Человек + машина. Новые принципы работы в эпоху искусственного интеллекта

98

Человек + машина. Новые принципы работы в эпоху искусственного интеллекта

Пол Доэрти, Джеймс Уилсон. М.:Манн, Иванов и Фербер,

2019. – 304 с.

Значительное количество думающих людей опасается развития искусственного интеллекта. Руководители бизнесов – не исключение. Они воспринимают «умные машины», «интеллектуальные алгоритмы» и «полезные боты» как врагов, которые уже начали вытеснение людей с рабочих мест. Этому способствует массовая культура, которая давно продвигает идею противостояния человека и машины и представление об искусственном разуме как потенциальной угрозе человечеству.

Авторы этой книги доказывают, что все это не только заблуждение, но и губительная недальновидность.

Правда проста: машины не собираются захватывать мир. Развитие искусственного интеллекта не означает исключения человека из рабочих процессов.

В работах многих футурологов прогнозируется, что до 30% занятых в самых разных отраслях в развитых странах лишатся работы уже в ближайшее время в связи с развитием технологий и широким применением интеллектуальных алгоритмов. Пол Доэрти и Джеймс Уилсон уверяют, что это не так. Искусственный интеллект окажет влияние не на количество рабочих мест, а на их суть.

Сейчас, говорят авторы, идет третья волна бизнес-трансформации – она предполагает интеграцию человека и машины.

Первая волна трансформации обеспечила стандартизацию процессов. Ту эпоху открыл Генри Форд – он превратил производство автомобиля в набор последовательных операций на конвейере. Каждая операция была измерена, оптимизирована и стандартизирована, что привело к росту производительности труда.

Вторую волну трансформации обеспечила автоматизация. Эта волна достигла своего пика в 1990-е благодаря реорганизации процессов на основе информационных технологий.

Третья волна основана на двух предыдущих, но она будет гораздо более масштабной, чем революция конвейеров и компьютеров. Третья волна создает колоссальное пространство для взаимодействия человека и машины, которое может на несколько порядков повысить эффективность бизнес-процессов.

Авторы называют это пространство взаимодействия «недостающей серединой». «Недостающей» – потому что практически никто о ней не говорит. То есть открытие этого пространства – ноу-хау авторов книги.

В «недостающей середине» – люди и машины не враги, конкурирующие за одну и ту же работу. Напротив, они партнеры и должны образовывать симбиоз, команду «человек + машина».

Авторы уверяют, что те компании, которые будут использовать искусственный интеллект и его производные только для замены людей, в итоге проиграют. А выиграют те, кто сумеет расширить человеческие возможности с помощью машин.

Исследовав 1500 компаний из разных отраслей, Доэрти и Уилсон пришли к выводу, что 9% уже перешли в «третью волну трансформации». Остальные 91% ждут. Хотя все должны понимать – революция искусственного интеллекта не грядет, она уже здесь.

Руководители компаний, приступая к трансформации бизнес-моделей, должны ответить на простые вопросы: с какими задачами лучше всего справляются люди, а с какими – машины? Какие задачи должны перейти к роботам, поскольку они лучше людей выполняют рутинные операции и лучше обрабатывают данные. Однако трансформация труда, уверяют авторы, идет не в одностороннем порядке.

Например, в Японии разработаны роботизированные манипуляторы, которые могут обучаться самостоятельно: манипулятору демонстрируют успешный результат – робот сам учится его достигать методом проб и ошибок. На это у него уходит 8 часов. Столько же времени ушло бы у инженера на его программирование. Но, поскольку манипулятор теперь умеет обучаться самостоятельно и делиться знаниями с другими роботами, у программиста высвобождается время для более сложных задач.

Самообучающиеся промышленные роботы замечательно справляются с рутинными повторяющимися операциями и тяжелой работой. Но на любом предприятии пока остаются задачи, слишком сложные для роботов, – например, подключение многочисленных мелких проводов или работа с движущимися предметами. Для всего этого по‑прежнему нужен человек.

То есть авторы видят производственный процесс так: рабочие на сборочных линиях трудятся вместе с самообучающимися манипуляторами. Допустим, человек занят сборкой автомобиля. Робот поднимает приборную панель и устанавливает, рабочий корректирует его действия и закрепляет панель, не опасаясь, что машина ударит его по голове.

Другой пример – «умные» склады. Уже во многих современных распределительных центрах работают роботы. Пока у них есть недостатки: если коробка повреждена, машине не удается ее захватить. Большинство роботов с такой проблемой не справляется. Однако роботы нового поколения оснащены алгоритмами машинного зрения, позволяющими оценить очертания упаковки неправильной формы и в любом случае переместить ее. Кроме того, робот умеет замерять свободное пространство на полке, чтобы убедиться, что коробка туда встанет. В противном случае он оповестит центральную систему управления, которая перенаправит этот товар на то место, куда он точно поместится. Это позволяет разместить на складе вдвое больше товаров.

Возникает вопрос: что будет со складскими рабочими? Авторы считают, что многих из них можно переучить в специалистов по ремонту ленточных транспортеров и собственно роботов. Но появятся и новые специальности – например, нужны системные операторы, которые отслеживают процесс перемещения роботов.

Вывод авторов: новые технологии автоматизации приведут к уничтожению ряда профессий, но для людей останется достаточно вакансий на производстве, если, конечно, руководители не будут зацикливаться на ликвидации рабочих мест.

Люди вообще должны радоваться внедрению искусственного интеллекта, потому что никому не может нравиться выполнять однообразные операции изо дня в день. Искусственный интеллект должен вернуть сотрудникам возможность почувствовать себя людьми.

Еще пример: рассмотрение компанией жалоб и претензий клиентов. Раньше значительный объем работы по сортировке клиентских жалоб приходилось выполнять вручную. Но процесс «ознакомление – сортировка – распределение» отлично подходит для автоматизации. Сложности возникали из‑за того, что жалобы поступали в «неструктурированной» и потому непонятной для программ форме. Но уже создана платформа, способная выявлять закономерности в неструктурированных данных, анализируя корпус схожих примеров и отслеживая, как менеджеры по работе с клиентами обращаются с поступающими к ним запросами.

Теперь в компании Virgin Trains, где применена эта платформа, обращения, приходящие через сайт, по электронной почте, факсу и в социальных сетях, автоматически распознаются и сортируются. На самые распространенные жалобы поступают автоматические ответы. Если программа «не уверена» в оценке жалобы, она помечает случай как исключительный и переадресует ее работнику-человеку.

Благодаря этой технологии отдел по работе с рекламациями сократил ручную работу на 85%. Появились возможности для активного взаимодействия с клиентами.

Компания Unilever применила искусственный интеллект при найме персонала. На первом этапе соискателям предлагают сыграть в 12 онлайн-игр, основанных на тестах из когнитивной нейробиологии. Игры помогают оценить черты личности, например, насколько соискатель склонен к риску, насколько хорошо он считывает эмоциональные сигналы. В этих играх нет однозначно верных или неверных ответов, поскольку склонность к риску полезна для одного типа задач, а неприятие риска – для другого.

На следующем этапе соискателю предлагают отправить с компьютера или смартфона видеозапись интервью, где он отвечает на ряд вопросов, специально подобранных для должности, на которую он претендует. Ответы анализирует интеллектуальное приложение – слова, мимику и тон голоса. Самых успешных кандидатов приглашают в офис компании на интервью с живым менеджером.

Очень эффективно применение искусственного интеллекта на разных этапах НИОКР. До сих пор многие компании не спешили финансировать исследовательские проекты, поскольку исследования не всегда завершались успехом, что оборачивалось убытками. С внедрением искусственного интеллекта одни проекты ускоряются, у других повышается вероятность успешного результата. Потому можно высвободить дополнительные средства на более рискованные – и потенциально прибыльные и прорывные – исследовательские инициативы.

Особенно это успешно применяется в фармацевтике. Компания Numerate использует машинное обучение, чтобы выявить соединения, которые с наибольшей вероятностью окажутся эффективными при лечении конкретных заболеваний. Раньше химики-технологи успевали проверить в лучшем случае 1% своих идей.

Искусственный интеллект вовсю применяют в сфере обслуживания. Так, Coca Cola имеет 16 миллионов холодильников в розничных магазинах для хранения своей продукции. Тысячи сотрудников объезжают торговые точки и вручную ведут учет. Компания запустила проект с использованием искусственного интеллекта: прибыв на место, сотрудник фотографирует холодильник на смартфон, программа идентифицируют товар и подсчитывает его. Затем искусственный интеллект формирует заказ на пополнение запасов, воспользовавшись прогнозом погоды, данными о промоакциях и сведениями о сезонных колебаниях.

Компания Ralph Lauren разработала «умное» зеркало, помогающее покупателю с выбором одежды. Зеркало советует цвет и размер, одновременно собирая информацию о клиентах. Впрочем, использование умных зеркал и «подслушивающих» манекенов создает моральную дилемму и нарушает конфиденциальность.

У людей и машин разные сильные стороны. У людей – креативность, находчивость, ловкость, социальные навыки и лидерские качества. У машин – быстродействие, точность, способность выполнять повторяющиеся операции и строить прогнозы. Авторы уверяют, что надо усвоить простую истину: максимальной эффективности компании достигают, когда люди и машины действуют как союзники, пользуясь преимуществами друг друга. 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.

Авторы считают, что именно из «недостающей середины», из области взаимодействия людей и машин, появляются новые востребованные на рынке профессии – те, которых не было прежде, потому что цифровые инструменты использовались только для автоматизации процессов.

Вот несколько таких профессий.

Специалист по обучению эмпатии – человек, который учит системы искусственного интеллекта демонстрировать сочувствие. Уже сейчас требуется научить искусственный интеллект чутко реагировать на запросы людей, которые опечалены потерей багажа, покупкой некачественного товара или поломкой телевизора. Цель – добиться того, чтобы система обсуждала с человеком проблему, проявляя сострадание и, возможно, юмор.

Специалист по обучению личностным качествам – помимо обучения эмпатии системы искусственного интеллекта будут учиться тому, как стать все более похожими на человека.

Специалист по обучению мировоззрению и локализации. Подобно тому, как людям, работающим за рубежом, необходимо считывать культурные коды иностранных коллег, боты также должны быть чувствительными к различиям между людьми из разных стран мира и учитывать множество локальных факторов.

Специалисты по моделированию взаимодействия. Должны помогать привить машинам поведенческие паттерны, привлекая сотрудников с большим опытом в качестве ролевых моделей. Например, научить роботов прерывать выполнение одной задачи ради более важного задания, а затем возвращаться к исходной, как это сделал бы человек.

Крайне важна роль специалиста по гигиене данных. Очевидно, что качество систем искусственного интеллекта полностью зависит от качества данных, которые они получают. Если у системы «мусор на входе», она выдаст и «мусор на выходе». В ближайшие годы роль специалистов по гигиене данных будет только возрастать – необходимо очищать информацию от «шума» и скрытой предвзятости.

Специалисты по разъяснению – нужны, чтобы устранять разрыв между искусственным интеллектом и клиентами компаний. Важность этой работы будет увеличиваться по мере роста непрозрачности систем искусственного интеллекта. Многие и сейчас обеспокоены тем, что сложные алгоритмы (прогнозирующие кредитные риски, набирающие сотрудников или дающие рекомендации пользователям) напоминают черный ящик.

Компаниям, использующим системы искусственного интеллекта, понадобятся квалифицированные сотрудники, способные объяснить логику алгоритмов.

Этого же требует – пока еще не в полной мере – законодательство. Так, постановление Европейского Союза «Общий регламент по защите данных», которое вступило в силу в 2018 году, по существу, вводит «право на разъяснение», позволяющее потребителям бороться за отмену любого решения, затрагивающего их интересы и принятого исключительно на основе

алгоритма.

Менеджеры по соблюдению этических норм. Если система искусственного интеллекта по одобрению кредитов проявляет дискриминацию к людям, проживающим в определенных регионах, такой менеджер обязан расследовать и устранить это нарушение этических и, возможно, правовых норм.

Эксперты по устойчивости должны работать над тем, чтобы системы искусственного интеллекта функционировали как инструменты, призванные обслуживать людей. Они в итоге должны помочь развеять страхи перед мрачным будущим, в котором роботы превзойдут человеческое общество.

Сейчас, показывают исследования, каждый третий опасается искусственного интеллекта, а каждый четвертый убежден, что эта технология нанесет вред обществу. Пока люди склонны прощать ошибки человеку в большей степени, чем машине. Например, считают диагнозы врачей более точными, чем решения, принимаемые компьютером (хотя доказано обратное).

Даже среди специалистов по автоматизации 92 процента не доверяют машинным системам полностью. Так, в одной из больниц была применена программа по размещению пациентов, которая должна была повысить коэффициент использования больничных коек.

Но никакого повышения не произошло. Потому что медсестры полагались на собственный опыт и игнорировали рекомендации программы. Решение проблемы – предоставление сотрудникам возможности вносить коррективы в результаты работы систем искусственного интеллекта (это позволяет им чувствовать себя активными участниками процесса, а не просто безмолвными исполнителями).

Общий вывод авторов: проблема вовсе не в том, что машины заменят людей, – наоборот, людям следует готовиться к росту вакансий в области «недостающей середины».

Из книги непонятна только одна вещь: смогут ли сокращенные грузчики, водители и сотрудники отделов рекламаций переквалифицироваться в специалистов по эмпатии и моделированию взаимодействия? Пол Доэрти и Джеймс Уилсон ответа на этот вопрос не дают.