Интегрированный навык № 4. Умное запрашивание
Определение. Понимание того, как задавать вопросы системе искусственного интеллекта на разных уровнях абстрагирования, чтобы получить нужную информацию.
Как изучить чрезвычайно сложную систему? Как составить прогноз взаимодействия между сложными массивами данных? Люди просто не могут сделать это самостоятельно, поэтому они должны задавать вопросы дружественному искусственному интеллекту: «Двойник, насколько ты уверен?»; «Двойник, что ты рекомендуешь сделать?». В компании GE специалисты по техническому обслуживанию, владеющие навыком умного запрашивания, понимают возможности и ограничения системы искусственного интеллекта и знают, как получить информацию, необходимую для принятия взвешенного решения. Такие специалисты используют свои сильные стороны и не дублируют сильные стороны машины. При этом машина обучает людей тому, как использовать ее, точно так же как люди обучают машину. В конечном счете именно человек с его опытом принимает решение, ремонтировать ротор или же заменить его.
В рамках проводимых исследований в самых разных областях мы наблюдаем умное запрашивание в действии. Специалисты задают умные вопросы, выбирая оптимальный груз для товарных составов, изучая взаимодействие лекарственных препаратов и молекулярные взаимодействия, а также стремясь найти модель оптимального ценообразования в сфере розничной торговли. В частности, розничное ценообразование служит полезным сценарием для умного запрашивания, поскольку в основе этого процесса лежит большой объем сложных данных, влияющих на результаты продаж.
Стив Шнёр, руководитель розничной торговли крупного курортного отеля, использует систему искусственного интеллекта компании Revionics для оптимизации цен в магазинах этого отеля. Даже небольшое изменение цен на препарат «адвил»
[164] или пластырь дает значительный эффект, что невозможно было бы понять (и в конечном счете контролировать) без системы искусственного интеллекта и оператора, задающего этой системе «умные» вопросы. Команда Шнёра использует систему искусственного интеллекта для определения оптимальных цен на адвил, пластырь, газированную воду и другие товары в любой момент при любом количестве ограничений, опираясь на еженедельные отчеты о продажах более семи тысяч единиц товаров. Шнёр ставит такой вопрос: «Если поднять цену на адвил, что произойдет с тайленолом
[165]?» Система способна определить связь между адвилом и тайленолом (хотя их можно отнести к тому или иному классу только по артикулу) и показать, например, что после прошлого повышения цены адвила на 25 центов объем продаж тайленола увеличился. Эта система позволяет Шнёру анализировать решения по ценообразованию и другими способами, например задавая такие вопросы: «Покажи мне самые выгодные изменения цены» и «Скажи мне, какие товары будут продаваться меньше всего при повышении цены». Чем умнее вопросы, тем глубже Шнёр сможет понять суть происходящего и тем лучшее представление обо всех розничных бизнес-процессах получит благодаря системе искусственного интеллекта
[166].
В компании GE программное обеспечение, поддерживающее создание цифровых двойников, моделирует не только турбины и роторы двигателя. Благодаря моделированию поведения и взаимодействия специалистов сама программа может определить, как оптимизировать свою работу. Так возникают дружественное ПО и дружественное оборудование, благодаря которым неопытные сотрудники и новые пользователи могут быстрее освоиться с соответствующими инструментами.
По мере распространения цифрового управления работой люди могут начать перегружать системы искусственного интеллекта слишком большим количеством задач. СЕО GE Digital Билл Ру знает об этой опасности и подчеркивает важность человеческого суждения и обучения, которое предотвращает деградацию навыков. «Необходимо обучать людей и не допускать, чтобы автоматизация становилась для них ориентиром во всем, поскольку здравое человеческое суждение по-прежнему играет существенную роль, — говорит Ру. — На мой взгляд, необходимость развивать у людей способность выносить суждения, чтобы автоматизация не стала “костылем” в их работе, — самый трудный сценарий, с которым предстоит иметь дело». Умное запрашивание включает в себя и умение понять, что конечный результат лишен смысла или что определенные входные данные могут привести к искажению результатов. «Полагаю, мы должны осознавать, что машина не всесильна», — подытоживает Ру
[167].
Интегрированный навык № 5. Расширение возможностей с помощью ботов
Определение. Эффективное взаимодействие с интеллектуальными агентами ради расширения ваших возможностей и формирование сверхспособностей в контексте бизнес-процессов и карьеры.
Интеллектуальные агенты позволяют людям делать то, что выходит за пределы их возможностей. Представьте: вы фрилансер или подрядчик, в распоряжении которого есть штат сотрудников, но эти сотрудники — боты, а не люди. Благодаря этому вы получаете административную и операционную поддержку, доступную скорее СЕО, чем человеку, работающему на себя. В статье, опубликованной в 2016 году, инвестор из Bloomberg Beta Шивон Зилис пишет: «Интеллектуальные агенты сделают это возможным, используя сочетание алгоритмов обучения и распределенного персонала для выполнения расширяющегося диапазона задач при низких затратах. С помощью этих агентов мы сможем выглядеть такими же умными, как современные СЕО».
Использование искусственного интеллекта для поиска работы
Навыки расширения возможностей с помощью ботов могут пригодиться при поиске работы. Если в эпоху искусственного интеллекта работники могут быть в чем-то уверены, так это в том, что ландшафт рынка труда меняется чрезвычайно быстро. Пять лет назад практически не было таких должностей, как специалист по обработке, анализу и хранению больших массивов данных (data scientist), а в настоящее время они очень востребованы. А должности, функционал которых сводится к таким рутинным задачам, как ввод данных, стремительно исчезают из списка вакансий. Как можно начать новую карьеру, найти новые возможности для обучения, расширить свое присутствие в интернете или развивать личный бренд в социальных сетях? Ответ — расширив возможности с помощью ботов.
Во многих случаях поиск работы и наём персонала сводятся к работе с цифрами, а значит, вы уже в числе отстающих, если до сих пор не автоматизировали некоторые элементы этого процесса с помощью LinkedIn или таких многообещающих интеллектуальных агентов, как Wade&Wendy или Ella.
В начале 2017 года компания LinkedIn упростила процедуру отклика на опубликованные вакансии — теперь достаточно одного клика. Кроме того, компания предоставляет кадровым агентствам возможность отправлять сообщения кандидатам, обладающим необходимой квалификацией. В то же время такие сервисы, как Wade&Wendy или Ella, предлагают совершенно другой опыт поиска работы, который начинается с диалогового интерфейса — интеллектуального чат-бота. В частности, Wade от имени людей ищет работу, которая отвечает их интересам, навыкам и образованию. Wendy — аналог рекрутера, автоматизирующий отбор кандидатов
[168]. Ella — это чат-бот, он задает вопросы о навыках и желаемых должностях, а затем ищет соответствующие вакансии, в том числе те, информация о которых не опубликована. Система искусственного интеллекта совершенствует поиск, чтобы результаты максимально отвечали поставленной задаче. Старший вице-президент по цифровым инновациям компании Lee Hecht Harrison Шон Пейли объясняет преимущества таких сервисов, как Wade&Wendy или Ella: «Автоматизация просмотра большого объема данных позволяет людям сфокусироваться на более сложных и персонифицированных элементах поиска работы, таких как подготовка к собеседованию с коучем по вопросам карьеры и налаживание контактов»
[169]. Расширение возможностей с помощью ботов — яркий пример навыков, позволяющих людям уделять больше внимания человеческой стороне поиска работы.
