбергу рассчитать влияние погодных условий на отдельные земли или сельскохозяйственную культуру.

Фридберг основал компанию Climate Corporation для продажи страховки, но вскоре обнаружил, что не менее, чем в страховке, фермеры заинтересованы в том, что он может сообщить им об их собственных полях:

От него [Фридберга] фермер мог узнать о влажности почвы на данный момент и о том, какое превышение уровня влаги будет губительным. Можно было получить информацию о температуре и ежедневном количестве осадков. Вероятно, вы скажете, что фермер и так это знает, но что, если у него двадцать или тридцать полей, расположенных в разных округах? Точная стадия роста определенной культуры, лучшие моменты для удобрения земли, оптимальный период для сева и идеальная дата сбора урожая – Фридберг располагал всеми этими данными.

Прогнозирование в значительной степени определяло ключевые решения, касающиеся внесения удобрений, сева и уборки. Все они принимались с одной и той же целью – получить максимальный урожай: «Земледелие всегда было связано с принятием решений, которые зависели от интуиции фермера. Climate Corporation превратила земледелие в науку, основанную на теории вероятностей. Фермер играл уже не в рулетку, а в блек-джек. А Дэвид Фридберг помогал ему считать карты».