Читать книгу: «Потенциал ИИ в бизнесе. Стратегическое применение искусственного интеллекта и Big Data», страница 3

От простой до летающей машины

Секретным ингредиентом Netflix стало ноу-хау – оптимизированный алгоритм рекомендаций CineMatch. Алгоритм – это четко определенная последовательность инструкций, которую компьютер использует для решения конкретной проблемы или выполнения заданных вычислений. Это не ИИ, однако весьма тесно связанное с ним понятие. Мир Мусави, основатель QuiGig, пишет, что между алгоритмом и ИИ существует такая же разница, как между простой и летающей машиной. «Ключевое отличие,– говорит он,– заключается в том, что алгоритм имеет четко определенный процесс, на основе которого принимается решение, а ИИ для принятия решений использует обучающие данные⁹».

Netflix использует различные технологии, чтобы извлечь наибольшие прогностические возможности из своей огромной базы данных. Во-первых, алгоритм тщательно просматривает базу данных компании, чтобы найти людей, одинаково оценивших одни и те же фильмы. Например, может отыскать всех пользователей, которые дали пять звезд «Марсианину» с Мэттом Деймоном. Затем алгоритм смотрит, какие оценки эти люди поставили другому фильму, скажем, «Умница Уилл Хантинг», и рассчитывает вероятность того, что пользователям, которым понравился «Марсианин», также понравится «Умница Уилл Хантинг». Если эти шансы высоки, система порекомендует для оставшихся пользователей фильм «Умница Уилл Хантинг». Этот процесс повторится миллионы раз, «рисуя» многочисленные корреляционные связи между фильмами и пользователями.

Помимо этого, Netflix опирается на машинное обучение в искусственном интеллекте. Компания не анализирует традиционные структурированные данные (имена, номера телефонов, адреса электронной почты и тому подобное), а наоборот – их ИИ изучает неструктурированные данные, а именно изображения, являющиеся гораздо более субъективными и трудно классифицируемыми данными. В 2014 году Netflix начала изучать связь между миниатюрными «постерами» фильмов или сериалов, которые пользователи видят на своих домашних страницах Netflix, и контентом, который они выбирают. Обнаружилась тесная взаимосвязь между привлекательностью постеров и популярностью сериала или фильма.

Компания начала использовать МО, чтобы генерировать множество постеров для каждого сериала, и постоянно тестировала их на своих пользователях. Это классический сценарий A/B-теста, в котором десять пользователей Netflix могут увидеть десять совсем разных постеров, сгенерированных ИИ для одних и тех же фильмов или телешоу. После того как люди решили, что смотреть, система запоминает выбор и изменяет посте ры, чтобы повысить их привлекательность. Затем компания использует ИИ для анализа неструктурированных данных, состоящих из изображений, и использует полученные результаты для корректировки бизнес-стратегии.

Система рекомендаций Netflix и искусственный интеллект не только сделали независимые фильмы и контент, не относящийся к мейнстриму, более заметными, но и, по словам Блейка Морган из Forbes, создали поток высококачественного контента, который изменил способ потребления развлечений. До появления Netflix телесериалы и ограниченные серии смотрели медленно, по одной серии за раз, поэтому влияние новых сериалов казалось незаметным. Теперь люди запоем поглощают целые сезоны новых сериалов – это называется «эффектом Netflix» – и за одну ночь определяют формирующие культуру хиты и новых звезд телевидения и кино¹⁰.

Кофейня на углу

Прежде чем посчитать Netflix, с его использованием данных и ИИ, аномалией в бизнесе, давайте рассмотрим еще один пример –  вездесущую франшизу Starbucks. Все началось в 1971 году с компании по обжарке и продаже фасованного кофе в Сиэтле, которая неуклонно росла и в 1980-х годах, когда ею руководил Ховард Шульц, запустила бизнес по продаже готовых напитков. Компания расширялась –  в основном за счет поглощения конкурентов –  и в результате добилась успеха, а в 1992 году стала публичной.

В начале 2000-х годов Starbucks пережила взлеты и падения, в том числе неудачи на некоторых международных рынках¹¹ и последствия экономического спада 2007–2009 годов¹². Но продолжала удерживать сильные позиции. Как и Netflix, эта компания сумела воспитать культуру развития –  стать чем-то большим, чем бизнес по продаже кофе. Так же, как и Netflix, она добилась этого благодаря использованию данных и ИИ.

В 2009 году Starbucks запустила свое первое приложение для смартфонов, которое позволяло удобно оплачивать покупки. Оно работало в шестнадцати торговых точках¹³. Со временем компания внедрила в приложение программу лояльности Starbucks Rewards, в 2017 году насчитывавшую более семнадцати миллионов активных пользователей. Это позволяло собирать данные о предпочтениях покупателей из более чем девяноста миллионов транзакций в неделю¹⁴. Сейчас компания использует этот огромный массив данных для персонализации (и увеличения чека) заказов клиентов. Также она применяет эти данные в своих персонализированных маркетинговых кампаниях¹⁵. Помимо этого, объединяет их с информацией о местной демографии и структуре трафика, выбирая места для новых магазинов. Другими словами:

Starbucks – это не кофейная компания; это компания по управлению данными, которая продает кофе¹⁶.

Сегодня Starbucks использует большие данные и предиктив-ную аналитику не только для того, чтобы персонализировать общение с клиентами, но и в целях существенного увеличения дохода ежегодно на 21%¹⁷. Согласно опросу The Manifest¹⁸, в 2018 году мобильное приложение Starbucks признано наиболее часто используемым приложением программы лояльности (48% респондентов) среди основных приложений ресторанов. На долю онлайн-заказов и продаж в рамках программы лояльности суммарно пришлось 39% продаж по всей сети¹⁹. Что, как мы узнаем из этой главы позже, значительно повлияло на цену акций.

Компания продолжает использовать технологии для многократного роста бизнеса. Она также использует искусственный интеллект для создания «виртуального бариста», который принимает заказы с помощью технологии распознавания голоса²⁰ и удаленно отслеживает огромное количество критически важного подключенного к интернету оборудования, чтобы прогнозировать, когда потребуется ремонт или техническое обслуживание²¹.

Как мы увидим, Starbucks и Netflix добились выдающихся результатов благодаря смелому использованию искусственного интеллекта, больших данных, умных устройств и облачных технологий. Они изменили восприятие ИИ во всем мире. И не только они. Другие компании практически любого размера тоже могут добиться успеха благодаря этим технологиям.

Четыре квадранта роста

Чтобы понять, как наилучшим образом применить ИИ и большие данные в бизнесе, необходимо изучить готовность идти на риск, ломать существующие бизнес-модели и изобретать новые. Как показано на рисунке ниже, помимо этого необходимо работать на рынке с хорошим потенциалом роста, изучен ли он полностью или нет.

В каждом квадранте описано направление развития, в котором ИИ и большие данные являются критически важными элементами. Практически любое предприятие найдет в одном из этих квадрантов цель, соответствующую его стадии жизненного цикла, текущему уровню прибыльности и другим переменным. Например, если компания в настоящий момент не в состоянии совершить скачок, как это сделали Netflix или Starbucks, она почти наверняка получит выгоду от стратегии оптимизатора, в которой данные собираются и исследуются для поиска способов увеличения эффективности, снижения затрат и улучшения качества продукции и обслуживания клиентов. Например, компания может использовать свои внутренние данные, чтобы оптимизировать процессы цепочки поставки и снизить затраты.

В отличие от классического бизнес-позиционирования, любой вид предприятий, независимо от присущего ему потенциала роста или инноваций, может извлечь выгоду из правильного использования искусственного интеллекта и больших данных

Если ваш текущий потенциал роста на рынке ограничен, а вы готовы пойти на риск и внедрить инновации, можно выбрать стратегию новатора. Она предполагает инвестирование в исследования, разработку и инжиниринг ради создания новых продуктов и услуг, которые поддержат более решительные инициативы в будущем. Именно это сделала Apple, потратив годы на разработку первого iPod, запустившего экосистему iOS. Которая, в свою очередь, заложила основы глобальной мобильной экономики.

Возможно, вам лучше подойдет стратегия захвата, где вы примените данные для управления разработкой маркетинговых инициатив, привлекающих новых клиентов. Это позволит увеличить вашу долю на рынке, создать новый или расширить существующий бренд, нарастить бизнес за счет слияний и поглощений.

Все это жизнеспособные стратегии для предприятий, которые стремятся к стратегии мультипликатора, как Netflix или Starbucks, но их руководство, культура и инвесторы еще не готовы взять на себя такие обязательства. Воспринимайте стратегии оптимизатора, новатора и захватчика как шаги на пути к идеалу –  мультипликатору бизнеса. Как только преимущества искусственного интеллекта и больших данных станут понятными после первых проектов, идея более глубокой перестройки бизнеса с помощью ИИ обретет большую очевидность.

Следовать стратегии мультипликатора не так-то просто. Зачастую она выглядит пугающе для акционеров и менеджмента компании, потому что создается впечатление вывода компании в неизвестность из безопасной гавани предсказуемых дохода и прибыли. Однако рано или поздно выживание любого предприятия требует адаптации и внедрения инноваций.

Возможно, у вас не получится сразу начать с разрушения старых бизнес-моделей, но вы уже сейчас можете использовать ИИ для активного повышения эффективности, разработки новых продуктов и расширения за счет слияний и поглощений. Однако единственным проверенным способом сохранить жизнеспособность вашего бизнеса, особенно в быстро меняющемся техническом секторе, будет создание уникального ценностного предложения, которое конкуренты не смогут легко повторить или усовершенствовать. Следуя этим путем, вы получите «эффект маховика», преобразующий импульс каждого решения на основании данных в новые идеи и стратегии роста, о чем мы поговорим в главе 8.

Это означает совершить прыжок. Это означает, что вы будете внедрять инновации и даже бросать вызов вашей текущей бизнес-модели, предпочитая ту, которая управляется ИИ и связанными с ним технологиями.

Результаты мышления мультипликатора

Netflix и Starbucks являются примерами мультипликаторов бизнеса. Как руководитель, вы должны обладать видением. Вам нужно масштабно мыслить и мечтать, но уметь вбить кол в землю и разработать актуальные планы воплощения идей в реальность. Истинные предприниматели готовы рисковать, но при этом заранее выполняют массу домашней работы. Перед тем как открыть бизнес, они просчитывают все риски и ищут способы их максимального снижения. Netflix поступила именно так, когда дело дошло до использования данных и искусственного интеллекта для прогнозирования результатов, потому и добилась выдающихся успехов.

После того как компания начинает применять стратегию с использованием ИИ и больших данных, ее рыночная стоимость экспоненциально вырастает. Например, цена акций Netflix резко пошла вверх с тех пор, как компания начала применять эти принципы.

Благодаря такому росту Netflix сейчас входит в список S&P 500 как одна из пятисот крупнейших компаний США. Конечно, цена акций компании –  это не единственный показатель ценности, к тому же следует учитывать, что и искусственный интеллект не был единственным двигателем роста. Но всегда в основе процесса принятия решений, касающихся данных, лежало мышление мультипликатора. Та же тенденция роста характерна и для Starbucks.

До того как Starbucks начала использовать умные устройства, большие данные и искусственный интеллект, компания уже успешно, хотя и не так стремительно, развивалась. Открывая новые точки по всему миру, они уже, по сути, лидировали на обычном товарном рынке, продавая потребителям кофейные напитки и сопутствующую продукцию. Но Starbucks применила данные, чтобы понимать своих клиентов лучше, чем они понимают себя, и тоже стала одной из пятисот крупнейших компаний в стране.

Рид Хастингс верил, что персонализированные развлечения – это именно то, что хотят получить люди. Поэтому он обратился к данным, чтобы точно узнать, чего на самом деле хотят его клиенты, а затем предоставил им желаемый контент. Starbucks тоже пошла по пути разработки стратегических бизнес-решений на основе фактических данных, собранных с миллионов умных устройств пользователей и проанализированных с помощью ИИ.

Вам не нужны огромные ресурсы Netflix или Starbucks, чтобы использовать истинную мощь искусственного интеллекта и больших данных. Однако скачок можно совершить только одним единственным способом: это изучить о клиентах все, что возможно, то есть собрать как можно больше данных и стать одержимым по отношению к уровню обслуживания.

Начните с правильных вопросов

Несколько лет назад компания Uber стала изучать данные, собранные в результате миллионов поездок на такси клиентов по всей стране. Выяснилось, что многие клиенты по пути к месту назначения просили водителей остановиться в таких местах, как Starbucks. Компания сопоставила данные о поездках в ключевых городах с местоположением пунктов продажи еды и напитков и приняла решение вместо дополнительных остановок открыть новый бизнес по доставке еды клиентам машинами Uber. Так на свет появился Uber Eats.

Такие инновации происходят не случайно. Они внедряются, потому что компании используют данные для лучшего понимания клиентов и разработки способов предоставления удобных и персонализированных услуг, действительно нужных всем. Сейчас все определяется скоростью, простотой и персонализацией, как в заказе за один клик в Amazon. Клиенты ценят индивидуальный подход и удобство, а поскольку обычно последние реализовываются с помощью ИИ (вспомните функцию Amazon «Книги, которые могут вам понравиться»), их стоимость невысока. Изучение данных выявляет скрытые слабые стороны и возможности. Использование данных приумножает ценность.

Но как понять, с чего начать поиски? Как найти нужные данные? Я предлагаю своим клиентам сделать три шага.

Шаг первый: выявите проблему, которую хотите решить. Получению данных предшествуют вопросы. Что вы хотите знать? Ваша компания занимается доставками и ищет более быстрые маршруты к своим клиентам? Вы руководите сетью ресторанов и пытаетесь понять, почему клиенты прерывают попытки заказать еду навынос онлайн, разочаровываются и покидают ваш сайт? Или хотите на основе прошлых покупок предсказать, что люди закажут в будущем? Какие продукты следует запустить, и какой из них станет главным хитом? Какие данные вы ищете и почему? Вы изучаете данные, чтобы узнать уже произошедшие события, или хотите понять их причины? Собираете ли вы данные, которые покажут, какие шаги следует предпринять?

Шаг второй: согласуйте ваши данные со стратегией.

Допустим, ваша цель – ежегодное увеличение прибыли на 20%. Для этого нужно использовать ваши данные, чтобы превзойти ожидания посетителей по обслуживанию, повысить лояльность и количество рефералов, а также удержать больше клиентов. Далее необходимо настроить новые внутренние бизнес-процессы, используя данные для максимального роста операционной эффективности и скорости, а также запускать новые продукты и услуги, которые понравятся вашим клиентам. Кроме того, придется нанять новых сотрудников и обучить тех, кто уже работает у вас. Определив действия, необходимые для достижения ваших целей, вы поймете, какие данные понадобятся и как их использовать.

Шаг третий: соберите данные, имеющие прикладную ценность. Соберите правильные данные. Вам понадобятся исторические данные, такие как финансовые транзакции, опросы клиентов и данные кол-центра. Они покажут ситуацию в прошлом: насколько хорошо работала компания и что делали клиенты. Но, помимо этого, необходимы прогнозные данные, которые на основании выявленных закономерностей подскажут, что именно ваши клиенты с большой вероятностью сделают в будущем. Изучите данные, сформулируйте ключевые выводы; затем примените МО или ИИ для достижения мультипликативного эффекта.

Например, сеть ресторанов, предлагающих доставку, пытается уменьшить количество незавершенных онлайн-заказов. В процессе анализа может обнаружиться, что проблемной точкой, где часто происходят отказы, является страница ввода данных для оплаты. Дальнейшие меры спланировать несложно. Также можно использовать сентимент-анализ⁷ записей кол-центра для решения проблемы оттока клиентов, что так изящно объяснил аналитик Тосин Адеканье в 2021 году²². Возможности безграничны.

Netflix и Starbucks задавали правильные вопросы и добивались ответов, которые, как они знали, приведут к созданию инноваций; кроме того, они руководствовались четким и смелым видением: стать платформой для создания оригинального контента. Они изменили правила игры. В отличие от Blockbuster, которые играли в догонялки с подорвавшей их позиции Netflix, и проиграли, потому что их культуре и стилю руководства не хватило возможностей для внедрения подлинных инноваций. За редким исключением⁸, другие сети кофеен и розничной торговли пытались подражать бизнес-решениям Starbucks, однако их действия не основывались на глубоком анализе данных.

Различие заключается не столько в характере или способностях людей, сколько в их готовности задавать сложные вопросы и использовать данные для получения выводов, которые помогут вносить необходимые бизнесу изменения.

Глава 2
Разбираемся, что такое искусственный интеллект и как он влияет на бизнес

В фильме 2013 года «Она» одинокий Теодор Туомбли (роль которого играет Хоакин Феникс) устанавливает виртуального помощника с искусственным интеллектом, называющего себя Самантой. В результате озвученный Скарлетт оханссон помощник с искусственным интеллектом не только демонстрирует способность полностью перестроить жизнь Теодора, но и оказывается настолько очаровательным, привлекательным и похожим на человека, что Теодор влюбляется в него.

По сценарию к концу фильма выясняется, что вымышленный ИИ обрабатывает миллионы запросов и одновременно ведет миллионы бесед. (На самом деле ИИ так и делает.) В фильме «она» обладает вычислительной мощностью, позволяющей обрабатывать большой объем данных, чтобы одновременно создавать персональные, хотя и нечеловеческие, отношения со многими людьми. К сожалению, узнав, что Саманта разговаривает одновременно с миллионами других собеседников, Теодор чувствует себя преданным.

Более мрачная голливудская версия искусственного интеллекта показана в серии фильмов «Терминатор». Сеть мощных оборонных компьютеров SkyNet обретает самосознание и решает, что люди угрожают ее существованию. По сюжетной линии в недалеком будущем она превентивно начинает ядерную вой ну, уничтожившую большую часть человечества. Затем проектирует и создает устрашающих киборгов –  «терминаторов», чтобы уничтожить оставшихся людей и убить сопротивляющихся бойцов. Наконец, благодаря Арнольду Шварценеггеру и Линде Хэмилтон, ИИ терпит поражение.

Оба этих сюжета об искусственном интеллекте –  захватывающие истории, которые подпитывают наши заблуждения. Суть не в очеловечивании технологии, а в необходимости понять ее потенциальные преимущества. Настоящая, неголливудская реальность одновременно и более прозаичная, и более захватывающая, если смотреть на нее с позиции бизнеса.

Важный факт –  способность искусственного интеллекта проявлять экстраординарные навыки. Это освобождает людей от выполнения повторяющихся задач и экспоненциально увеличивает отдачу. ИИ также может выявлять полезные закономерности в гигантских массивах информации и генерировать удивительно качественный оригинальный письменный, визуальный и аудиоконтент. На самом базовом уровне:

ИИ выполняет любую вычислительную функцию, подражающую основным возможностям человеческого интеллекта.

ИИ анализирует входящие исторические данные и выявляет повторяющиеся модели поведения и результаты, выводит из этой информации закономерности, а затем уже из них извлекает нужную информацию, чтобы лучше предсказывать события и рекомендовать решения. По сути, ИИ пытается действовать так же умно и интуитивно, как люди, и в то же время потенциально выходит за пределы человеческих ограничений, таких как усталость, потребность есть и пить, скука и предвзятость⁹.