Подписывайся на наш Инстаграм и Телеграм-канал с полезными вакансиями
Роботы нуждаются в нас больше, чем мы нуждаемся в них
Роботы нуждаются в нас больше, чем мы нуждаемся в них
В будущем искусственного интеллекта люди, а не алгоритмы, которые они создают, станут секретом успеха большинства компаний.
Исследования показывают, что компании, которые хорошо вкладываются в цифровые технологии, пользуясь возможностями симбиоза людей и машин, значительно улучшают свои финансовые показатели. Но для того, чтобы придумывать инновации и работать с ними, нужны люди, и авторы статьи убеждены, что успех в будущем зависит от ориентированного на человека подхода к работе с искусственным интеллектом (ИИ).
В этой статье они представляют свою структуру IDEAS, которая призывает обратить внимание на пять элементов формирующих технологический ландшафт: машинный интеллект, работу с данными, опыт, архитектуру и стратегию. Авторы рассматривают каждый из этих компонентов по очереди, исследуя, как такие компании, как McDonald’s, Etsy и онлайн-магазин Ocado, внедрили управляемые человеком технологии с ИИ, чтобы стать ведущими компаниями в своих отраслях.
Если вы хотите преобразовать свой бизнес, структура IDEAS сможет помочь вам разработать план для внедрения инноваций с использованием ИИ.
Представьте, что вы пытаетесь найти конкретный момент из видео в историческом архиве Национальной футбольной лиги, насчитывающем сотни тысяч файлов. За один игровой сезон снимается более 16 320 минут (около 680 часов) материала. Если же вы включите репортажи каждой передачи перед матчем, во время перерыва и после игры, репортажи о каждой тренировке и каждом интервью для СМИ, у вас получится бесконечное количество отснятого материала. И это только за один игровой сезон.
Исследования показывают, что компании, которые хорошо вкладываются в цифровые технологии, пользуясь возможностями симбиоза людей и машин, значительно улучшают свои финансовые показатели. Но для того, чтобы придумывать инновации и работать с ними, нужны люди, и авторы статьи убеждены, что успех в будущем зависит от ориентированного на человека подхода к работе с искусственным интеллектом (ИИ).
В этой статье они представляют свою структуру IDEAS, которая призывает обратить внимание на пять элементов формирующих технологический ландшафт: машинный интеллект, работу с данными, опыт, архитектуру и стратегию. Авторы рассматривают каждый из этих компонентов по очереди, исследуя, как такие компании, как McDonald’s, Etsy и онлайн-магазин Ocado, внедрили управляемые человеком технологии с ИИ, чтобы стать ведущими компаниями в своих отраслях.
Если вы хотите преобразовать свой бизнес, структура IDEAS сможет помочь вам разработать план для внедрения инноваций с использованием ИИ.
Представьте, что вы пытаетесь найти конкретный момент из видео в историческом архиве Национальной футбольной лиги, насчитывающем сотни тысяч файлов. За один игровой сезон снимается более 16 320 минут (около 680 часов) материала. Если же вы включите репортажи каждой передачи перед матчем, во время перерыва и после игры, репортажи о каждой тренировке и каждом интервью для СМИ, у вас получится бесконечное количество отснятого материала. И это только за один игровой сезон.
Чтобы сотрудникам было проще создавать нарезки с лучшими моментами и другие ролики из всего этого материала, в декабре 2019 года НФЛ заключила партнерское соглашение с Amazon Web Services на использование искусственного интеллекта для поиска и маркировки своего видеоконтента.
На первом этапе работы команда по созданию контента в НФЛ должна была обучить ИИ, что именно нужно искать. Они создали теги метаданных для каждого игрока, команды, футболки, стадиона и другого визуально узнаваемого контента, который они хотели идентифицировать для образования одной видео-коллекции. Затем они загрузили эти теги в уже существующую ИИ систему Amazon, созданную для распознавания изображений, которую компания уже успела протестировать на десятках миллионов картинок. Искусственный интеллект смог использовать оба набора данных для пометки соответствующих изображений в видеотеке, а команда по созданию контента утвердила каждый тег всего за несколько кликов. В то время как раньше сотрудникам приходилось вручную искать и обрезать каждое видео, сохранять его в библиотеке, а затем помечать метаданными, искусственный интеллект Amazon смог автоматизировать большую часть этого процесса.
В предыдущей статье журнала Harvard Business Review мы писали, как некоторые ведущие организации бросают вызов общепринятым представлениям о том, что технологии в конечном итоге сделают людей бесполезными. Компании стали использовать возможности совместной работы людей и машин для преобразования своего бизнеса и увеличения прибыли. Сейчас эти несколько компаний не просто превосходят своих конкурентов в сфере инноваций, они еще решительнее переходят на технологии, ориентированные на совместную работу человека и ИИ, и переворачивают с ног на голову само представление об инновациях, как это делали в предыдущие десятилетия многие до них.
В случае с НФЛ, например, ИИ ускорил процесс распознавания изображений, но система дала бы сбой, если бы сотрудники не определили, какие данные должны быть загружены, а затем утверждены. НФЛ не просто передала ИИ работу по созданию видео-нарезок. Специалисты по созданию контента все еще занимались этим сами, но у них получилось справиться с этим быстрее и легче благодаря уникальной способности ИИ быстро сортировать огромные объемы информации.
В предыдущей статье журнала Harvard Business Review мы писали, как некоторые ведущие организации бросают вызов общепринятым представлениям о том, что технологии в конечном итоге сделают людей бесполезными. Компании стали использовать возможности совместной работы людей и машин для преобразования своего бизнеса и увеличения прибыли. Сейчас эти несколько компаний не просто превосходят своих конкурентов в сфере инноваций, они еще решительнее переходят на технологии, ориентированные на совместную работу человека и ИИ, и переворачивают с ног на голову само представление об инновациях, как это делали в предыдущие десятилетия многие до них.
В случае с НФЛ, например, ИИ ускорил процесс распознавания изображений, но система дала бы сбой, если бы сотрудники не определили, какие данные должны быть загружены, а затем утверждены. НФЛ не просто передала ИИ работу по созданию видео-нарезок. Специалисты по созданию контента все еще занимались этим сами, но у них получилось справиться с этим быстрее и легче благодаря уникальной способности ИИ быстро сортировать огромные объемы информации.
Новый ориентированный на человека подход к ИИ меняет представления об ключевых инструментах, лежащих в основе успешных инноваций. Такие компании, как Etsy, L.L.Bean, McDonald’s и Ocado, переосмысливают то, как искусственный интеллект и автоматизация производства смогут объединить широкий спектр передовых информационных технологий и систем, обеспечивающих быструю адаптируемость и легкую интеграцию человека и машины. Эти передовые фирмы мгновенно инвестировали в цифровые технологии, чтобы выстоять перед новыми оперативными задачами и быстро сменяющимися желаниями клиентов. Согласно опросу, проведенному компанией Accenture в 2019 году среди более чем 8300 фирм значительно увеличили инвестиции в облачные сервисы, искусственный интеллект и т. п. и теперь получают в два раза больший доход, чем остальные.
Второе исследование, в котором в 2021 году приняли участие более 4000 компаний, показывает, что 10% предприятий, которые больше всего инвестировали цифровым технологиям, стремительно продвинулись вперед, увеличив доход почти в пять раз.
Мы превратили то, что узнали из этого исследования, в рекомендации, которые бизнес-лидеры могут использовать, чтобы конкурировать в мире, где в будущем большинство компаний будут обязаны своим успехом людям, а не машинам. Наша структура IDEAS призывает обратить внимание на эти пять элементов формирующих технологический ландшафт: машинный интеллект, работу с данными, опыт, архитектуру и стратегию. Тщательный анализ сможет помочь как техническим, так и нетехническим экспертам лучше понять эти элементы и придумать, как они могут быть объединены в один мощный двигатель инноваций.
В этой статье мы воспользуемся структурой IDEAS для изучения примеров предприятий, которые внедрили процессы и приложения с искусственным интеллектом, управляемым человеком, для решения проблем в электронной торговле, онлайн-доставке продуктов, робототехнике и многом другом. Вы можете сделать то же самое, воспользовавшись навыками и опытом своих сотрудников для внедрения технологическими инновациями во все: от научно-исследовательских и опытно-конструкторских работ до управления персоналом и разработки бизнес-моделей.
Машинный интеллект: Сделайте ИИ более человечным и менее искусственным
Человеческий и искусственный интеллекты дополняют друг друга. Никакая машина, работающая на базе ИИ, не может сравниться с легкостью и эффективностью, с которыми даже малыши учатся понимать новые вещи. Случайно уроните что-нибудь, и годовалый ребенок, видящий, как вы тянетесь к предмету, принесет его вам. Бросьте специально, и ребенок проигнорирует его. Другими словами, даже очень маленькие дети понимают, что у людей есть намерения. Эта исключительная когнитивная способность, давно заложенная в человеческом мозгу.
Это еще не все. Начиная с очень раннего возраста, у детей развивается интуитивное чувство физики: они понимают, что объекты будут двигаться по траекториям, оставаться на одном месте или же падать, если их не держать. Прежде чем дети овладевают языком, они отличают одушевленных существ от неодушевленных объектов. По мере изучения языка они проявляют замечательную способность всего спустя небольшое количество примеров обобщать и усваивать новые слова после того, как услышат их всего один или два раза. Так же ходить они учатся самостоятельно, методом проб и ошибок.
И наоборот, ИИ может делать многие вещи, которые люди, несмотря на то, что они наделены природным интеллектом, считают невозможными или трудными для хорошего выполнения: распознать закономерность в огромном количестве данных; победить величайших чемпионов по шахматам; управлять сложными производственными процессами; одновременно отвечать на множество звонков в центрах обслуживания клиентов; анализировать погоду, состояние почвы и снимки со спутников, чтобы помочь фермерам максимизировать урожайность сельскохозяйственных культур; просканировать миллионы интернет-изображений в борьбе с эксплуатацией детского труда; выявить финансовые махинации; предугадать будущие потребительские предпочтения; сперсонализировать рекламу; и многое другое. Самое главное, что искусственный интеллект позволил людям и машинам эффективно работать вместе. И, вопреки прогнозам о скорой автоматизации производства, такое сотрудничество создает множество новых рабочих мест.
Мы превратили то, что узнали из этого исследования, в рекомендации, которые бизнес-лидеры могут использовать, чтобы конкурировать в мире, где в будущем большинство компаний будут обязаны своим успехом людям, а не машинам. Наша структура IDEAS призывает обратить внимание на эти пять элементов формирующих технологический ландшафт: машинный интеллект, работу с данными, опыт, архитектуру и стратегию. Тщательный анализ сможет помочь как техническим, так и нетехническим экспертам лучше понять эти элементы и придумать, как они могут быть объединены в один мощный двигатель инноваций.
В этой статье мы воспользуемся структурой IDEAS для изучения примеров предприятий, которые внедрили процессы и приложения с искусственным интеллектом, управляемым человеком, для решения проблем в электронной торговле, онлайн-доставке продуктов, робототехнике и многом другом. Вы можете сделать то же самое, воспользовавшись навыками и опытом своих сотрудников для внедрения технологическими инновациями во все: от научно-исследовательских и опытно-конструкторских работ до управления персоналом и разработки бизнес-моделей.
Машинный интеллект: Сделайте ИИ более человечным и менее искусственным
Человеческий и искусственный интеллекты дополняют друг друга. Никакая машина, работающая на базе ИИ, не может сравниться с легкостью и эффективностью, с которыми даже малыши учатся понимать новые вещи. Случайно уроните что-нибудь, и годовалый ребенок, видящий, как вы тянетесь к предмету, принесет его вам. Бросьте специально, и ребенок проигнорирует его. Другими словами, даже очень маленькие дети понимают, что у людей есть намерения. Эта исключительная когнитивная способность, давно заложенная в человеческом мозгу.
Это еще не все. Начиная с очень раннего возраста, у детей развивается интуитивное чувство физики: они понимают, что объекты будут двигаться по траекториям, оставаться на одном месте или же падать, если их не держать. Прежде чем дети овладевают языком, они отличают одушевленных существ от неодушевленных объектов. По мере изучения языка они проявляют замечательную способность всего спустя небольшое количество примеров обобщать и усваивать новые слова после того, как услышат их всего один или два раза. Так же ходить они учатся самостоятельно, методом проб и ошибок.
И наоборот, ИИ может делать многие вещи, которые люди, несмотря на то, что они наделены природным интеллектом, считают невозможными или трудными для хорошего выполнения: распознать закономерность в огромном количестве данных; победить величайших чемпионов по шахматам; управлять сложными производственными процессами; одновременно отвечать на множество звонков в центрах обслуживания клиентов; анализировать погоду, состояние почвы и снимки со спутников, чтобы помочь фермерам максимизировать урожайность сельскохозяйственных культур; просканировать миллионы интернет-изображений в борьбе с эксплуатацией детского труда; выявить финансовые махинации; предугадать будущие потребительские предпочтения; сперсонализировать рекламу; и многое другое. Самое главное, что искусственный интеллект позволил людям и машинам эффективно работать вместе. И, вопреки прогнозам о скорой автоматизации производства, такое сотрудничество создает множество новых рабочих мест.
В Obeta, немецкой компании по оптовой торговле электроникой, складом которой управляет австрийская логистическая компания Knapp, люди обучают новое поколение роботов-сборщиков тому, как обращаться с предметами разного размера и материала.
В своей работе роботы пользуются стандартной механической рукой, присоской и системой технического зрения. Важно отметить, что они также оснащены программным обеспечением для искусственного интеллекта от Covariant, стартапа, базирующегося в Калифорнии.
Чтобы обучить робота, работники в Knapp кладут перед ним незнакомые предметы и смотрят, сможет ли он успешно адаптироваться к ним. В случае неудачи он обновляет информацию о том, что перед ним, и попробует использовать другие подходы. Когда ему все же удается, он получает одобрительный сигнал, запрограммированный людьми, чтобы закрепить обучение. Когда штрих код на товаре полностью отличается от уже запрограммированных штрих кодов, команда возвращается к началу. Они собирают и маркируют большое количество новой обучающей информации, точно так же как это происходит при методике глубокого обучения.
Благодаря программному обеспечению Covariant Brain роботы-сборщики компании Knapp приобрели новые универсальные способности, в том числе 3D-восприятие, понимание того, как можно перемещать объекты и манипулировать ими, способность планировать свои движения в реальном времени и выполнять задачу уже спустя несколько обучающих примеров («few-shot learning»). Все это позволило им выполнять свою работу — забирать товары из общего хранилища и добавлять их в отдельные заказы — без указаний от людей. Очень часто предметы не были предварительно классифицированы, что необычно для системы промышленной упаковки. Это означает, что роботы научились обращаться с такими товарами в режиме реального времени. Это очень важный навык при работе с электроникой, особенно если учесть, что обращение с лампочкой и плитой требует разного подхода.
Чтобы добиться успеха в коммерческой среде, роботы должны работать на очень высоком уровне. Раньше роботы-сборщики Knapp хорошо показали себя только с 15% объектов; Роботы на программном обеспечении Covariant теперь надежно справляются с примерно 95% объектов. Так же они работают быстрее людей, доставляя около 600 объектов в час, тогда как у людей выходит лишь 450. Тем не менее, роботы не стали причиной увольнения персонала на объекте Obeta. Вместо того чтобы потерять свое место, рабочие прошли переподготовку, дабы больше разбираться в робототехнике и компьютерах.
Чтобы обучить робота, работники в Knapp кладут перед ним незнакомые предметы и смотрят, сможет ли он успешно адаптироваться к ним. В случае неудачи он обновляет информацию о том, что перед ним, и попробует использовать другие подходы. Когда ему все же удается, он получает одобрительный сигнал, запрограммированный людьми, чтобы закрепить обучение. Когда штрих код на товаре полностью отличается от уже запрограммированных штрих кодов, команда возвращается к началу. Они собирают и маркируют большое количество новой обучающей информации, точно так же как это происходит при методике глубокого обучения.
Благодаря программному обеспечению Covariant Brain роботы-сборщики компании Knapp приобрели новые универсальные способности, в том числе 3D-восприятие, понимание того, как можно перемещать объекты и манипулировать ими, способность планировать свои движения в реальном времени и выполнять задачу уже спустя несколько обучающих примеров («few-shot learning»). Все это позволило им выполнять свою работу — забирать товары из общего хранилища и добавлять их в отдельные заказы — без указаний от людей. Очень часто предметы не были предварительно классифицированы, что необычно для системы промышленной упаковки. Это означает, что роботы научились обращаться с такими товарами в режиме реального времени. Это очень важный навык при работе с электроникой, особенно если учесть, что обращение с лампочкой и плитой требует разного подхода.
Чтобы добиться успеха в коммерческой среде, роботы должны работать на очень высоком уровне. Раньше роботы-сборщики Knapp хорошо показали себя только с 15% объектов; Роботы на программном обеспечении Covariant теперь надежно справляются с примерно 95% объектов. Так же они работают быстрее людей, доставляя около 600 объектов в час, тогда как у людей выходит лишь 450. Тем не менее, роботы не стали причиной увольнения персонала на объекте Obeta. Вместо того чтобы потерять свое место, рабочие прошли переподготовку, дабы больше разбираться в робототехнике и компьютерах.
Работа с данными: Вместо того чтобы копить, научитесь ими управлять
В 2018 году McDonald’s переживал один из самых сложных периодов за последние десятилетия. Его конкуренты использовали онлайн-доставку, чтобы обойти компанию на рынке быстрого питания.
В 2018 году McDonald’s переживал один из самых сложных периодов за последние десятилетия. Его конкуренты использовали онлайн-доставку, чтобы обойти компанию на рынке быстрого питания.
Руководство быстро разработало решение проблемы с онлайн-доставкой благодаря глобальному сотрудничеству с онлайн-платформой Uber Eats, увеличив к 2019 году годовой объем продаж на 4 миллиарда долларов. Но высшее руководство знало, что долгосрочное будущее компании зависит полного изменения системы управления данными. Это означало, что компания должна придумать, как преобразовать свои рестораны в огромные хранилища данных, дополненные ИИ и мобильными технологиями, чтобы обеспечить поддержку персонализированных заказов клиентов и информацию о доставке. Анализ данных также смог помочь рассчитать, как внешние факторы, от погоды до крупных спортивных мероприятий, повлияют на спрос и способность ресторанов к обслуживанию. А сбор и обработка данных стали важны для разработки новых продуктов и идей, которые смогли бы в скором времени стать невероятно успешными. В течение двух лет усилия по преобразованию принесли финансовые результаты: немногие компании из S&P 500 превзошли McDonald’s. Руководство признало, что собранные данные являются источником ценного капитала, который необходимо было стратегически использовать.
Чтобы освоить использование «больших» и «малых» данных для извлечения наибольшей выгоды из ИИ, организации должны сначала заложить прочную основу. Доступ к бизнес-данным часто заблокирован на устаревших локальных платформах, что затрудняет, если не делает невозможным, для сотрудников организовать совместную работу с различными типами данных. Это еще больше усложняет бизнес-пользователям поиск и обработку нужной информации для принятия в дальнейшем правильных решений. Для создания надежной базы данных требуется извлечь информацию из устаревших хранилищ, чтобы ее можно было объединить и надежно оберегать, а так же легко получать к ней доступ и без труда анализировать с помощью новых инструментов — и все это используя облако.
Ключевыми мы выделили три решения: современная система обработки данных, управление данными с помощью искусственного интеллекта и демократизация информации.
Чтобы освоить использование «больших» и «малых» данных для извлечения наибольшей выгоды из ИИ, организации должны сначала заложить прочную основу. Доступ к бизнес-данным часто заблокирован на устаревших локальных платформах, что затрудняет, если не делает невозможным, для сотрудников организовать совместную работу с различными типами данных. Это еще больше усложняет бизнес-пользователям поиск и обработку нужной информации для принятия в дальнейшем правильных решений. Для создания надежной базы данных требуется извлечь информацию из устаревших хранилищ, чтобы ее можно было объединить и надежно оберегать, а так же легко получать к ней доступ и без труда анализировать с помощью новых инструментов — и все это используя облако.
Ключевыми мы выделили три решения: современная система обработки данных, управление данными с помощью искусственного интеллекта и демократизация информации.
- Современная система обработки данных.На надежной облачной системе данные поступают из множества внутренних и внешних источников. Информация объединяется в тщательно просматриваемые и многократно используемые наборы данных, которые могут быть задействованы в работе с различными аналитическими целями. Хорошее хранилище данных полагается на платформы для приема информации и ETL, которые могут поддерживать различные типы данных. Эти системы также закладывают правила стандартизации информации, ее классификации, подбора качественных данных и сбора метаданных. Кроме того, они обеспечивают более быстрый шаблонный подход к использованию данных, что позволяет инженерам за короткое время разрабатывать новые аналитические варианты и большее количество информации.
- Управление данными с помощью ИИ.Облачные инструменты искусственного интеллекта предлагают расширение возможностей и эффективности для механизмов автоматической очистки, классификации и защиты данных, собираемых в облаке, по мере их поступления, что обеспечивает повышение качества данных, уровень их достоверности и правильную обработку.
- Демократизация информации.Современная информационная база позволяет передавать больше данных большему количеству человек. Это делает информацию доступной и удобной для своевременного использования, предоставляя при этом множество способов для ее анализа, в том числе с помощью самообслуживания, искусственного интеллекта, бизнес-аналитики и науки о данных. Новейшие облачные инструменты демократизируют данные и позволяют большему числу сотрудников легко находить и использовать информацию, которая имеет отношение к их конкретным бизнес-потребностям.
Вместе эти три возможности помогают компаниям преодолеть некоторые из наиболее распространенных препятствий на пути к извлечению пользы из имеющихся данных: недоступность, ненадежностью, неготовность к использованию и несвоевременность. Они так же позволяют компаниям в режиме реального времени объединять элементы из больших и малых наборов данных, создавать отчеты типа Agile и применять искусственный интеллект для создания общедоступной информации о клиентах, рынках и операциях, которые обеспечивают значимые результаты в бизнесе.
Имея надежную базу данных — а это означает, что вы постоянно получаете больше данных из большего количества источников с помощью ИИ и хорошей связи между отделами в вашей организации — вы больше не будете расстроены количеством неотсортированной информации, а сможете максимально использовать ее потенциал. Вы можете использовать эту базу данных во все более и более значимых и сложных для выполнения целях, но, как и в случае с человеческим интеллектом, это потребует большего участия от ваших работников.
Имея надежную базу данных — а это означает, что вы постоянно получаете больше данных из большего количества источников с помощью ИИ и хорошей связи между отделами в вашей организации — вы больше не будете расстроены количеством неотсортированной информации, а сможете максимально использовать ее потенциал. Вы можете использовать эту базу данных во все более и более значимых и сложных для выполнения целях, но, как и в случае с человеческим интеллектом, это потребует большего участия от ваших работников.
Опыт: Раскройте талант ваших сотрудников
Девиз Etsy, онлайн-рынка для старинных товаров и товаров ручной работы, звучит так: «Даже в коммерции не забывайте о человеческом факторе». Потребовались люди, чтобы научить поисковую систему компании понимать, в чем же разгадка многих решений при покупке.
Девиз Etsy, онлайн-рынка для старинных товаров и товаров ручной работы, звучит так: «Даже в коммерции не забывайте о человеческом факторе». Потребовались люди, чтобы научить поисковую систему компании понимать, в чем же разгадка многих решений при покупке.
Ею оказался эстетический вкус покупателя. Рассматривая товар во время шоппинга, клиенты Etsy обращают внимание не только на такие детали, как его размер, материал, цена и отзывы, но также на его стилистические и эстетические аспекты.
Компания считает, что классификация предметов по стилю особенно сложна. Большинство продуктов на их сайте являются единственными в своем роде творениями. Многие товары принадлежат сразу к нескольким стилям, а другие вообще не демонстрируют четко идентифицируемого. В данный момент компания предлагает около 50 миллионов различных товаров. В прошлом рекомендательные системы, основанные на стилях, предлагали странно подобранный ряд продуктов для некоторых покупателей. Это происходило потому что ИИ предположил, что два предмета похожи по стилю, если они часто покупаются вместе представители одной демографической группы. Другой подход использовал примитивные признаки, такие как цвет и материал, для группировки товаров по стилю. Ни один из методов не смог дать ответ как стиль влияет на решения о покупке.
Кто сможет лучше обучить ИИ субъективным представлениям о стиле, если не эксперты по мерчендайзингу в Etsy? Основываясь на своем опыте, они разработали 42 стилевые метки, которые отражают вкус покупателей в 15 товарных категориях, от украшений до игрушек и товаров, сделанных своими руками. Некоторые метки знакомы покупателям из мира искусства (такие направления как «арт-нуво», «ар-деко»). Некоторые называют эмоции («веселье и юмор», «вдохновение»). Мерчендайзеры составили список из 130000 товаров, распределенных по этим 42 стилям.
Затем компания направила свои технологии на покупателей, которые во время поиска используют термины, связанные со стилем, набирая такие вещи, как «сервант в стиле ар-деко». Для каждого такого запроса Etsy присваивала выбранное имя стиля каждому элементу, который пользователь просматривал, добавлял в «избранное» или покупал во время своего поиска. Всего за один месяц таких запросов компания смогла собрать размеченный набор данных из 3 миллионов экземпляров, на которых могла протестировать свои классификации стилей. Затем инженеры компании научили нейросеть использовать текстовые и визуальные подсказки, чтобы наилучшим образом различать эти классификации для поиска каждого элемента. Результатом стала классификация всех 50 миллионов активных товаров на Etsy.com.
Кто сможет лучше обучить ИИ субъективным представлениям о стиле, если не эксперты по мерчендайзингу в Etsy? Основываясь на своем опыте, они разработали 42 стилевые метки, которые отражают вкус покупателей в 15 товарных категориях, от украшений до игрушек и товаров, сделанных своими руками. Некоторые метки знакомы покупателям из мира искусства (такие направления как «арт-нуво», «ар-деко»). Некоторые называют эмоции («веселье и юмор», «вдохновение»). Мерчендайзеры составили список из 130000 товаров, распределенных по этим 42 стилям.
Затем компания направила свои технологии на покупателей, которые во время поиска используют термины, связанные со стилем, набирая такие вещи, как «сервант в стиле ар-деко». Для каждого такого запроса Etsy присваивала выбранное имя стиля каждому элементу, который пользователь просматривал, добавлял в «избранное» или покупал во время своего поиска. Всего за один месяц таких запросов компания смогла собрать размеченный набор данных из 3 миллионов экземпляров, на которых могла протестировать свои классификации стилей. Затем инженеры компании научили нейросеть использовать текстовые и визуальные подсказки, чтобы наилучшим образом различать эти классификации для поиска каждого элемента. Результатом стала классификация всех 50 миллионов активных товаров на Etsy.com.
Алгоритм стал особенно полезным, когда разразилась пандемия Covid-19, и нарушились цепочки поставок компаний массового производства. Многие покупатели обратились к Etsy за столь необходимым тогда товаром: масками. Среди самых продаваемых в этой категории были маски, адаптированные к эстетическим предпочтениям клиентов, у которых была возможность указать желаемый дизайн — горошек, цветочные узоры, мордочки животных или что-то еще. Продажи масок выросли практически с нуля в начале апреля 2020 года до примерно 740 миллионов долларов к концу года. Выручка компании за это время увеличилась более чем вдвое, а ее рыночная стоимость выросла до 22 миллиардов долларов. Генеральный директор Etsy Джош Сильверман заявил, что секрет заключался в том, чтобы позволить покупателям найти маску, «которая выражала бы их чувство вкуса и стиля».
Машинное обучение раскроет часто неиспользуемый опыт компании, что позволит гораздо большему количеству ваших работников использовать ИИ новыми и более изощренными способами. Благодаря тому, что его можно подкорректировать под вашу бизнес-ситуацию, ИИ открывает дверь для использования реальных инноваций и наибольших преимуществ. Вы прекратите играть в догонялки с технологиями. Обучение ИИ человеком особенно эффективно в случаях, когда существует мало или совсем нет помеченных данных для алгоритмов обучения, что часто бывает, когда потребности отрасли или компании очень специфичны.
Чтобы получить максимальную пользу и от системы и от сотрудников, организации должны переосмыслить то, как обыватели и специалисты взаимодействуют с машинами. Вы можете начать с предоставления экспертам по бизнес-доменам практических знаний об ИИ, чтобы они могли эффективно передать свой опыт в процессы и технологии компании. Знакомство с основами искусственного интеллекта также поможет им разработать творческие способы применения его в бизнесе.
Чтобы получить максимальную пользу и от системы и от сотрудников, организации должны переосмыслить то, как обыватели и специалисты взаимодействуют с машинами. Вы можете начать с предоставления экспертам по бизнес-доменам практических знаний об ИИ, чтобы они могли эффективно передать свой опыт в процессы и технологии компании. Знакомство с основами искусственного интеллекта также поможет им разработать творческие способы применения его в бизнесе.
Архитектура: Создание адаптируемых живых систем
Архитектуры унаследованных систем жестко разграничены, сохраняя барьеры между сферами бизнеса, географическими регионами, каналами продаж и функциями. Они жесткие, неспособные адаптироваться к создающимся умным технологиям или приспосабливаться к новым стратегиям, изменяющимся рыночным условиям и новым операционным возможностям. Вот почему инновационные проекты многих компаний не способны двигаться дальше.
На сегодняшний день быстрые преобразования и внезапный приток новых технологий выдвинули ИТ-архитектуру на первое место. В то время как отстающие не могут ухватиться за возможности, предлагаемые ИТ-инновациями, лидеры адаптируют широкий спектр новейших информационных технологий и объединяют их в то, что мы называем живыми системами, потому что в них нет ограничений, они адаптируемы и в высшей степени очеловечены.
Под «не ограничений» мы подразумеваем, что они разрушают барьеры — внутри ИТ-стека, между компаниями, использующими облачные платформы для управления сетевым эффектом, и между людьми и машинами, — предоставляя компаниям безграничные возможности для улучшения своей работы. Под «адаптируемостью» мы подразумеваем, что системы, основанные благодаря прорывам в области работы с данными и интеллектуальными технологиями, быстро адаптируются к изменениям в мире бизнеса и технологий, сводя к минимуму их противоречия, масштабируя инновации, а также обучаясь и совершенствуясь. Когда мы описываем системы как «в высшей степени очеловеченные», мы имеем в виду, что они смоделированы на основе человеческого мозга и поведения и способны слушать, видеть, говорить и понимать более приближено к человеческому уровню, в отличие от интеллектуальных технологий предыдущих поколений.
Архитектуры унаследованных систем жестко разграничены, сохраняя барьеры между сферами бизнеса, географическими регионами, каналами продаж и функциями. Они жесткие, неспособные адаптироваться к создающимся умным технологиям или приспосабливаться к новым стратегиям, изменяющимся рыночным условиям и новым операционным возможностям. Вот почему инновационные проекты многих компаний не способны двигаться дальше.
На сегодняшний день быстрые преобразования и внезапный приток новых технологий выдвинули ИТ-архитектуру на первое место. В то время как отстающие не могут ухватиться за возможности, предлагаемые ИТ-инновациями, лидеры адаптируют широкий спектр новейших информационных технологий и объединяют их в то, что мы называем живыми системами, потому что в них нет ограничений, они адаптируемы и в высшей степени очеловечены.
Под «не ограничений» мы подразумеваем, что они разрушают барьеры — внутри ИТ-стека, между компаниями, использующими облачные платформы для управления сетевым эффектом, и между людьми и машинами, — предоставляя компаниям безграничные возможности для улучшения своей работы. Под «адаптируемостью» мы подразумеваем, что системы, основанные благодаря прорывам в области работы с данными и интеллектуальными технологиями, быстро адаптируются к изменениям в мире бизнеса и технологий, сводя к минимуму их противоречия, масштабируя инновации, а также обучаясь и совершенствуясь. Когда мы описываем системы как «в высшей степени очеловеченные», мы имеем в виду, что они смоделированы на основе человеческого мозга и поведения и способны слушать, видеть, говорить и понимать более приближено к человеческому уровню, в отличие от интеллектуальных технологий предыдущих поколений.
Рассмотрим компанию L.L.Bean, продавца с 110-летним наследием, которое включает в себя классическую одежду, прочное снаряжение для активного отдыха и глубокую приверженность к удовлетворению потребностей клиентов.
В последние годы, по мере того как компания все чаще обращалась к клиентам различными путями — через печатные издания, обычные магазины, компьютерные и мобильные веб-сайты, электронную почту и социальные сети, — ей мешало новое наследие: громоздкая ИТ-система, часть которой использовалась уже в течение двух десятилетий. Большая часть системы состояла из локальных мэйнфреймов и распределенных серверов. Различные платформы, слабо связанные между собой, поддерживали каналы клиентов, каждый из которых работал в отдельных приложениях. Обеспечить бесперебойное взаимодействие с клиентами по всем каналам было практически невозможно. И вместо того, чтобы сосредоточиться на клиентах, ИТ-персонал должен был тратить время на управление инфраструктурой системы.
Между тем, согласно исследованию, опубликованному на HBR.org, 73% потребителей в США пользовались несколькими каналами для совершения покупок. Исследование также показало, что такие покупатели тратят больше денег, чем те, кто пользуется лишь одним каналом, — в среднем на 4% больше при каждом походе в магазин и на 10% больше при покупке в Интернете. Кроме того, многоканальные покупатели также были более лояльны и с большей вероятностью рекомендовали любимого продавца друзьям и семье.
Чтобы успешно конкурировать на рынке в эпоху таких гигантов как, например, Amazon, компании L.L.Bean необходимо было предложить покупателям хороший многоканальный сервис, с которым не смогут сравниться ритейлеры, занимающиеся только онлайн продажами. Поэтому компания отделила самые важные приложения от своей устаревшей ИТ-системы и разместила их в облаке Google. Теперь ИТ-команда сможет интегрировать данные из нескольких систем, эффективнее справляться с пиковыми нагрузками на веб-сайты и быстрее предоставлять клиентам новые обновления. Поскольку архитектура облака постоянно оптимизируется в фоновом режиме, разработчики интерфейса компании тратят меньше времени на управление ею, вместо этого экспериментируя с программным обеспечением Agile и его новыми функциями, запуская их по завершению тестов. А благодаря гибкой архитектуре внешнего интерфейса, которая, находясь в облаке, отделена от устаревшей системы, компания может легко, быстро и с минимальными затратами наращивать потенциал в периоды пиковой нагрузки и уменьшать его в более спокойные периоды. Эта способность быстро реагировать на изменяющиеся условия является одним из наиболее важных преимуществ живых систем.
Между тем, согласно исследованию, опубликованному на HBR.org, 73% потребителей в США пользовались несколькими каналами для совершения покупок. Исследование также показало, что такие покупатели тратят больше денег, чем те, кто пользуется лишь одним каналом, — в среднем на 4% больше при каждом походе в магазин и на 10% больше при покупке в Интернете. Кроме того, многоканальные покупатели также были более лояльны и с большей вероятностью рекомендовали любимого продавца друзьям и семье.
Чтобы успешно конкурировать на рынке в эпоху таких гигантов как, например, Amazon, компании L.L.Bean необходимо было предложить покупателям хороший многоканальный сервис, с которым не смогут сравниться ритейлеры, занимающиеся только онлайн продажами. Поэтому компания отделила самые важные приложения от своей устаревшей ИТ-системы и разместила их в облаке Google. Теперь ИТ-команда сможет интегрировать данные из нескольких систем, эффективнее справляться с пиковыми нагрузками на веб-сайты и быстрее предоставлять клиентам новые обновления. Поскольку архитектура облака постоянно оптимизируется в фоновом режиме, разработчики интерфейса компании тратят меньше времени на управление ею, вместо этого экспериментируя с программным обеспечением Agile и его новыми функциями, запуская их по завершению тестов. А благодаря гибкой архитектуре внешнего интерфейса, которая, находясь в облаке, отделена от устаревшей системы, компания может легко, быстро и с минимальными затратами наращивать потенциал в периоды пиковой нагрузки и уменьшать его в более спокойные периоды. Эта способность быстро реагировать на изменяющиеся условия является одним из наиболее важных преимуществ живых систем.
Путь к такому будущему будет определяться решением, которое ваша компания примет в рамках технологического стека. Вы должны перейти к более ориентированным на человека подходам к работе с искусственным интеллектом и автоматизацией. Вы можете начать с увеличения инвестиций в такие ключевые технологии как облачные вычисления, анализ данных и мобильность приложений. Вы можете переосмыслить свой подход к разработке приложений так, чтобы использовать облачные преимущества и микросервисы, и в конечном итоге достичь той гибкости, которую они открывают. Вы можете сосредоточиться на создании компонентов, которые можно было многократно использовать и которые помогают достичь максимальной выгоды, вместо того, чтобы сделать вас максимально неконкурентоспособным. Организации, которые успешно сочетают свои бизнес- и технологические стратегии, смогут разрабатывать уникальные предложения с беспрецедентной гибкостью.
Стратегия: На сегодняшний день все мы стали технологическими компаниями
Уже на протяжении более двух десятилетий Ocado, крупнейший в мире продуктовый интернет-магазин, разрабатывает одни из самых передовых в мире технологий в области искусственного интеллекта, машинного обучения, робототехники, облачных технологий, концепции «Интернета вещей» (IoT), симуляций и моделирования. Все их разработки являются бесценной интеллектуальной собственностью, включающей более 150 патентов, не говоря о сотне, которые еще ожидают рассмотрения.
Достижения Ocado в области интеллектуальной собственности особенно примечательны, поскольку продуктовая промышленность является одной из сред с самыми высокими требованиями, которые только можно себе представить. Это крупнейшая в мире сфера розничной торговли, а также не одна из самых простых: в отличие от книг, DVD-дисков или многих других товаров, продукты питания имеют самые разные сроки годности и требования к температуре хранения. Попробуйте перенести эти сложности в онлайн-пространство, где клиенты, разбросанные по всей стране, требуют точного выполнения заказов по выгодной для них цене, и количество проблем возрастает в геометрической прогрессии.
Уже на протяжении более двух десятилетий Ocado, крупнейший в мире продуктовый интернет-магазин, разрабатывает одни из самых передовых в мире технологий в области искусственного интеллекта, машинного обучения, робототехники, облачных технологий, концепции «Интернета вещей» (IoT), симуляций и моделирования. Все их разработки являются бесценной интеллектуальной собственностью, включающей более 150 патентов, не говоря о сотне, которые еще ожидают рассмотрения.
Достижения Ocado в области интеллектуальной собственности особенно примечательны, поскольку продуктовая промышленность является одной из сред с самыми высокими требованиями, которые только можно себе представить. Это крупнейшая в мире сфера розничной торговли, а также не одна из самых простых: в отличие от книг, DVD-дисков или многих других товаров, продукты питания имеют самые разные сроки годности и требования к температуре хранения. Попробуйте перенести эти сложности в онлайн-пространство, где клиенты, разбросанные по всей стране, требуют точного выполнения заказов по выгодной для них цене, и количество проблем возрастает в геометрической прогрессии.
Основанная в 2000 году, компания Ocado из трех человек в однокомнатном офисе в Лондоне переросла в бизнес с более чем 18 500 сотрудниками, обслуживающими сотни тысяч клиентов по всей Великобритании.
Центры обслуживания клиентов Ocado могут похвастаться наличием одними из самых передовых технологий по упаковке продуктов в мире. Их типичный центр обслуживания размером примерно с футбольное поле. Внутри него сотни роботов, связывающихся друг с другом по сети 4G, вращаются вокруг трехэтажной алюминиевой решетки, называемой Улей.
Используя технологию роевого интеллекта, которая координирует работу группы автономных роботов для выполнения задач, роботы размером с посудомоечную машину двигаются со скоростью почти 15 километров в час, поднимая ящики с продуктами своими механическими руками. Они либо перемещают ящики в другое место (согласно алгоритму, основанному на том, как часто производится покупка того или иного товара), либо сбрасывают их по желобу на пункт сбора. Два центра управления, в которых работают сотрудники, расположены в каждом центре обслуживания, следя за роботами, чтобы их сложный «танец» не перерос в столкновения. Сотрудники в виде людей также выполняют большую часть работы на конвейерах для комплектации: они просматривают заказ клиента на экране, выбирают подходящие товары из стоящих перед ними ящиков с продуктами и кладут их в сумки для покупок, которые роботы помещают в другой ящик. Затем ящики с продуктами отправляются обратно в сетку для дополнения, а ящики с заказами клиентов направляются на погрузку. Заказ из 50 товаров может быть выполнен всего за пять минут.
Компания могла бы почивать на лаврах как успешный онлайн-магазин, но она приняла стратегическое решение о дальнейшем расширении своего технического опыта. В 2015 году компания создала платформу Ocado Smart Platform, сочетающую в себе комплексную систему электронной торговли, логистики и технологии роевого интеллекта, которую другие компании по всему миру используют для управления собственным продуктовым онлайн-бизнесом. Платформа позволяет им прибыльно воспроизводить модель торговли Ocado в своих регионах и в больших масштабах.
Платформа Ocado Smart Platform, работающая в облаке, предоставляет функции отслежевания запасов на складах в режиме реального времени, обработки заказов вплоть до последней минуты и умной маршрутизации фургонов доставки. Продавцы могут предложить клиентам мобильный доступ к своим сайтам через приложение. Облако же предоставляет Ocado гибкую, изменяемую архитектуру, которая реагирует на всплески потребительского спроса с как можно меньшими финансовыми потерями. Оно также повышает гибкость в области разработки. Инженеры Ocado могут протестировать новые идеи, не беря на себя предварительных обязательств по изменению в инфраструктуре. Так они смогут довести идеи от стадии концепции до стадии производства менее чем за час. Компания также может собрать данные из сотен микросервисов в хранилище данных, которое поддерживает ИИ во всей инфраструктуре.
Используя технологию роевого интеллекта, которая координирует работу группы автономных роботов для выполнения задач, роботы размером с посудомоечную машину двигаются со скоростью почти 15 километров в час, поднимая ящики с продуктами своими механическими руками. Они либо перемещают ящики в другое место (согласно алгоритму, основанному на том, как часто производится покупка того или иного товара), либо сбрасывают их по желобу на пункт сбора. Два центра управления, в которых работают сотрудники, расположены в каждом центре обслуживания, следя за роботами, чтобы их сложный «танец» не перерос в столкновения. Сотрудники в виде людей также выполняют большую часть работы на конвейерах для комплектации: они просматривают заказ клиента на экране, выбирают подходящие товары из стоящих перед ними ящиков с продуктами и кладут их в сумки для покупок, которые роботы помещают в другой ящик. Затем ящики с продуктами отправляются обратно в сетку для дополнения, а ящики с заказами клиентов направляются на погрузку. Заказ из 50 товаров может быть выполнен всего за пять минут.
Компания могла бы почивать на лаврах как успешный онлайн-магазин, но она приняла стратегическое решение о дальнейшем расширении своего технического опыта. В 2015 году компания создала платформу Ocado Smart Platform, сочетающую в себе комплексную систему электронной торговли, логистики и технологии роевого интеллекта, которую другие компании по всему миру используют для управления собственным продуктовым онлайн-бизнесом. Платформа позволяет им прибыльно воспроизводить модель торговли Ocado в своих регионах и в больших масштабах.
Платформа Ocado Smart Platform, работающая в облаке, предоставляет функции отслежевания запасов на складах в режиме реального времени, обработки заказов вплоть до последней минуты и умной маршрутизации фургонов доставки. Продавцы могут предложить клиентам мобильный доступ к своим сайтам через приложение. Облако же предоставляет Ocado гибкую, изменяемую архитектуру, которая реагирует на всплески потребительского спроса с как можно меньшими финансовыми потерями. Оно также повышает гибкость в области разработки. Инженеры Ocado могут протестировать новые идеи, не беря на себя предварительных обязательств по изменению в инфраструктуре. Так они смогут довести идеи от стадии концепции до стадии производства менее чем за час. Компания также может собрать данные из сотен микросервисов в хранилище данных, которое поддерживает ИИ во всей инфраструктуре.
Опробовать данную платформу решились продуктовые ритейлеры по всему миру. В течение следующих нескольких лет компания Kroger планирует построить 20 автоматизированных центров обслуживания вместе с Ocado. Платформа также была принята Sobeys (исключительно в Канаде), ICA (в Швеции), Groupe Casino (во Франции), Bon Preu (в Испании) и Aeon (в Японии). Другая технологическая стратегия Ocado может быть применена к любой отрасли. Роботы компании выполняют основные задачи — подъем, перемещение, сортировку — которые могут быть полезны во многих производственных средах.
Совсем скоро роботы расширят свой лимит действий. Недавно компания приступила к проекту по разработке «мягких рук» для роботов, которые вскоре смогут поднимать практически любой хрупкий предмет (например, свежие фрукты), не повреждая его. Такой навык будет востребован во многих производственных отраслях.
Немногие компании сочетают стратегию и технологии так всесторонне, как это делает Ocado. Компания не только придумала, как использовать автоматизацию для улучшения собственных операций, но и сделала полученные результаты широко доступными для других. Она превратилась в компанию, занимающуюся как розничной торговлей продовольственными товарами, так и технологиями, и блестяще адаптировала свою бизнес-стратегию для удовлетворения нового рыночного спроса.
Как и Ocado, другие компании тоже переняли новые подходы к преобразованию машинного интеллекта, данных, опыта и архитектуры и вплели их в собственные бизнес-стратегии, столь же разнообразные, как и отрасли, в которых они конкурируют. Один шаблон не подойдет всем. Внедрение связанной с технологиями стратегии требует двух несколько противоречивых вещей: предусмотрительности и скорости. Инвестиции в технологии должны быть введены исходя из тщательно продуманного логического плана. Тем не менее, не следует забывать о том, что, кто не рискует, тот не пьет шампанское.
После очевидного успеха очеловеченных технологических инноваций, основанных на структуре IDEAS, задачей станет осторожное движение вперед.
Немногие компании сочетают стратегию и технологии так всесторонне, как это делает Ocado. Компания не только придумала, как использовать автоматизацию для улучшения собственных операций, но и сделала полученные результаты широко доступными для других. Она превратилась в компанию, занимающуюся как розничной торговлей продовольственными товарами, так и технологиями, и блестяще адаптировала свою бизнес-стратегию для удовлетворения нового рыночного спроса.
Как и Ocado, другие компании тоже переняли новые подходы к преобразованию машинного интеллекта, данных, опыта и архитектуры и вплели их в собственные бизнес-стратегии, столь же разнообразные, как и отрасли, в которых они конкурируют. Один шаблон не подойдет всем. Внедрение связанной с технологиями стратегии требует двух несколько противоречивых вещей: предусмотрительности и скорости. Инвестиции в технологии должны быть введены исходя из тщательно продуманного логического плана. Тем не менее, не следует забывать о том, что, кто не рискует, тот не пьет шампанское.
После очевидного успеха очеловеченных технологических инноваций, основанных на структуре IDEAS, задачей станет осторожное движение вперед.
Будущее наступило гораздо раньше, чем мы того ожидали, и оно требует мудрого и быстрого освоения новых подходов к только появляющимся инновациям. ИИ уже повсюду — от доставки продуктов до фаст-фуда, от розничной торговли товарами ручной работы до НФЛ. ИИ помогает предприятиям работать так, как большинство из нас раньше даже не могли себе представить, и он будет продолжать это делать, но только если люди будут указывать путь. Наша структура предоставляет четкие ориентиры для компаний, которые готовы начать.
Больше полезных статей в рассылке
Подписка в один клик, никакого спама
Наши контакты
Error get alias