В 2016 году Netflix занимал примерно 35% всего интернет-трафика в Северной Америке и имел весьма оживленные ТВ-сети8. Если попытаться разобрать Netflix на косточки, мы увидим анатомию новой машины в действии (см. табл. 4.2).
Таблица 4.2. Анатомия интеллектуальной системы Netflix
Что такое «хорошо»? Атрибуты успешной интеллектуальной системы
Есть большая разница между тем, чтобы иметь все необходимые ингредиенты новой машины, и действительно получить их, для работы на высоком уровне. Интеллектуальная система, которая поможет вам стать Хусейном Болтом в любой гонке, из тех, где участвуете, будет иметь все или большинство из этих характеристик.
• Умная, а не глупая. Эффективные новые машины становятся лучше, более мощными и ценными, по мере роста. Единственный правильный тест для хорошего ИИ – с поступлением новых данных завтра он становится умнее, чем был сегодня. В любом случае, лучшие интеллектуальные системы высасывают информацию из широкого круга источников, что позволяет достичь массы данных, требуемой для получения инсайтов и создания персонифицированного восприятия. Сегодняшние мастера цифровых данных говорят однозначно: «Все дело в данных».
• Открытые, а не закрытые. Интеллектуальные системы, способные полностью раскрывать свой потенциал, как правило, больше открытые, чем закрытые. Подумайте о Tesla, раздающей свои патенты, и Uber с открытыми API: обе эти политики помогли сгенерировать новые решения, построенные на винтиках и шестеренках искусственного интеллекта компаний. Один из ярких примеров конкурентной борьбы разворачивается сегодня между Amazon и Walmart.com. Если использовать систему анатомии, приведенную в этой главе, обе компании выглядят похоже. И покупательский опыт, получаемый через приложения, одинаковый, плюс-минус 10%. Однако если смотреть через призму API, то компании не могли бы выглядеть более разными. У Amazon – массив из более чем 325 API, что открывает его платформу другим. У Walmart, Target, Macy’s и Sears на сентябрь 2015 года их три или меньше21. Открытость обязательна для цифрового успеха, поскольку полностью оформленная, наполненная содержанием экосистема будет более мощной, чем среда с замкнутым развитием.
• Умные руки, не только боты. Самые успешные узкие ИИ включают участие людей. Одна из самых распространенных ошибок, которую мы наблюдали в поездках, состоит в том, что компании пытаются полностью избавиться от человеческого фактора22. Есть множество вещей, которые машина не может делать так же хорошо, как можем мы (по крайней мере, в те временные рамки, когда надо принимать значимые бизнес-решения). Меняющие правила игры интеллектуальные системы создаются ради интеграции ИИ с человеком, где объединяется лучшее из того, что может компьютер и умеют люди (больше о «расширении» ИИ в главе 9). Некоторые из инструментов, такие как робот в роли отельного консьержа, пытающийся подражать тому, что так хорошо делает человек, – верный способ потерять время и деньги.
• Узкий, не широкий. Попытка создать магический черный ящик, что решит все ваши проблемы, которые хотели бы адресовать искусственному интеллекту, кажется заманчивой, но ее невероятно трудно осуществить. Даже сложные платформы, вроде Watson от IBM или Predix от GE, имеют серьезную коммерческую ценность только тогда, когда сконфигурированы под конкретный процесс или клиентский опыт23. Фокус на «моменте» или простом действии – важный индикатор того, что интеллектуальная система может дать значительный ожидаемый эффект.
• Один для одного, не один многим. Если вы когда-то работали с PeopleSoft или SAP, сразу понимали, что пользовательский опыт не был создан лично для вас. Он был разработан для как можно большего числа людей. Со времен перфорированных карт это было частью архитектуры практически любой коммерческой программной системы. А при том, что большинство существующих коммерческих систем, в целом, разрабатывались не для того, чтобы дать нам индивидуальные впечатления, интеллектуальные системы определенно таковы. Например, Alexa конфигурирует себя под ваше поведение. Amazon обращает свои предложения к вашей виртуальной сущности. Олдскульное программное обеспечение требует, чтобы подстраивались под него, машина нового времени подстраивается под вас.
• На заказ, не готовое. Было бы здорово зайти в магазин iTunes, предлагающий различные интеллектуальные системы, и выбрать решения именно для своей организации, однако такой возможности пока не существует. Со временем ИИ станет «полноценным» продуктом, и уже сейчас есть много решений с машинным обучением, доступ к которым осуществляется по принципу «доступа к услуге», но не думайте, что в ближайшем будущем ваша организация сможет просто купить полный комплект ПО, который немедленно перенесет вас в пучину эры новой машины. Новые интеллектуальные системы возникают каждый день, так что все быстро меняется. Это и есть самая большая область для инноваций практически в каждой отрасли. Вам повезло, если ищете платформу, предназначенную для обработки заявок, финансовых и бухгалтерских процессов или получения специального образования, потому что подобные мощные системы уже существуют. Однако во многих, если не в большинстве, случаях продуктов еще не существует. Внимательно присматривайтесь ко всем новым решениям, имеющим значение для вашего бизнеса, но сегодня многие системы надо создавать или собирать из существующих компонентов.
Три ключевых навыка для построения интеллектуальных систем
Начавшись с истории глубокого анализа данных LexisNexis®, LexisNexis Risk Solutions помогает клиентам оценивать, предсказывать и управлять рисками во множестве отраслей (в том числе страхование, банковский сектор, розничная торговля, здравоохранение, коммуникации и бюджетный сектор).
