Stitch Fix была бы немыслима без машинного обучения. Однако компания понимает, что участие человека — важнейший фактор ее успеха. Поскольку стабильность бизнеса целиком и полностью зависит от качества рекомендаций по подбору одежды, ее деятельность основана на системе рекомендаций, которые дают как люди, так и машины. Структурированные данные, такие как стиль, размеры и предпочтения тех или иных брендов, находятся в ведении машин. Люди-стилисты уделяют больше внимания неструктурированным данным, таким как картинки с Pinterest и комментарии клиентов, почему они ищут новую одежду.
Когда приходит время собирать товары для отправки клиенту, алгоритмы машинного обучения сокращают количество возможных вариантов (по таким параметрам, как стиль, размер и др.) и предоставляют в распоряжение стилиста конечный набор вариантов. Другими словами, машина дополняет сотрудника. Затем на основании своих знаний и опыта стилист готовит финальный комплект и в некоторых случаях составляет персональные рекомендации для клиента. Человек и машина постоянно учатся и совершенствуют процесс принятия решений. Решение клиента о том, следует ли ему оставить тот или иной предмет одежды, — это информация из категории «да/нет», которая используется для обучения алгоритма, с тем чтобы он предлагал в будущем более подходящие варианты. На основании этой информации, а также интуитивных догадок и замечаний со стороны клиента стилист также совершенствует свою работу.
Что значит работать в Stitch Fix? Более 2800 стилистов компании входят в систему со своих компьютеров — своеобразных цифровых консолей — и работают с интерфейсом, позволяющим быстро принимать решения по выбору одежды. Доступные варианты автоматически сортируются таким образом, чтобы стилистам не приходилось тратить время на просмотр одежды неподходящего размера. Кроме того, интерфейс предоставляет такую информацию о клиентах, как склонность к риску, и открывает доступ к их отзывам. Интересно, что данный интерфейс помогает стилистам преодолевать предвзятость — он может менять информацию, которую они видят, чтобы проверить, не склонны ли они повторять привычные рекомендации
[90].
По данным внутренних опросов, даже при постоянном мониторинге и алгоритмах, управляющих процессом принятия решений, стилисты Stitch Fix в большинстве случаев удовлетворены выполняемой работой. На самом деле работа, в основе которой лежат широкие возможности для творчества и гибкий график, будет играть важную роль в формировании персонала будущего. Предлагая медицинскую страховку и другой соцпакет стилистам, которые отрабатывают определенное количество часов в день, Stitch Fix позиционирует себя как компания, которая понимает основные аспекты управления человеческими ресурсами в формирующейся среде работы по требованию.
Что дальше
Компании Rio Tinto и Stitch Fix разработали собственные подходы к созданию «недостающей середины» и переосмыслению бизнес-процессов в своих отраслях. Мы привели здесь эти примеры, чтобы помочь вам увидеть возможности создавать и развивать «недостающую середину», трансформировать бизнес-процессы и предпринимать конкретные шаги, направленные на переосмысление труда.
Революция взаимодействия людей и машин уже началась, однако остается еще много вопросов, на которые предстоит ответить, и много дорог, которые предстоит пройти. Такова цель оставшихся глав, поэтому давайте двигаться дальше.
Глава 5. Правильное формирование алгоритмов
* * *
Три функции человека по развитию и внедрению ответственного искусственного интеллекта
У Мелиссы Цефкин интересная работа. Будучи научным руководителем исследовательского центра компании Nissan в Кремниевой долине, она работает вместе с простыми разработчиками автомобилей над созданием следующего поколения беспилотных транспортных средств. Задача Мелиссы — обеспечить беспроблемное взаимодействие человека и машины (другими словами, между водителем и автомобилем), в этом ей помогает образование антрополога. «Необходимо понять людей, если вы хотите предоставить им автоматизированного партнера», — утверждает Мелисса
[91].
Роль Цефкин в компании Nissan — обращать внимание и анализировать те вещи, о которых большинство разработчиков автомобилей и не задумываются. Возьмем, к примеру, правила дорожного движения и дорожные знаки, большинство из которых интуитивно понятны (как в случае запрета на пересечение двойной сплошной линии), однако при определенных условиях люди часто нарушают эти правила (пересекая двойную сплошную, чтобы избежать столкновения). Следует ли программировать самоуправляемые автомобили на нарушение правил в определенной ситуации? Вместе с разработчиками, инженерами-электротехниками и специалистами по искусственному интеллекту Цефкин надеется наделить алгоритмы искусственного интеллекта в беспилотных автомобилях человеческими качествами, такими как готовность нарушить правила в благих целях.
Будучи антропологом в области проектирования транспортных средств, Цефкин относится к группе профессионалов, которых до недавнего времени не существовало. За последние годы системы искусственного интеллекта стали неотъемлемой частью повседневной деятельности компаний, предлагая продукты покупателям, помогая промышленным предприятиям становиться эффективнее, а также обнаруживая и решая проблемы посредством информационных систем. Такая трансформация инициировала широкую дискуссию о возможном исчезновении ряда профессий в будущем. (Подумайте хотя бы о множестве сотрудников складов, которые работают сейчас в компании Amazon.) Однако в дискуссиях такого рода часто упускают из виду, что в то же время появится много новых профессий, подобных тому, чем занимается Цефкин. Большинство их будут сфокусированы на обучении машин человеком, причем этот процесс все больше будет напоминать процесс воспитания ребенка. Так системы искусственного интеллекта научатся поддерживать сложное взаимодействие с людьми.
В рамках глобального исследования более полутора тысяч компаний, уже использующих или тестирующих системы искусственного интеллекта и машинного обучения, мы обнаружили ряд новых профессий, роль которых будет только расти.
Эти новые профессии не просто заменят старые. Речь идет о совершенно новых функциях, требующих таких навыков и такой подготовки, в которых еще никогда не возникала потребность. В частности, системы искусственного интеллекта высокого уровня сложности требуют привлечения специалистов в области бизнеса и технологий, которые должны заниматься обучением, разъяснением и обеспечением устойчивости систем искусственного интеллекта (речь идет о функциях в левой части рис. 4, где показаны смешанные виды деятельности человека и машины). Такая работа дополняет задачи, выполняемые интеллектуальными машинами. Будучи тесно связанными с искусственным интеллектом, такие функции опираются на сугубо человеческие навыки. Где в вашей организации могут найти применение эти новые профессии? Как они согласуются с существующими и переосмысленными процессами? В этой главе мы дадим ответы на эти вопросы и приведем примеры, которые помогут вам приступить к анализу перспектив, открывающихся перед специалистами по обучению, разъяснению и экспертами по устойчивости искусственного интеллекта.
