Нестандартная физическая работа, требующая взаимодействия (быстро растущая ценность): расширение возможностей с помощью социальных роботов
Здесь ярким примером может послужить хирургический робот STAR (см. главу 3). Социальный робот с сенсорами высокой точности, снабженный искусственным интеллектом, выполняет физическую работу хирурга, взаимодействуя с врачом и пациентом и самостоятельно разбираясь с ситуациями, возникающими по ходу дела, включая особенности состояния пациента и в процессе операции. Это обеспечивает значительный рост ценности работы хирурга. Теперь он может передать роботу наиболее рутинную и физически утомительную часть своих обязанностей, с которыми STAR справится лучше. Деятельность хирурга сразу становится более безопасной, поскольку число рисков снижается. При этом робот расширяет возможности врача в решении наиболее сложных задач. Это помогает средним в прошлом хирургам достигать результатов, достойных лучших специалистов. Таким образом, ценность начинает резко расти, перемещаясь в правую часть графика ПУРР.
Стандартная умственная работа, выполняемая индивидуально (отрицательная ценность и плавно растущая ценность): замена человека роботизированной автоматикой
Компании, оказывающие финансовые услуги, всё чаще сталкиваются с повышением расходов, направленных на соблюдение законодательных требований. По данным Института международных финансов, средняя сумма для каждой организации составляет примерно $1 млрд в год. Значительный процент этих затрат связан с деятельностью кредитных аналитиков. Их работа включает в себя, в частности, задачи по выполнению требований, связанных со «знаниями о клиенте». Эти требования регулирующего органа обязывают банки демонстрировать понимание того, кто одалживает у них деньги и пользуется их услугами. Необходимо показать, что банкиры знают, как именно заемщики используют выделенные им средства, – чтобы, к примеру, не дать кредит торговцу наркотиками или организации, занимающейся отмыванием денег. Когда, допустим, кто-то обращается за ипотечным кредитом, аналитик должен собрать информацию о нем в банковских базах данных, запросить его кредитную историю у рейтинговых агентств, проанализировать то, как он платит налоги, и просмотреть его профили в соцсетях, чтобы оценить возможные риски по кредиту. Эта работа отнимает уйму времени, к тому же аналитику легко совершить ошибку, которая приведет к принятию неправильного решения (а возможно, и к нарушению местного или федерального законодательства).
Однако сегодня многие из этих задач можно возложить, хотя бы частично, на автоматизированную систему: она соберет все данные из разных источников, объединит их и представит полную информацию о клиенте, причем сделает это гораздо быстрее человека, допустив меньше ошибок. По оценке экспертов McKinsey&Company, окупаемость инвестиций в подобные системы составит от 30 до 200 % только за первый год
[31]. При этом снижение числа ошибок приведет к тому, что невыплачиваемых кредитов и отказов по заявкам о кредитах станет меньше, а удовлетворенность клиентов возрастет. Этих стратегических целей можно достичь, всего лишь переосмыслив работу кредитного аналитика и видоизменив процесс рассмотрения заявок. Если роботизированные системы возьмут на себя часть обязанностей данных специалистов, то сами аналитики смогут посвящать больше времени поддержке клиентов – объяснениям, почему тому или иному человеку было отказано в кредите, предложениям по исправлению кредитной истории, работе с нестандартными случаями.
Помимо прочего, внедрение роботизированной автоматики способствует масштабированию процессов. Всплеск заявок на ипотеку в связи со снижением кредитных ставок зачастую требует от банка привлечения 40 дополнительных сотрудников в выходные дни. Если же работу выполняет роботизированная система, то можно в субботу и воскресенье задействовать дополнительных роботов, а в понедельник просто отключить их.
Оптимизация трудовой деятельности вследствие замены людей роботизированными системами помогает избежать негативных значений ПУРР, снижая число ошибок. Переключение специалистов на общение с клиентами и принятие решений по нестандартным случаям способствует плавному росту ПУРР, поскольку вследствие улучшения качества работы создается дополнительная ценность.
Стандартная умственная работа, выполняемая индивидуально (плавно растущая ценность): замещение людей и расширение функционала с помощью познавательной автоматики
Подбор персонала требует много времени, и это правило верно для любой организации. Сотрудники кадровых служб тратят массу усилий на размещение вакансий, просмотр резюме кандидатов, оценку их умений и навыков, проведение собеседований. В данном случае речь идет об автоматизации работы с теми же характеристиками, что и в предыдущем случае (стандартная, умственная, выполняемая индивидуально), однако здесь мы переместимся в крайнюю правую часть графика ПУРР. Оптимальной тут будет не столько замена людей машинами, сколько расширение их функционала за счет познавательной автоматики. В этом разделе мы поговорим о ее возможностях.
Познавательная автоматика способна дополнить и расширить некоторые задачи рекрутеров. Так, компания Unilever использует искусственный интеллект, отбирая претендентов в Facebook и других социальных сетях. Соискатели, кликая на рекламное объявление, посылают отклик на вакансию через свой профиль в сети LinkedIn. Unilever получает сотни тысяч таких заявлений от желающих получить работу. Раньше сотрудники кадровой службы просматривали каждое резюме, отделяя достаточно квалифицированных претендентов от тех, кто не обладает нужными навыками и умениями. Теперь же в Unilever задействовали специально созданный алгоритм, анализирующий информацию о квалификации соискателя и отбирая тех, чей профессиональный уровень удовлетворяет необходимым требованиям. Далее кандидаты должны пройти автоматическое тестирование, в которое входят онлайн-игры, ответы на вопросы и запись видео. Искусственный интеллект, следуя заданным параметрам, анализирует всю полученную информацию и выставляет оценку каждому претенденту, определяя тех, кому будет предложено лично явиться на собеседование. По словам представителей Unilever
[32], после интервью предложение о работе получают около 80 % соискателей, отобранных программой, тогда как до ее внедрения этот показатель составлял лишь 63 %.
Методика, применяемая в Unilever, сходна с той, которую используют банки в помощь кредитным аналитикам. Программа фактически проводит «аудит» соискателя. Подобные системы отбора, основанные на искусственном интеллекте, избавляют рекрутеров от выполнения монотонной работы, что уменьшает затраты и снижает количество ошибок.
