Примером в некоторой степени служит беспилотный транспорт. Пока одни автопроизводители активно инвестируют в собственные возможности, другие рассчитывают в этом на партнеров вне отрасли (например, Alphabet, дочерняя компания Waymo). В других случаях крупные технологические компании инициируют проекты с автопроизводителями сами. Например, Baidu, владелец самой большой поисковой машины в Китае, с несколькими десятками партнеров, в том числе Daimler и Ford, начала масштабную и разноплановую открытую инициативу по автономному вождению Project Apollo. Кроме того, Tencent Holdings, владелец WeChat почти с миллиардом аккаунтов активных пользователей ежемесячно, организовала альянс по автономному вождению, в числе знаменитых участников которого стоит упомянуть Beijing Automotive Group. Чэнь Цзюй-Хун, вице-президент Tencent, отметил: «Tencent собирается приложить все возможные усилия для содействия развитию технологии ИИ для автономного вождения… Мы хотим стать связующим звеном, ускоряющим налаживание сотрудничества, инновации и слияние индустрий…»
[121] Сюй Хэй, председатель Beijing Automotive, высказал свои соображения о стимулирующей сотрудничество конкуренции: «В этой новой эпохе выживут только те, кто сотрудничает с другими компаниями в создании следующего поколения автомобилей. Тех же, кто собирается изолировать свое производство от остальных, ждет гибель»
[122]. Относительно новые компании (такие как Tesla) конкурируют с давними участниками рынка непосредственным применением ИИ в автомобилях, что тесно связывает между собой ПО и «железо». Компании вроде Uber используют ИИ для развития автономного вождения с целью лишить потребителя возможности принимать решения по управлению автомобилем.
В этой сфере погоня за выгодой не признает традиционных границ бизнеса, а ставит под вопрос право на действие, которое дает преимущества.
Элементарная экономика стратегии ИИ
Описанные перемены зависят от двух аспектов влияния ИИ на основу нашей экономической схемы.
Во-первых, как в модели Amazon «доставка – затем покупка», прогностические машины снижают неопределенность. С прогрессом ИИ использование их с этой целью станет масштабнее, вследствие чего стратегические дилеммы, вызванные неопределенностью, будут развиваться вместе с ИИ. Из-за снижения стоимости прогноза прогностические машины приобретут способность разрешать более широкий спектр прогностических дилемм.
Во-вторых, ИИ повысит ценность дополнительных составляющих прогноза. Суждение бейсбольных аналитиков, действия продовольственных магазинов и (как вы узнаете далее) данные для прогностических машин приобретут такое значение, что вынудят вас изменить стратегию, чтобы воспользоваться всеми их преимуществами.
Выводы
• Высшему руководству не следует полностью возлагать стратегии ИИ на отдел IT, поскольку действие мощных инструментов ИИ может выйти за пределы повышения продуктивности задач, выполняемых в соответствии со стратегией, и привести к изменению самой стратегии. Для этого необходимо присутствие трех факторов:
• ключевой компромисс бизнес-модели (то есть «покупка – затем доставка» или «доставка – затем покупка»);
• компромисс, обусловленный неопределенностью (то есть высокие издержки от возвратов из-за неопределенности того, что приобретет покупатель, перевешивают высокие продажи при модели «доставка – затем покупка»);
• снижающий неопределенность инструмент ИИ: он склоняет чашу весов так, что оптимальная стратегия меняется от одной альтернативы к другой (снижение неопределенности с помощью прогноза вероятных покупок приводит к тому, что отдача от модели «доставка – затем покупка» будет выше, чем от традиционной).
• Еще одна причина, по которой стратегия ИИ требует участия высшего руководства, состоит в том, что внедрение инструментов ИИ в одной части компании может повлиять на другие. В нашем мысленном эксперименте с Amazon переход на модель «доставка – затем покупка» ведет к вертикальной интеграции в бизнес по сбору возврата, возможно с парком грузовиков, еженедельно объезжающих территорию. Мощные инструменты ИИ вызывают необходимость пересмотра рабочих процессов и границ компании.
• Прогностические машины повысят ценность дополнительных составляющих, в том числе суждения, действий и данных. Повышение ценности суждения может повлечь за собой перестановки в иерархии – вероятно, повышение отдачи от выполнения руководством других ролей или назначения на эти должности других людей. Также прогностические машины позволят менеджерам вместо индивидуальных составляющих оптимизировать глобальные цели и таким образом принимать решения, более соответствующие задачам организации. Владение действиями, зависящими от прогноза, может дать конкурентные преимущества, что позволит традиционным компаниям извлечь некоторую выгоду из ИИ. Однако в случаях, когда мощные инструменты ИИ предоставляют значительные конкурентные преимущества, новые участники рынка смогут вертикально интегрироваться во владение действиями и использовать ИИ как базис для соперничества.
Глава 14. Когда ИИ меняет бизнес
Джошуа Ганс недавно спросил у сотрудников стартапа в области машинного обучения: «Зачем вы даете врачам диагноз?» Компания работала над инструментом ИИ, который должен был подтверждать наличие определенного заболевания. Простейший двоичный вывод. Диагноз. Проблема в том, что для этого компании необходимо было получить одобрение контролирующих органов, что требовало дорогостоящих тестов. И с этой целью она выбирала между сотрудничеством с известной фармацевтической компанией и компанией по производству медицинских изделий.
Вопрос Джошуа скорее стратегический, чем медицинский. Почему они хотят предоставлять диагноз? Может быть, достаточно прогноза? В таком случае инструмент мог бы анализировать данные и сообщать, что «вероятность наличия заболевания составляет 80 %». Тогда врач детально рассмотрел бы аргументы для этого вывода и поставил окончательный диагноз – тот же двоичный вывод «есть или нет». Решающее слово осталось бы за клиентом (врачом).
Джошуа предложил компании сосредоточиться на прогнозе, а не диагнозе, чтобы граница бизнеса им и заканчивалась. Такой шаг устраняет необходимость одобрения контролирующих органов, поскольку у врачей достаточно инструментов для диагностического заключения. Компании уже не нужно было сотрудничать с авторитетными фирмами на раннем этапе. И что самое важное, отпала нужда в исследованиях и поисках способа преобразования прогноза в диагноз. Оставалось только определить степень точности прогноза, с которой его можно считать ценным: 70, 80 или 99 %?
