В предыдущих главах мы говорили о том, как искусственный интеллект применяется в бизнесе. Компании в самых разных отраслях используют преимущества эффективных команд, состоящих из людей и машин. Сильные стороны людей, такие как креативность, находчивость, ловкость, рассудительность, социальные навыки и лидерские качества, по-прежнему актуальны и значимы. То же самое можно сказать и о сильных сторонах машин, таких как быстродействие, точность, прозрачная масштабируемость, способность выполнять повторяющиеся операции и строить прогнозы. Осознание относительных преимуществ людей и машин позволит компаниям повысить эффективность работы и усилить мотивацию сотрудников, существенно увеличив при этом доход и чистую прибыль.

Но что будет завтра? Вторая часть книги — это и есть наш прогноз. В следующих главах мы проанализируем динамику взаимодействия человека и машины, а также попытаемся выяснить, что можно сделать для переосмысления бизнес-процессов с учетом этой динамики.

По всей вероятности, некоторые профессии всегда будут оставаться исключительной прерогативой либо человека, либо машины. Однако наши исследования показывают, что формирование команд из людей и машин трансформирует многие старые профессии и способствует появлению новых. Новые профессии, возникающие из партнерского взаимодействия людей и машин, появляются в области, которую мы называем недостающей серединой. Речь идет о новых подходах к труду, которые практически не упоминаются в современных экономических исследованиях и докладах о положении дел в сфере занятости. Традиционно людей и машин считали соперниками, отнимающими друг у друга работу. Однако такая бинарная точка зрения носит слишком упрощенный характер и исключает пути эффективного взаимодействия, которые и формируют «недостающую середину».

Простая истина: максимальной эффективности компании достигают, когда люди и машины действуют как союзники (а не как противники), пользуясь преимуществами друг друга. То, что мы выполняем играючи (сложить полотенце, например), может оказаться весьма сложным для машины. А нам чрезвычайно трудно делать то, что легко дается машинам (в частности, обнаруживать скрытые закономерности в больших объемах данных). В действительности люди могут добиваться успеха, когда в их распоряжении почти нет данных, тогда как машинам нет равных при больших объемах данных. Бизнес нуждается в обеих возможностях — и эти возможности находятся в той самой «недостающей середине», где и происходит командная работа. Кроме того, машинное обучение и другие технологии искусственного интеллекта во многих случаях функционируют подобно «черным ящикам», что может привести к принятию решений, не имеющих объяснения. Для систем определенных типов это приемлемо, однако другие области применения (такие как медицина и право) обычно требуют участия людей.

В прошлом, когда цифровые инструменты использовались в основном для автоматизации процессов, у компаний не было «недостающей середины» и, соответственно, потребности ее заполнить. Однако сегодня в связи с совершенствованием технологий искусственного интеллекта, благодаря которым возможно взаимодействие человека и машины, развитие «недостающей середины» стало одним из важнейших элементов переосмысления бизнес-процессов. Формирование «недостающей середины» начинается с подхода, которого уже придерживаются многие компании, упомянутые в первой части книги. Они рассматривают инвестиции в искусственный интеллект прежде всего как вложения в талантливых специалистов и только потом в технологии. Они высоко ценят сотрудников, которым свойственна гибкость, предпринимательский талант и готовность к переобучению. Кроме того, эти компании поддерживают успешное взаимодействие работников и систем искусственного интеллекта. Такой подход позволяет им создать основу для адаптируемых, устойчивых бизнес-процессов, способных выдержать экономические потрясения и ускоряющиеся темпы научно-технического прогресса.

Для дальнейшего развития «недостающей середины» компаниям необходимо понять, как люди помогают машинам и как машины помогают людям. Именно здесь мы находим самые передовые профессии настоящего и будущего как для людей, так и для машин.

На рис. 3 отображены шесть функций, формирующих «недостающую середину». В левой части рисунка показано, что люди обучают машины выполнению задач, разъясняют полученные машинами результаты и обеспечивают работу машин. Правая часть демонстрирует, что машины усиливают способность людей понимать суть происходящего и их интуицию посредством использования данных и методов анализа, а также взаимодействуют с людьми с помощью новейших интерфейсов и реализуют физические свойства, существенно расширяющие возможности человека.

Рис. 3. «Недостающая середина»

Эффективное использование «недостающей середины» — одна из главных составляющих переосмысления бизнес-процессов, однако существует и второй ключевой элемент — изменение самой концепции бизнес-процесса. Компаниям необходимо отказаться от восприятия себя как совокупности последовательных задач. В эпоху искусственного интеллекта бизнес-процессы становятся более динамичными и адаптивными. Вместо того чтобы представлять бизнес-процесс как совокупность точек на прямой, можно визуализировать его, скажем, как разветвленную сеть подвижных узлов, поддающихся повторному соединению, или как звездчатую систему. Линейная модель бизнес-процессов больше не соответствует требованиям времени.

Вопросы развития «недостающей середины» и переосмысления основ бизнес-процессов руководители компаний должны решать через призму ответственного искусственного интеллекта. Крайне важно не только обеспечивать процесс обучения, без которого сотрудники не могут участвовать в формировании «недостающей середины», но и решать этические, моральные и юридические вопросы, связанные с системами искусственного интеллекта. К числу самых важных относятся следующие:

• Как мы, будучи публичной компанией, имеющей обязательства перед акционерами, сотрудниками и обществом в целом, можем гарантировать, что будем развивать искусственный интеллект во благо, а не во вред?

• Можем ли мы использовать искусственный интеллект в рамках нового процесса в соответствии с имеющимися законами и нормативными актами, такими как «Общий регламент по защите данных»?

• Как мы можем гарантировать, что непредвиденные последствия внедрения искусственного интеллекта не вызовут проблем с брендом и связями с общественностью?

Хотя процесс только начинается, компании в самых разных отраслях уже демонстрируют поразительную креативность по использованию технологий искусственного интеллекта и привлечению сотрудников к ответственной трансформации и переосмыслению бизнес-процессов. Они позволяют заглянуть в будущее, которое становится все актуальнее не только для таких цифровых гигантов, как Facebook и Amazon, но и для каждой компании третьей волны трансформации.

Рассмотрим в качестве примера Rio Tinto — глобальную диверсифицированную горнодобывающую компанию. Технология искусственного интеллекта позволяет этой компании удаленно управлять огромным парком оборудования из центра управления операциями. Эти автономные буровые установки, экскаваторы, бульдозеры, беспилотные грузовики и оборудование для шахт находятся в тысячах километров от центра. Показания датчиков, установленных на машинах, непрерывно поступают в базы данных, а искусственный интеллект анализирует эту информацию с целью обнаружить ценные сведения. Например, данные о закономерностях поломок самосвалов позволяют прогнозировать поломки и частоту ремонта.

Однако вряд ли это пример чистой автоматизации с полной заменой людей. В центре управления Rio Tinto работает много специалистов по анализу данных, инженеров и опытных операторов дистанционного управления оборудованием, которые вместе обеспечивают работу этого большого парка. У централизованного управления немало преимуществ: например, такой подход позволяет согласовать работу операторов, которые не взаимодействуют офлайн. Поскольку эти люди работают в тесном сотрудничестве, дистанционно управляя машинами, у них есть возможность координировать действия и решать проблемы, возникающие при изменении условий, таких как неблагоприятная погода и выход оборудования из строя. Безусловно, масштабные инвестиции Rio Tinto в искусственный интеллект не обошлись без неудач — например, беспилотные железнодорожные системы для перевозки руды по Австралии внедрили с большим опозданием. Вот почему стоит уделить внимание эффективному взаимодействию людей и машин, обеспечивающему принятие более качественных решений и непрерывное совершенствование огромной операционной системы компании.

Многие вряд ли сочтут Rio Tinto компанией, функционирование которой основано на цифровых технологиях. Тем не менее ей удалось изменить структуру персонала таким образом, чтобы сотрудники могли эффективно работать вместе с системами искусственного интеллекта. Для этого компания реорганизовала ряд бизнес-процессов так, что они напоминают скорее центр управления полетами NASA в Хьюстоне — нетипичный, но все же эффективный подход для горнодобывающего предприятия.

Но что происходит, когда бизнес изначально выстраивается на основе совместной работы людей и машин? Компания Stitch Fix, которой исполнилось всего шесть лет, — наглядный пример «недостающей середины» и переосмысления бизнес-процессов. Основная услуга Stitch Fix — персональные покупки, но с одной интересной особенностью: компания подбирает одежду и доставляет ее вам домой на основании данных, предоставленных клиентом, таких как предпочтения по стилю, размер одежды и доступ к коллекции Pinterest, собранной пользователем. Если вам не понравится какой-либо из присланных товаров, вы сможете вернуть его. Остались в прошлом те времена, когда приходилось проводить много часов в магазине, примеряя десятки нарядов, и выбирать подходящие вещи, больше полагаясь на удачу.

Stitch Fix была бы немыслима без машинного обучения. Однако компания понимает, что участие человека — важнейший фактор ее успеха. Поскольку стабильность бизнеса целиком и полностью зависит от качества рекомендаций по подбору одежды, ее деятельность основана на системе рекомендаций, которые дают как люди, так и машины. Структурированные данные, такие как стиль, размеры и предпочтения тех или иных брендов, находятся в ведении машин. Люди-стилисты уделяют больше внимания неструктурированным данным, таким как картинки с Pinterest и комментарии клиентов, почему они ищут новую одежду.

Когда приходит время собирать товары для отправки клиенту, алгоритмы машинного обучения сокращают количество возможных вариантов (по таким параметрам, как стиль, размер и др.) и предоставляют в распоряжение стилиста конечный набор вариантов. Другими словами, машина дополняет сотрудника. Затем на основании своих знаний и опыта стилист готовит финальный комплект и в некоторых случаях составляет персональные рекомендации для клиента. Человек и машина постоянно учатся и совершенствуют процесс принятия решений. Решение клиента о том, следует ли ему оставить тот или иной предмет одежды, — это информация из категории «да/нет», которая используется для обучения алгоритма, с тем чтобы он предлагал в будущем более подходящие варианты. На основании этой информации, а также интуитивных догадок и замечаний со стороны клиента стилист также совершенствует свою работу.

Что значит работать в Stitch Fix? Более 2800 стилистов компании входят в систему со своих компьютеров — своеобразных цифровых консолей — и работают с интерфейсом, позволяющим быстро принимать решения по выбору одежды. Доступные варианты автоматически сортируются таким образом, чтобы стилистам не приходилось тратить время на просмотр одежды неподходящего размера. Кроме того, интерфейс предоставляет такую информацию о клиентах, как склонность к риску, и открывает доступ к их отзывам. Интересно, что данный интерфейс помогает стилистам преодолевать предвзятость — он может менять информацию, которую они видят, чтобы проверить, не склонны ли они повторять привычные рекомендации.

По данным внутренних опросов, даже при постоянном мониторинге и алгоритмах, управляющих процессом принятия решений, стилисты Stitch Fix в большинстве случаев удовлетворены выполняемой работой. На самом деле работа, в основе которой лежат широкие возможности для творчества и гибкий график, будет играть важную роль в формировании персонала будущего. Предлагая медицинскую страховку и другой соцпакет стилистам, которые отрабатывают определенное количество часов в день, Stitch Fix позиционирует себя как компания, которая понимает основные аспекты управления человеческими ресурсами в формирующейся среде работы по требованию.

Компании Rio Tinto и Stitch Fix разработали собственные подходы к созданию «недостающей середины» и переосмыслению бизнес-процессов в своих отраслях. Мы привели здесь эти примеры, чтобы помочь вам увидеть возможности создавать и развивать «недостающую середину», трансформировать бизнес-процессы и предпринимать конкретные шаги, направленные на переосмысление труда.

Революция взаимодействия людей и машин уже началась, однако остается еще много вопросов, на которые предстоит ответить, и много дорог, которые предстоит пройти. Такова цель оставшихся глав, поэтому давайте двигаться дальше.