Как мы уже отмечали, в эпоху адаптивных процессов правила управления организациями меняются каждый день. Переосмысливая бизнес-процессы и характер взаимодействия человека и машины, бизнес-лидеры в самых разных отраслях должны принять новые правила и следовать им. Вот почему мы написали эту книгу: чтобы дать людям, которых заботит их бизнес, команда и карьера, необходимые знания для достижения успеха в эпоху искусственного интеллекта.

В мы расскажем о той роли, которую искусственный интеллект играет в бизнес-процессах сегодня. Начнем с заводских цехов, а затем проиллюстрируем, как организации используют искусственный интеллект в разных отделах — бэк-офис, НИОКР, маркетинг и продажи. Основной вывод этого раздела: компаниям не стоит рассчитывать на реализацию всех преимуществ взаимодействия человека и машин, если они не создали для этого соответствующих условий. Повторим, что организации, которые используют машины только для замены людей, в итоге проиграют, в то время как компании, стремящиеся расширить человеческие возможности с помощью машин, станут лидерами своей отрасли.

В мы расскажем о том, как команды «человек + машина» изменили производство не только в BMW и Mercedes-Benz, но и у других крупных производителей. Так, General Electric создает «цифровые двойники» своих продуктов — например, турбинной лопасти в реактивном двигателе. Виртуальные модели наследуют свойства физического объекта, что позволяет повышать производительность, а также прогнозировать сбои до того, как они произойдут, что в корне меняет техническое обслуживание оборудования.

посвящена бэк-офису. Здесь технологии искусственного интеллекта помогают фильтровать и анализировать колоссальные потоки информации из самых разных источников и автоматизировать однообразные рутинные задачи, а также расширять человеческие возможности и опыт. К примеру, канадская компания, оказывающая финансовые и страховые услуги, использует ИИ-системы для обработки неструктурированных финансовых данных из новостных заметок, отчетов и электронной почты, с тем чтобы выработать конкретные рекомендации, причем ее можно обучить извлекать из общего информационного потока только те сведения, которые коррелируют с индивидуальными запросами каждого аналитика.

В мы покажем, как компании используют искусственный интеллект в научных исследованиях и разработках. На каждом этапе НИОКР — наблюдение, формулирование гипотезы, проведение эксперимента и анализ результатов — ИИ-технологии способствуют большей эффективности и значительно улучшают конечный результат. Мощный программный пакет GNS Healthcare с элементами машинного обучения находит закономерности в медицинских картах пациентов и может автоматически генерировать гипотезы непосредственно из данных. Так, системе потребовалось всего три месяца, чтобы воспроизвести результаты двухлетнего исследования, в ходе которого изучались побочные реакции при приеме нескольких лекарственных препаратов у пожилых пациентов по программе Medicare.

В мы рассмотрим бизнес-процессы в маркетинге и продажах, а также расскажем, какое огромное влияние искусственный интеллект оказал на эти сферы. Виртуальные помощники на основе нейронных сетей и машинного обучения, такие как Alexa (Amazon), Siri (Apple) и Cortana (Microsoft), стремительно становятся цифровым воплощением этих брендов. Другими словами, искусственный интеллект сам становится брендом.

Во нашей книги мы исследуем «недостающую середину» и дадим рекомендации топ-менеджерам, чтобы помочь им пересмотреть и переосмыслить традиционные представления о работе. Чтобы раскрыть весь потенциал искусственного интеллекта, компаниям необходимо восполнить существующий ныне пробел, продумав новый функционал своих сотрудников, выработав новые принципы взаимоотношений человека и машины на рабочих местах, изменив традиционный подход к управлению и пересмотрев саму суть такого понятия, как «труд».

В мы поговорим о том, как машинное обучение, интегрированное в бизнес-процессы, приводит к появлению совершенно новых профессий. В частности, понадобятся сотрудники, умеющие разрабатывать и обучать алгоритмы, разъяснять принципы их действия и при этом видеть их неотъемлемой частью бизнес-процессов. Одна из новых профессий — менеджер по связям с машинами — примерно то же, что HR-менеджер, но по управлению системами искусственного интеллекта, а не сотрудниками. Эти менеджеры будут продвигать эффективные системы, воспроизводить их в других подразделениях компании. Системы с низкой результативностью будут «разжалованы» и, вероятно, списаны со счетов.

В мы расскажем, как люди добиваются невероятного повышения эффективности благодаря ИИ-технологиям, которые существенно расширяют их возможности. Они развивают человеческий потенциал и дают ему проявиться в полной мере. (В каком-то смысле эта глава — обратная сторона пятой главы, где мы рассматриваем, как люди помогают машинам расширять и развивать их возможности.) Взаимодействие человека и машины помогает людям прыгнуть выше головы, освободив от тяжелой рутинной работы и позволив выполнять свои задачи быстрее и эффективнее.

В мы проведем глубокий анализ управленческих проблем, возникающих у руководителей и бизнес-лидеров при взаимодействии с искусственным интеллектом и требующих от них совершенно иного мышления. Основной вопрос: какие шаги должен предпринять топ-менеджмент, чтобы обеспечить трансформацию текущих бизнес-процессов? В частности, руководители должны содействовать осуществлению пяти основных принципов, включая экспериментирование (в данном контексте метод проб и ошибок), организацию доступности данных для анализа и обучения искусственного интеллекта и т. д.

Наконец, в мы поговорим о характере работы в будущем. По мере того как взаимодействие человека и машины будет получать все большее распространение, компаниям придется развивать восемь интегрированных навыков: умное запрашивание (знать, как лучше сформулировать вопросы для интеллектуального агента на самых разных уровнях абстракции), расширение возможностей с помощью ботов (эффективное взаимодействие с интеллектуальными агентами ради достижения самых смелых целей), взаимное обучение (обучать ИИ-агентов новым навыкам и при этом обучаться самому для эффективной работы с процессами, оптимизированными с помощью искусственного интеллекта), целостное слияние (разработка ментальных моделей для интеллектуальных агентов с целью улучшить результаты взаимодействия человека и машины), регуманизация времени (переосмысление бизнес-процессов с целью выделить максимум времени для тех задач, которыми занимаются только люди, и для обучения), ответственная стандартизация (определение целей и восприятия взаимодействия человека и машины на уровне индивидов, бизнеса и общества в целом), вынесение совместных решений (выбор последовательности действий в условиях машинной неопределенности) и неустанное переосмысление (поиск новых способов реорганизации труда, бизнес-процессов и бизнес-моделей с целью значительного роста их эффективности).