Хотя эффективность является важным источником ценности ИИ, это лишь часть общей картины.
Делиться
Большинство компаний оценивают ценность ИИ неправильно. Вместо вопроса «Какие новые возможности это открывает?», разговор быстро переходит к вопросам типа: Сколько часов мы можем сэкономить? Сколько людей это может заменить? Хотя эффективность является важным источником ценности ИИ, это лишь часть картины. Многие успешные системы ИИ в первую очередь не заменяют человеческий труд (а те, которые это делают, скорее вызовут сопротивление, чем энтузиазм). Вместо этого они модернизируют существующие рабочие процессы, расширяют возможности человека или открывают совершенно новые возможности для бизнеса. Например, помощник в службе поддержки клиентов может не сократить штат, но при этом значительно улучшить качество решения проблем и пользовательский опыт. Попытка оценить его только с точки зрения эффективности — бесперспективная.
В данной статье анализируется создание ценности в рамках трех типов возможностей, связанных с искусственным интеллектом:
- Автоматизация: Искусственный интеллект заменяет оперативные задачи, ранее выполняемые людьми.
- Расширение возможностей: Искусственный интеллект помогает людям выполнять сложные задачи и принимать более взвешенные решения.
- Инновации: Искусственный интеллект открывает новые возможности, продукты или операционные модели.
Анализ более чем 200 примеров использования ИИ, собранных в нашем AI Radar, показывает, что ценность ИИ проявляется в девяти областях эффективности, которые можно сгруппировать в три категории: улучшение процессов, улучшение возможностей и финансовые результаты (см. Таблицу 1). Время имеет значение — ценность ИИ редко проявляется в один этап, а возникает цепочкой, начиная с улучшения процессов и возможностей и в конечном итоге отражаясь на финансовых результатах.
Давайте рассмотрим, как возникает ценность для каждого типа возможностей и на чем следует сосредоточиться, чтобы ее максимизировать.
Автоматизация
В автоматизации система берет на себя выполнение существующей задачи с минимальным участием человека. Это особенно полезно, когда необходимо быстро и последовательно принимать большие объемы схожих решений. Система ИИ оценивает структурированные входные данные и выдает классификации или решения в больших масштабах. Участие человека может по-прежнему компенсировать неточности ИИ с помощью двух механизмов:
- Проверка : Люди могут одобрить или отклонить результаты работы ИИ после их проверки.
- Эскалация : ИИ обрабатывает типичные случаи, в которых он уверен на высоком уровне, передавая более сложные случаи человеку.
Однако конечная цель инициатив по автоматизации — полное исключение ручного труда из процесса. Поэтому главная проблема — это надежность: сможет ли система выполнять задачу достаточно точно, чтобы исключить участие человека в рутинном исполнении?
В качестве примера рассмотрим обнаружение мошенничества в финансовых транзакциях. Банки обрабатывают миллионы транзакций каждый день. Системы искусственного интеллекта могут анализировать эти потоки в режиме реального времени и выявлять подозрительные закономерности. Большинство транзакций проходят автоматически, в то время как небольшая часть передается аналитикам для дальнейшего расследования. Таким образом, система выполняет оперативную проверку, в то время как эксперты сосредотачиваются на неоднозначных или высокорискованных случаях.
Там, где возникает ценность
Автоматизация — это наиболее интуитивно понятная форма ценности ИИ: если исчезает часть работы, выполняемой человеком, влияние легко поддается количественной оценке и измерению.
Опережающие индикаторы
Первым признаком обычно является повышение эффективности . В нашем примере, после внедрения системы обнаружения мошенничества, большинство транзакций можно проверять непрерывно без ручного вмешательства. Это позволяет организациям обрабатывать большие объемы транзакций с гораздо меньшими трудозатратами.
Предостережение : При оценке повышения эффективности важно не предполагать идеальной работы. Ваша система искусственного интеллекта, скорее всего, все равно будет совершать ошибки. Усилия по поиску и исправлению этих ошибок означают дополнительные затраты, которые необходимо вычесть из вашего уравнения ценности.
Вторым важным показателем является скорость получения информации . Подозрительные транзакции можно обнаружить немедленно, а не после отложенного ручного анализа, что позволяет следователям быстрее реагировать и снижать потенциальный ущерб в будущем.
Запаздывающие индикаторы
Со временем более эффективный процесс приводит к экономии затрат и улучшению показателей в области управления рисками и соблюдения нормативных требований . Автоматизация также повышает масштабируемость — по мере обработки системой все больших объемов транзакций организации могут масштабировать свою деятельность без расширения групп по расследованию.
Стратегическая ценность
Автоматизация редко обеспечивает устойчивое конкурентное преимущество. Как только технология становится широко доступной, конкуренты быстро её догоняют. Её реальная стратегическая роль носит основополагающий характер: автоматизация устраняет большой объём рутинной работы, улучшает условия труда сотрудников и высвобождает человеческие ресурсы для более сложных, творческих и стратегически важных задач.
Где ценность может быть усилена
Ценность систем автоматизации в первую очередь зависит от точности и надежности системы искусственного интеллекта, от которых зависит, насколько еще необходимо вмешательство человека. В качестве примера обнаружения мошенничества:
- Ключевым фактором является точность модели . Она определяет, насколько хорошо система отличает законные транзакции от мошеннических.
- Второй важный фактор — охват данных и бесперебойная обработка информации . Мошеннические схемы постоянно меняются, поэтому система должна обучаться на основе разнообразных и актуальных данных о транзакциях, включая обратную связь от следователей.
- Наконец, ценность системы зависит от точности решений о эскалации . Система должна определять, когда следует обрабатывать транзакцию автоматически, а когда необходимо привлечь аналитика-человека. Правильное определение этой границы имеет решающее значение: слишком много эскалаций снижает эффективность, а слишком мало — увеличивает риск.
На основе концепции системы искусственного интеллекта, на следующем рисунке представлена логика оценки систем автоматизации.
Для получения дополнительных примеров сценариев автоматизации ознакомьтесь с этими вариантами использования:
- Обработка счетов-фактур
- Обработка материалов
- Обработка багажа
- Знай своего клиента
Расширение
В сценарии расширения возможностей ИИ не полностью заменяет человеческий труд, а лишь помогает экспертам выполнять свою работу. Как правило, это сложные, многоэтапные задачи, где каждый этап может развиваться в разных направлениях в зависимости от результата предыдущего этапа.
Использование ИИ в UX-исследованиях иллюстрирует этот механизм. Компании собирают большие объемы отзывов пользователей посредством опросов, интервью, обзоров продуктов и т. д. Системы ИИ могут анализировать эти наборы данных, выявлять повторяющиеся темы и генерировать структурированные резюме. Команды разработчиков продуктов могут направлять анализ, интерпретировать полученные данные и преобразовывать их в проектные решения или приоритеты дорожной карты. Система ИИ расширяет объем информации, доступной для принятия решений, в то время как люди остаются ответственными за оценку и использование полученных данных.
Там, где возникает ценность
Ценность возникает благодаря более качественным решениям, которые в конечном итоге приводят к улучшению качества обслуживания клиентов и финансовым результатам.
Опережающие индикаторы
Распространенным опережающим индикатором является качество и точность , которые могут улучшаться по нескольким причинам:
- Когда искусственный интеллект берет на себя рутинные задачи, такие как обработка данных, эксперты могут уделять больше времени более глубокому анализу и оценке.
- Взаимодействие человека и ИИ делает процесс более итеративным: пользователи могут уточнять вопросы, изучать альтернативные точки зрения и при необходимости возвращаться к промежуточным результатам.
- Искусственный интеллект может выступать в роли беспристрастного оппонента, выявляя закономерности или аргументы, которые эксперт-человек мог бы упустить из виду, помогая уменьшить предвзятость и расширить аналитическую перспективу.
Второй показатель — скорость получения результатов. Поскольку ИИ берет на себя трудоемкие задачи обработки и анализа данных, эксперты могут работать с более крупными и разнообразными наборами данных и быстрее получать необходимые выводы.
Системы расширения функциональности также улучшают качество работы . Аналитики и менеджеры по продуктам тратят меньше времени на механические задачи и больше времени на интерпретацию полученных данных и преобразование их в креативные, действенные результаты.
Эти показатели носят качественный характер и их сложно измерить объективно. Доверие и согласованность между руководством, опытными пользователями и инженерным отделом имеют решающее значение для того, чтобы прийти к согласию относительно того, как должны выглядеть значимые улучшения и как их следует интерпретировать на практике.
Запаздывающие индикаторы
Со временем улучшение качества принимаемых решений приводит к более широким результатам для бизнеса. Более глубокое понимание ситуации ведет к улучшению продуктов, услуг и оперативных решений. В зависимости от контекста это может улучшить качество обслуживания клиентов , снизить операционные издержки и способствовать росту выручки за счет лучшего соответствия продукта рынку и более эффективного стратегического выбора.
В отличие от автоматизации, где финансовый эффект часто становится виден быстро, ценность расширения возможностей, как правило, возрастает косвенно за счет ряда улучшенных решений.
Стратегическая ценность
Расширение возможностей может создать значимые конкурентные преимущества, поскольку оно усиливает существующие таланты и экспертные знания в предметной области. Системы искусственного интеллекта позволяют экспертам анализировать большие объемы информации, более систематически проверять идеи и изучать альтернативные точки зрения. Организации, которые сочетают возможности ИИ с глубокими знаниями в предметной области, могут постепенно превратить это взаимодействие в мощное конкурентное преимущество.
Где ценность может быть усилена
В сфере дополненной реальности конечная цель состоит не в исключении человека из процесса, а в оптимизации разделения труда между человеком и машиной . Каждая сторона должна использовать свои сильные стороны, компенсируя при этом ограничения другой.
Наиболее важным рычагом для повышения ценности является проектирование взаимодействия человека и ИИ . В долгосрочной перспективе системы дополненной реальности внедряются только в том случае, если они органично интегрированы в поддерживаемые ими рабочие процессы. Поэтому аналитические данные должны появляться в момент принятия решений командами — например, во время обзоров продукта или планирования дорожной карты. Пользовательский интерфейс также должен быть очень гибким, чтобы рабочие процессы можно было корректировать на каждом этапе. Разговорные и агентные интерфейсы позволяют обеспечить такую универсальность.
Для более широкого внедрения системы расширения функциональности должны уметь извлекать и использовать соответствующий контекст и знания предметной области. Система должна «говорить на языке» своих пользователей, включая терминологию, метрики и концептуальные основы, которые структурируют их работу. Часто это требует структурированной обратной связи, посредством которой пользователи могут постепенно обогащать знания предметной области, используемые системой.
На рисунке ниже представлена сводная информация о создании и измерении ценности для систем расширения функциональности.
Для получения дополнительных примеров использования дополненной реальности ознакомьтесь со следующими материалами:
- Конкурентная разведка
- Оценка климатических рисков
- Планирование производства
Инновации
Искусственный интеллект надвигается на традиционные бизнес-модели. Чтобы оставаться конкурентоспособными, компаниям потребуется трансформироваться в ближайшие годы и десятилетия — перспективы зависят от отрасли. Согласно отчету McKinsey «Состояние ИИ в 2025 году», успешные компании используют ИИ не только для оптимизации своей повседневной деятельности, но и для стимулирования инноваций и роста. Они открывают и внедряют новые возможности, которые ранее были невозможны или экономически нецелесообразны.
Генеративный дизайн в таких отраслях, как строительство и автомобилестроение, иллюстрирует этот механизм. Традиционно архитекторы и инженеры разрабатывают небольшое количество вариантов дизайна и уточняют их посредством итеративного анализа. Системы генеративного дизайна преобразуют этот процесс, устраняя человеческое вмешательство. Инженеры определяют ограничения, такие как материалы, ограничения по стоимости, условия окружающей среды и целевые показатели производительности, а искусственный интеллект генерирует тысячи возможных вариантов дизайна, удовлетворяющих этим ограничениям. Затем эксперты-люди сосредотачиваются на оценке вариантов и выборе наиболее перспективных кандидатов. Эта возможность коренным образом расширяет пространство проектирования и меняет подход к разработке и проектированию новых продуктов.
Там, где возникает ценность
В то время как автоматизация и расширение возможностей улучшают существующие процессы и, следовательно, имеют четкую основу для измерения ценности, преимущества инноваций более неопределенны, поскольку ценность новых возможностей должна быть сначала обнаружена и доказана.
Опережающие индикаторы
Первые признаки проявляются на уровне возможностей. Искусственный интеллект позволяет организациям выполнять задачи, которые ранее были невыполнимы или экономически нецелесообразны. В случае генеративного проектирования новая возможность заключается в автоматическом исследовании обширных пространств проектирования и оценке тысяч возможных конфигураций в рамках заданных ограничений.
Инновации, которые реструктурируют внутренние рабочие процессы, часто повышают качество и точность , а также скорость получения информации . Например, инженеры могут более систематически выявлять перспективные варианты проектирования и быстрее приходить к жизнеспособным решениям, чем при ручном поиске.
Опережающие индикаторы могут быть разными для инноваций на уровне продукта или бизнес-модели. Здесь акцент смещается на ранние рыночные сигналы, такие как улучшение качества обслуживания клиентов и готовность клиентов платить за новые функции.
Запаздывающие индикаторы
По мере внедрения новых возможностей в рабочие процессы или предложения, их влияние начинает проявляться в более широких бизнес-результатах. Конкретные области применения зависят от способа использования инновации. Операционные инновации могут привести к повышению эффективности, масштабируемости или качества продукции. Успешные инновации в продуктах и бизнес-моделях проявляются в росте доходов , появлении новых категорий услуг или расширении охвата рынка.
Стратегическая ценность
Предоставляя возможности, которыми конкуренты могут еще не обладать, организации могут формировать новые продукты, услуги или операционные модели. Со временем такие инновационные инициативы могут переосмыслить способы создания ценности в отрасли, и первопроходцы находятся в выгодном положении, чтобы извлечь выгоду из этой трансформации.
Где ценность может быть усилена
Успех инновационных инициатив зависит от того, как организации смогут обнаружить новые возможности, основанные на искусственном интеллекте, которые будут одновременно осуществимыми и ценными. Поэтому основными рычагами являются не технические, а организационные факторы:
- Компаниям необходим структурированный процесс исследования , который поощряет широкое изучение потенциальных применений ИИ, одновременно позволяя эффективно определять и расставлять приоритеты для перспективных идей. Инновации требуют как креативности, так и дисциплины: способности исследовать новые возможности и способности преобразовывать их в конкретные сценарии использования.
- Организации должны уметь двигаться вперед в условиях неопределенности . Ценность новых возможностей редко бывает очевидной с самого начала, и инициативы должны развиваться посредством экспериментов, итераций и обучения. Компании, преуспевающие в инновациях в области ИИ, используют этот процесс, применяя такие методы, как быстрое прототипирование, итеративные циклы разработки и непрерывную обратную связь от пользователей и клиентов.
- Инновации во многом зависят от организационной культуры . Командам необходима свобода экспериментировать, подвергать сомнению существующие предположения и исследовать нетрадиционные идеи. В противном случае многие возможности, связанные с ИИ, никогда не будут обнаружены или реализованы.
Для получения дополнительных примеров использования инноваций ознакомьтесь со следующими материалами:
- Разработка и перепрофилирование лекарственных препаратов
- Открытие материалов
- Автономный полёт
- Профилактика укачивания
Основные выводы
Подведем итог:
- Ценность ИИ выходит за рамки повышения эффективности. Многие высокоэффективные системы ИИ дополняют человеческий труд или открывают совершенно новые возможности, а не заменяют рабочую силу.
- Ценность проявляется на нескольких уровнях. Улучшения процессов часто появляются первыми, за ними следуют улучшения возможностей и, в конечном итоге, финансовые результаты.
- Время имеет значение. Некоторые преимущества проявляются сразу после внедрения (опережающие индикаторы), в то время как другие материализуются только после более широкого распространения (запаздывающие индикаторы).
- Различные типы возможностей создают ценность по-разному. Автоматизация, расширение возможностей и инновации следуют различным логикам создания ценности.
- Для максимизации ценности ИИ необходимо сосредоточиться на правильных рычагах. Точность модели имеет первостепенное значение для автоматизации, проектирование взаимодействия человека и ИИ — для расширения возможностей, а исследования и эксперименты — для инноваций.
Успеха в использовании ИИ добьются не те организации, которые автоматизируют наибольшее количество задач, а те, которые понимают, где ИИ создает ценность с течением времени и какие рычаги необходимо задействовать для ее максимизации.
Примечание: Все изображения предоставлены автором.
Источник: towardsdatascience.com
