Реинжиниринг бизнеса. Как грамотно внедрить автоматизацию и искусственный интеллект

Познавательная автоматика

В последнее время пресса всё чаще пишет об умной автоматике, способной заменить человека в решении сложных нестандартных задач, копируя деятельность человеческого сознания. Для этого она использует такие инструменты, как распознавание образов и языка. Ритейлинговая компания Amazon в качестве стратегической цели рассматривала улучшение качества и снижение себестоимости обслуживания клиентов не в интернет-магазинах, а в самых обычных торговых точках. Результатом стало создание магазина Amazon Go в Сиэтле, где нет ни касс, ни кассиров. Клиенты просто берут нужный товар и уходят, а сенсоры и алгоритмы автоматически снимают нужную сумму с их счета в Amazon. При этом как стратегическая цель компании, так и ее практическое воплощение базировались на пересмотре содержания труда. Автоматику не стали загружать такими задачами, как сканирование товаров и проведение платежей. Это не означает, что продавцы скоро останутся без работы, однако ее содержание, несомненно, существенно меняется уже сейчас. Сотрудники по-прежнему консультируют покупателей, рассказывая им о характеристиках товаров. Однако умная автоматика, используя машинное обучение и масштабируемые облачные ресурсы, позволила создать системы, которые могут распознавать паттерны и находить смысл в больших данных, используя вполне человеческие подходы. Подобная способность к распознаванию – результат работы искусственного интеллекта, машинного обучения и сенсоров. Она лежит в основе автоматизации таких задач, как распознавание изображений, перевод голосовой записи в текст, понимание естественных языков.

Приложения с данными функциями основаны на работе автоматики, правила и процедуры для которой задают люди, однако в новейших, более углубленных системах машины обучаются сами. Такие формы автоматизации используются для решения более разнообразных, абстрактных, продвинутых задач. Примером может послужить компьютер AlphaGo, созданный командой Google DeepMind, который прославился тем, что обыграл мастера в сложной логической игре го. В ходе тренировок создатели вложили в память AlphaGo информацию о тысячах партий, сыгранных как любителями, так и профессионалами. Эти данные компьютер использовал для разработки выигрышных стратегий и распознавания удачных и неудачных ходов. Позднее та же команда создала обновленную версию AplhaGo Zero – компьютер, который учился, играя сам с собой. Он сыграл таким образом миллионы партий. Поначалу делал ходы случайным образом, постепенно формируя собственные стратегии. Zero («ноль») в названии машины означает, что после сборки он не получал никакой помощи от людей. В итоге AlphaGo Zero не только победил игроков из плоти и крови, но и обыграл своего предшественника AlphaGo[21].

Познавательная автоматика используется, как правило, для решения трех типов задач. Во-первых, ее применяют для совершенствования бизнес-процессов. Именно это и сделали страховые компании, занимающиеся страхованием автомобилей. Они используют приложение, способное распознавать фотографии и обладающее познавательными способностями. Компьютер анализирует снимок поврежденной машины, оценивает ущерб и сумму возмещения убытков, после чего отправляет свои рекомендации человеку-оценщику для одобрения. Таким образом, весь процесс становится проще, быстрее и дешевле. В результате деятельность служащих компании видоизменилась, превратившись в удаленную работу высококвалифицированных специалистов, выносящих окончательный вердикт. Подобные технологии позволяют значительно трансформировать служебные обязанности, дополнив или заменив автоматикой человека в ходе выполнения рутинных задач. Благодаря этому вся рабочая процедура становится более эффективной, продуктивной и результативной.

Второй вид работ, где применяется познавательная автоматика, – разработка новых продуктов и услуг. Возьмем все ту же страховую компанию. Теперь прямо в чате приложения владельцы полисов могут в режиме реального времени получить на свой телефон рекомендации по ремонту и выплатам. В итоге пересмотру может и должна быть подвергнута также и работа консультантов, работающих с клиентами.

В-третьих, познавательная автоматика способна достигать высоких результатов в работе с большими данными. В примере со страховыми компаниями машина может проанализировать тысячи заявлений на выплату страховки, определив наиболее аварийные районы, и диверсифицировать размер страховых выплат в зависимости от того, насколько часто клиент бывает в подобных зонах. Это, в свою очередь, даст возможность перестроить деятельность специалистов по работе с большими данными и аналитиков.