При старой системе Уилки и его менеджеры могли сосредоточиться только на самых продаваемых товарах Amazon, но сегодня это просто невозможно. Теперь модель розничных покупок, которая раньше хранилась в человеческом мозге, хранится в алгоритмах глубокого обучения — мыслительный процесс тот же самый, но менеджерам Amazon уже не нужно снова и снова обсуждать одни и те же аналитические отчеты. Еще одно преимущество заключается в том, что алгоритмы дают более согласованные результаты. В прошлом менеджеры Amazon использовали собственные электронные таблицы и уникальные модели для прогнозирования спроса и предложения. Теперь в компании существует согласованный процесс принятия решений для всех онлайн-бизнесов по всему миру. Все используют одну и ту же модель, чтобы получить представление об одном и том же. Это то, что делает маховик, управляемый ИИ, настолько мощным, а Amazon — таким грозным конкурентом.
Любой бизнес, вступающий в новый мир ИИ, должен понимать одну важную вещь: внедрить искусственный интеллект не так просто. Это не одномоментное действие, которое достигается привязкой новейшего интеллектуального ПО к бизнес-модели. Amazon потратила более двух десятилетий, накапливая данные о своих клиентах и доводя до совершенства программы ИИ, чтобы сам софт в итоге стал бизнес-моделью. Поэтому неудивительно [141], что, по данным обзора исследовательской фирмы IDC, опубликованного в 2019 г., лишь 25% глобальных корпораций имеют стратегию в области ИИ.
Даже в Amazon технологии все еще далеки от совершенства. Если случится какое-то отклонение от нормы, алгоритмы глубокого обучения пока недостаточно умны, чтобы мгновенно отреагировать на изменение ситуации. Допустим, на Новый Орлеан обрушится ураган: машины не будут знать, что там потребуется больше еды и воды, потому что это непредвиденное событие. Кроме того, программы имеют тенденцию устаревать. Уилки и его команда ИИ-специалистов регулярно оценивают алгоритмы, чтобы убедиться, что они приносят максимальный результат. «Мы можем отключить машину, что мы и делаем, потому что ее создали люди, если обнаружим, что она не соответствует своему назначению или если у нас появится более эффективная модель», — говорит Уилки.
Его видение будущего — это партнерство машин и людей, поддерживающих друг друга и принимающих в итоге самые эффективные решения. Есть некоторые вещи, которые машины не способны распознать — пока. Опытный байер модной одежды, например, лучше разбирается в том, какие цвета будут востребованы в этом сезоне или что заинтересует публику на показах мод в Париже, Милане и Нью-Йорке. Байер Amazon, посещающий показы и считающий, что темно-бордовые кашемировые свитера будут пользоваться спросом, порекомендует их, и сайт предложит товар на продажу. Затем байер идентифицирует аналогичный товар в прошлогоднем каталоге компании. Вот где в игру вступает ИИ: алгоритм оценивает, как продаются новые темно-бордовые свитера по сравнению со старыми, и использует эту разницу, обучая машинные модели более эффективно формировать заказы в будущем. «Человеческая интуиция, — говорит Уилки, — постоянно совершенствует эти модели».
Когда в середине 1990-х гг., когда Amazon начинала как онлайн-продавец книг, она собирала данные о покупках своих клиентов и давала рекомендации, основываясь на предпочтениях людей, читающих те же самые книги. Если вам понравился «Шпион, пришедший с холода» Джона Ле Карре, то вас может заинтересовать и «Казино “Рояль”» Яна Флеминга. Сегодня эта система работает c удесятеренной силой: каждый раз, когда клиент покупает или ищет товар, заказывает фильм, слушает песню или читает книгу, его действие фиксируется, и алгоритм учится быть умнее, чтобы в следующий раз предложить покупателю наиболее подходящий товар. Сегодня примерно 35% [142] доходов от онлайн-продаж Amazon связаны именно с товарными рекомендациями.
Эта система настолько эффективна, что позволяет Amazon в определенных странах предлагать доставку в день заказа, а иногда и в течение нескольких часов. Нескончаемый поток данных позволяет системе отслеживать поведение клиентов, прогнозировать их будущие действия, а затем проверять, было ли решение, принятое ПО, правильным. Если нет, в следующий раз машина исправит ошибку. Вот что такое машинное обучение. Благодаря таким прогнозам покупатель может заказать на Amazon приставку для видеоигр и получить ее через восемь минут. Это почти так же, как если бы ПО знало заранее, что клиент закажет, — просто мистика! Те, кто понимает и может создавать и применять такие системы, сколотят колоссальные состояния в будущем.
Безос с невиданным размахом использовал большие данные и ИИ, чтобы раскрутить свой маховик, и тем самым создал новый способ мышления, который изменит методы управления успешным бизнесом в XXI в. Он применяет или будет применять этот маховик не только для розничной торговли, но и для длинного списка отраслей, находящихся в поле зрения Amazon: медиаиндустрии, здравоохранения, банковского дела, грузоперевозок и многого другого. Его модель изменит мир гораздо сильнее, чем большинство из нас может себе представить. Возможно, Alexa позволит нам посещать врача не выходя из дома, или робот будет доставлять приобретенные товары к нашей двери, или мы будем оплачивать онлайн-покупки напрямую со сберегательного счета Amazon. Безономика включает в себя принципы одержимости интересами клиентов, радикальных инноваций и долгосрочного управления, но реализация этих принципов возможна именно благодаря маховику ИИ.
Ряд других компаний, помимо Amazon, создали свои версии маховиков ИИ, хотя они и не называют их так. В этот список входят Facebook, Google, Netflix, китайские Alibaba и Tencent с приложением WeChat — все они успешно используют собственные версии маховика. Google, например, привлекает к своему поисковику более миллиарда человек, потому что ее алгоритмы наиболее эффективны при сканировании интернета и выяснении, на какие сайты ссылаются авторитетные люди и, следовательно, какие сайты следует выводить в результаты поиска. Чем умнее становится ПО, тем больше людей оно привлекает, тем больше рекламы продает и тем больше имеет ресурсов, чтобы сделать поисковый движок еще умнее и привлечь еще больше пользователей. Элементы маховиков крупных технологических компаний различаются, но очевидно, что мы имеем дело с бизнес-моделью будущего, и любая организация, которая игнорирует этот новый способ ведения бизнеса, ставит под угрозу свое существование.
Создание бизнес-модели, которая может конкурировать с Amazon, Alibaba или Google, станет огромной проблемой для компаний по всему миру, потому что маховик, управляемый ИИ, не заработает без доступа к огромным объемам данных о клиентах и без интеллектуальных ресурсов, помогающих разобраться во всей этой информации. Компании будут старательно охранять свои данные, возникнут битвы за контроль над той или иной информацией, и победят те, чьи специалисты окажутся более профессиональными. Вот почему в США выпускник факультета информатики [143], только что окончивший университет, может рассчитывать на среднюю стартовую зарплату в размере $110 000 в год.
Amazon накопила огромное количество данных о покупках 300 млн своих клиентов, что дает ей огромное преимущество в электронной торговле. Алгоритмы Facebook продолжают совершенствоваться [144] в сборе и интерпретации данных о привычках и предпочтениях 2,4 млрд пользователей социальной сети, что делает ее излюбленной площадкой для рекламодателей. Alibaba и ее дочерняя компания Ant Financial так много знают о финансовых привычках своих клиентов, что создали один из крупнейших в Китае фондов денежного рынка. Коммуникационная система WeChat от Tencent, начинавшаяся как мобильное приложение для обмена сообщениями, теперь позволяет миллиарду ежемесячных пользователей вызывать такси, бронировать авиабилеты и оплачивать покупки и использует собранные данные для проникновения в новые отрасли, такие как здравоохранение. Во всех этих компаниях трудятся армии программистов мирового класса и специалистов по обработке данных, монетизируя эти самые данные.
