Искусственный интеллект на службе бизнеса

Такое допущение создает неверное представление о важном вопросе – как и нефть, данные бывают разных типов. Мы описали три: входные, обучающие и данные обратной связи. Обучающие данные необходимы для создания прогностической машины. Входные данные используются для прогностики, а данные обратной связи повышают точность прогнозов. И для применения в будущем нужны только последние два типа. Алгоритмы учатся на обучающих данных, но, как только прогностическая машина заработала, они больше не понадобятся, их можно уничтожить. Данные по продажам йогуртов за минувший период теряют свою значимость, когда созданная по ним машина начала функционировать[120]. Сегодня они еще могут представлять ценность, но вряд ли это продлится долго. Чтобы сделать из них постоянный источник выгоды, нужно генерировать новые данные – входные или обратной связи – или искать другие преимущества. Плюсы генерации новых данных мы рассмотрим в следующей главе, а сейчас сосредоточимся на другом.

Дэн Бриклин, изобретатель электронных таблиц, создал огромную ценность, но не стал богачом. Куда же делась ценность таблиц? По размеру благосостояния Бриклина далеко обогнали его последователи, такие как основатель Lotus 1–2–3 Митч Капор и глава Microsoft Билл Гейтс, но даже они получили лишь малую ее часть. Вся ценность отошла пользователям и компаниям, сколотившим миллиарды на использовании электронных таблиц. Что бы ни делали Lotus и Microsoft, решения, которые улучшались благодаря электронным таблицам, принадлежали пользователям.

Прогностические машины оперируют на уровне решений, поэтому все это относится и к ним. Представьте себе ИИ, который серьезно упростит складской учет сети супермаркетов. Зная, когда йогурт будет продаваться активнее, вы пополните запасы в нужное время и минимизируете ущерб от нереализованного товара. Изобретатель машин, прогнозирующих спрос йогурта, имеет все шансы преуспеть, но для получения выгоды ему придется договариваться с супермаркетами. Действие по закупке йогурта выполняют они. А без этого действия прогнозирование спроса на йогурты теряет смысл.

С ИИ или без него право действия остается за компаниями. Они извлекут прибыль от освоения ИИ. Но это не значит, что вся прибыль отойдет компаниям, которым принадлежат действия.

Бриклин и его партнер Боб Фрэнкстон не были уверены, стоит ли продавать электронные таблицы. Сохранив их в собственности, они могли бы торговать своими навыками и таким образом извлекать выводы из собственного изобретения. Они отказались от этого варианта – скорее всего, обоснованно, – но для ИИ данная стратегия, вероятно, сработает. Поставщики ИИ могут попытаться обойти остальных участников рынка.

Примером в некоторой степени служит беспилотный транспорт. Пока одни автопроизводители активно инвестируют в собственные возможности, другие рассчитывают в этом на партнеров вне отрасли (например, Alphabet, дочерняя компания Waymo). В других случаях крупные технологические компании инициируют проекты с автопроизводителями сами. Например, Baidu, владелец самой большой поисковой машины в Китае, с несколькими десятками партнеров, в том числе Daimler и Ford, начала масштабную и разноплановую открытую инициативу по автономному вождению Project Apollo. Кроме того, Tencent Holdings, владелец WeChat почти с миллиардом аккаунтов активных пользователей ежемесячно, организовала альянс по автономному вождению, в числе знаменитых участников которого стоит упомянуть Beijing Automotive Group. Чэнь Цзюй-Хун, вице-президент Tencent, отметил: «Tencent собирается приложить все возможные усилия для содействия развитию технологии ИИ для автономного вождения… Мы хотим стать связующим звеном, ускоряющим налаживание сотрудничества, инновации и слияние индустрий…»[121] Сюй Хэй, председатель Beijing Automotive, высказал свои соображения о стимулирующей сотрудничество конкуренции: «В этой новой эпохе выживут только те, кто сотрудничает с другими компаниями в создании следующего поколения автомобилей. Тех же, кто собирается изолировать свое производство от остальных, ждет гибель»[122]. Относительно новые компании (такие как Tesla) конкурируют с давними участниками рынка непосредственным применением ИИ в автомобилях, что тесно связывает между собой ПО и «железо». Компании вроде Uber используют ИИ для развития автономного вождения с целью лишить потребителя возможности принимать решения по управлению автомобилем.

В этой сфере погоня за выгодой не признает традиционных границ бизнеса, а ставит под вопрос право на действие, которое дает преимущества.

Элементарная экономика стратегии ИИ

Описанные перемены зависят от двух аспектов влияния ИИ на основу нашей экономической схемы.