Том Девенпорт про реальний потенціал штучного інтелекту
Що може і що не може дати штучний інтелект вашій компанії? Журнал Chief Executive попросив автора та експерта зі штучного інтелекту Тома Девенпорта вийти за межі хайпу та прагматично поглянути на реальний потенціал цієї технології.
Штучний інтелект (ШІ) нині всюди, він робить майже все. Інструменти ШІ прогнозують поведінку клієнтів, діагностують пацієнтів, перевіряють резюме, керують ланцюгами поставок, відповідають на запити та виконують замовлення. Вони допомагають приймати стратегічні рішення, блискавично обробляючи та аналізуючи величезні обсяги даних. Швидше за все, ви на власному досвіді відчули магію генеративного ШІ, який створює зображення і текст за лічені секунди, які неможливо відрізнити від людських зусиль.
Однак серед цих, здавалося б, нескінченних можливостей важко визначити, як саме компанії можуть взяти участь у майбутньому, що базується на штучному інтелекті — чи то шляхом поступового вдосконалення, чи то революційної трансформації. Аби внести ясність, редактор і контент-директор Chief Executive Group Ден Бігман (Dan Bigman) поспілкувався з лідером думок у галузі штучного інтелекту Томом Девенпортом (Tom Davenport), автором 15 книг про інновації та технології, дві з яких присвячені аналітиці та штучному інтелекту. Заслужений професор інформаційних технологій і менеджменту в коледжі Бебсона та науковий співробітник Центру цифрового бізнесу MIT, Девенпорт поділився думками про те, що керівники компаній мусять розуміти про реальне майбутнє ШІ в бізнесі вже зараз.
ChatGPT, Midjourney та інші ШІ-інструменти просто підірвали ринок. Що ви думаєте про ШІ в бізнесі, як він прискорюється і що, на Вашу думку, це означає?
Ну, поки що ChatGPT та інші генеративні ШІ-інструменти не можна назвати критично важливими додатками. Вони призначені для написання маркетингових текстів, постів у блогах та описів продуктів, а не для чогось дуже важливого. Однак на вихідних я прочитав, що компанія, яка володіє журналом Sports Illustrated, проводить так званий «добре тюнінгований тренінг», коли ви тренуєте ШІ на всьому своєму контенті після того, як він пройшов навчання на всьому інтернеті.
Потім ви можете використовувати його для написання речей, які стосуються всього, що ви писали раніше. До того, як я почав займатися штучним інтелектом, я був аналітиком, а до того — спеціалістом з управління знаннями. Я думаю, що ШІ може бути досить революційним для управління всіма знаннями, накопиченими організацією, і забезпечення дуже легкого доступу до них. Гадаю, це також може зробити революцію в журналістиці. Агентство Associated Press деякий час робило автоматизовані репортажі, але це було для дуже структурованих речей. Ми звикли казати: «Якщо ви репортер, то ви в безпеці». Зараз я думаю, що регенеративні матеріали більше орієнтовані на репортажі. ШІ не дуже хороший у новинах, але дуже хороший у репортажах.
Я бачив точно таку ж історію, і я подумав, що це досить зручно. Адже, якщо це все твоє, ти уникаєш проблеми плагіату. Ти вже маєш підтверджений і, теоретично, перевірений факт. Тож це просто відтворення речей зі швидкістю та масштабом.
Так. Вони публікуються десятиліттями, то чому б не видобувати минуле? І Morgan Stanley намагається зробити щось подібне. Це все ще досить експериментально — взяти всі їхні інвестиційні поради, які вони накопичили за ці роки, плюс поради щодо життєвих подій, щоб краще узгоджувати з ними інвестиції, і використати це для доопрацювання GPT-3 (GPT-4). Тоді вони зможуть або надати клієнтам прямий доступ до цих знань, або, що більш ймовірно, передати їх через своїх фінансових консультантів.
Ви вже давно пишете про це. Що б Ви сказали лідерам стосовно того, як найкраще сприймати ШІ в довгостроковій перспективі та чи варто включати його у свою стратегію?
Для топ-менеджерів дуже важливо мати певне уявлення про те, що таке різні технології штучного інтелекту, для чого вони потрібні і на якому етапі розвитку перебувають. Навіть Сем Альтман з OpenAI каже: «Не робіть нічого важливого за допомогою ChatGPT».
І все ж, існує безліч ШІ-застосунків, які використовують ці генеративні або прогнозуючі інструменти. Але є набагато більше бізнес-орієнтованих, прогнозуючих інструментів, що передбачають речі на кшталт того, на яку пропозицію відгукнуться клієнти, які співробітники підуть або на яку ціну вони, ймовірно, погодяться. Вони не є експериментальними. Що стосується ChatGPT, то люди, безумовно, мають експериментувати з ним, але вони повинні усвідомлювати наступне:
- ШІ помиляється досить часто і дуже впевнено.
- Він не дуже добре розбирається в деяких речах, наприклад, у математиці.
- Існує велика ймовірність того, що хтось подасть на вас до суду, якщо ви використовуєте багато таких речей.
Але кожному в компанії варто поекспериментувати з цими технологіями, щоб побачити, що вони можуть зробити і як це може покращити їхню роботу.
Як Ви гадаєте, куди це приведе компанії через 5, 10 років? Що слід робити керівникам, щоб підготуватися до цього?
Деякі компанії, про які я писав у своїй книзі, використовують штучний інтелект, щоб змінити свою стратегію, створити нові бізнес-моделі, по-справжньому трансформувати операційну діяльність, а не просто покращити її на маргінесі. Тенденція з аналітикою та ШІ полягає в тому, щоб сказати: «Гаразд, ми вже приймаємо рішення, давайте приймати кращі, або давайте використовувати його, щоб зробити наші процеси більш ефективними». Опитування, яке я проводив разом із Deloitte, свідчить про те, що це найпоширеніші цілі. Але, якщо ви CEO, вам варто замислитися над тим, яка нова бізнес-модель можлива завдяки цьому, або — які абсолютно нові продукти та послуги ви могли б запропонувати в результаті?
Найцікавішими для мене були нові організаційні структури, які створювали компанії, що базувалися на екосистемі, а не лише на власній організації. Наприклад, компанія Airbus створила екосистему з усіх компаній, які літають на літаках Airbus, і зібрала всіх клієнтів разом, щоб сказати: «Гаразд, як ми можемо зробити ці польоти більш ефективними, покращити процеси технічного обслуговування та обмінюватися даними?».
Найкращим прикладом у світі є місто Пінг-Ан у Китаї, яке має п’ять різних екосистем, кожна з яких працює на основі штучного інтелекту. Екосистема розумного міста навіть працює з екосистемою охорони здоров’я, обмінюючись даними з різними учасниками галузі, і в багатьох випадках — конкурентами. Вони використовують ці дані для прийняття кращих рішень, що покращує життя клієнтів. У певному сенсі, це просто ідеальна циркулярна бізнес-модель: кращі дані, більше клієнтів, кращі пропозиції тощо.
У такій ситуації, як ШІ розширює можливості бізнес-моделі?
Кількома способами. Візьмемо Airbus і японську компанію Sompo International, другу за величиною страхову компанію в Японії і найбільшого власника будинків престарілих в Японії. Вони використовують ШІ для інтеграції даних. Сама по собі інтеграція даних не така вже й цікава, але якщо кожна компанія збирає інформацію по-різному, вам потрібен ШІ, щоб зібрати її воєдино. І є безліч речей, які можна робити, коли у вас є ці дані. Ви можете почати прогнозувати, коли двигуни літака потребують обслуговування або коли людина в будинку престарілих захворіє.
Отримавши дані, ви можете почати додавати їм цінність різними способами — це і є штучний інтелект. Компанії, що працюють на основі таких платформ у цифровій економіці, вже давно цим займаються: Uber, Airbnb і навіть Google не змогли б існувати без ШІ, але той факт, що традиційні компанії також можуть це робити, дуже захоплює. Але це покладає великий тягар на CEO і топ-менеджерів, які змушені сказати: «Гаразд, що ми не робимо, що ми могли б, якби мали всі ці можливості ШІ під рукою?».
Як можна уявити собі такі речі, якщо вони виходять за межі вашої поточної компетенції?
Це значною мірою питання обізнаності, а обізнаність ви отримуєте в більшості випадків через освіту. Тож якби я був генеральним директором, я б сказав: «Гаразд, усі мої топ-менеджери та директори повинні знати, як працює штучний інтелект, що він може робити, що він робить в інших компаніях». Я нещодавно проводив програму в Массачусетському технологічному інституті для військових. І вони залучають, зокрема й НАТО, а не лише США, вищих керівників усіх видів збройних сил, щоб... протягом тижня вивчати штучний інтелект. Я не знаю, чи багато компаній погодилися б на таку пропозицію, але й не знаю, як інакше можна її отримати. P&G відправляла багатьох своїх топ-менеджерів на Гарвардську онлайн-програму навчання для керівників. Різні компанії, які я знаю, почали це робити, але багато хто ще до цього не дійшов.
Що Ви скажете їм, коли вони прийдуть і запитають: «Що ШІ може робити, а що ні?»
Це має бути набагато більше, ніж просто розповідь про те, що таке штучний інтелект і так далі. Це має бути дуже інтерактивно, на кшталт: «Гаразд, ось наша стратегія. Як вона може змінитися? Що в цьому плані зробили інші компанії?». Це щось має бути на зразок наполовину типової освіти і наполовину консалтингового воркшопу. У військовій сфері, очевидно, що люди з підводних човнів матимуть інші питання, ніж люди з військово-повітряних чи космічних сил. Тож якщо у вас є компанія з купою різних бізнес-підрозділів, ви, ймовірно, захочете провести багато секційних засідань та окремих розмов про це.
Йдеться про те, щоб подивитися на бізнес-проблеми і побачити, чи є новий спосіб їх вирішення? Чи це інший підхід, який більше схожий на мозковий штурм?
Підхід до вирішення проблем, якщо ви робите це в досить великих масштабах, безумовно, може бути трансформаційним. Shell використовує штучний інтелект для повної трансформації того, як вона інспектує нафтопереробні заводи та трубопроводи. Раніше на перевірку всіх трубопроводів на нафтопереробному заводі йшло близько шести років, а тепер вони використовують дрони і розпізнавання зображень за допомогою ШІ, і це займає близько шести днів. Очевидно, що це кардинальна трансформація в тому, як ви можете займатися цією конкретною частиною бізнесу. Це так, але є ще й частина, що стосується перспектив — які нові бізнес-моделі стануть можливими, і що нам слід враховувати, про що ми раніше навіть не думали.
Ми часто думаємо про майбутнє, спираючись на метафори про минуле, але це, здається, йде іншим шляхом.
Багато ШІ — це свого роду аналітика на стероїдах. Але Ви маєте рацію, деяких речей, орієнтованих на мову, у нас ніколи раніше не було. У нас ніколи не було нічого, що могло б написати дійсно чудове есе, пост у блозі або опис продукту без участі людини. Тому нам потрібно відокремити те, що є продовженням того, що ми робили раніше, від того, що було взагалі неможливим у минулому. Це одна з причин, чому люди так захопилися ChatGPT. Це все ще машинне навчання, це все ще прогнозування, але відчувається, що це зовсім інша спроможність.
Ви витрачаєте на це весь свій час. Решта з нас, мабуть, витрачають на це не більше 2% свого часу. Що Ви бачите на цьому шляху?
Можливо, є речі, про які ніхто більше не думає, але нам ще треба багато працювати над тим, що ми знаємо з точки зору можливостей, але ще не реалізували на практиці. Очевидно, що нам ще належить попрацювати над використанням розпізнавання зображень для керування автомобілем, але це було не за горами вже протягом 40 років — тож ми продовжуємо вдосконалюватися. Але всі в компанії мусять думати про те, що вона робитиме в майбутньому. Повністю автономні автомобілі, повністю автономні літаки, повністю автономні газонокосарки тощо, безумовно, колись з’являться. Тож величезна кількість бізнесів буде змінена завдяки цим можливостям.
Які підводні камені Ви бачите в майбутньому? Не з точки зору суспільства, а того, що може піти не так, коли люди намагатимуться подолати прірву, що утворилася в цій сфері?
Це більше стосується інтерфейсу ШІ-людина, ніж будь-чого іншого. Одна з них — брак амбіцій. Люди занадто багато експериментують і не збирають статистичних даних про те, який відсоток ШІ-моделей насправді впроваджується у виробництво. Я маю на увазі, що в середньому це, мабуть, 20%. Я не знаю точної цифри. Очевидно, що це не 100%, тому що ви повинні експериментувати і зазнавати невдач, але 20% — це величезна втрата економічної цінності. Тому нам потрібен план розгортання. Розгортання передбачає зміни в різних аспектах бізнесу. Це означає, що до нього все частіше ставляться як до продукту.
Багато компаній говорять про продукти даних як про щось, чим вони повинні намагатися керувати. Їм слід призначити менеджерів по роботі з продуктами даних; це включає в себе аналіз даних або ШІ, організаційні зміни, безперервний менеджмент. Нещодавно Kroger повідомив мені, що коли приходить пташиний грип, ціна на яйця піднімається до шести доларів за десяток. Наші моделі цього не передбачали, тому ми не могли ефективно планувати. Ви маєте постійно контролювати моделі після того, як ви їх запровадили. І структура управління продуктом робить це дуже добре. Найрозумніші компанії починають це робити вже зараз. Але велика частина цього — людський інтерфейс. Ми не дуже добре навчаємо лінійний персонал ефективному використанню цього інструменту.
Багато опитувань свідчать, що люди кажуть: «Менеджери не говорять мені, чого очікувати, що мені потрібно покращити». Нелегко міркувати про те, як зміниться конкретна робота. Але людям потрібна допомога в обдумуванні цього питання, і, можливо, запевнення, що ми тут не для того, щоб ліквідувати вашу роботу. Єдині люди, які втратять роботу через ШІ, — це ті, хто відмовляється працювати зі штучним інтелектом. Але люди повинні чути цей меседж, тому вони експериментують з ChatGPT. Вони не бояться цього.
Все більше і більше ми будемо бачити демократизацію багатьох із цих можливостей. Ми завжди спостерігаємо багато low-code/no-code для типових бізнес-додатків. Зараз існує демократизована наука про дані з автоматизованим машинним навчанням, демократизованою автоматизацією. Ви можете автоматизувати власну роботу за допомогою роботизованих інструментів автоматизації процесів. Елементи цього вже були в Lean Six Sigma, коли люди бігали з жовтими, зеленими і чорними поясами, але частина автоматизації зробить величезну різницю і в цьому напрямку. Тож це новий світ, з яким стикається багато організацій.
Після виходу таких книг, як «Superintelligence» та інших, багато розмов точилося про те, що ШІ пішов не так, як треба, і про те, що ми керуємо ШІ, а ШІ не повинен керувати нами занадто сильно. Це лише хибна думка, про яку нам навіть не варто турбуватися?
Особисто я не хвилююся, що нас усіх вб’ють володарі роботів. Я намагаюся покладатися на дані. Все, що я бачив — це доповнення, а не широкомасштабну автоматизацію. Якщо автоматизація і була, то на маргінесі: завдання тут, завдання там. Більшість людей роблять більше, ніж одну річ на своїй роботі. Тож я не бачу на найближчому горизонті появи суперінтелекту або його еквіваленту. Гадаю, до цього ще далеко. Ми з Вами, ймовірно, вже помремо до того часу, тож давайте не будемо надто перейматися цим питанням.
Про що ще варто пам’ятати гендиректорам? Які речі, що виходять за межі індустрії, можливо, варто було б перейняти й іншим?
Я не думаю, що в цьому є якась магія. Це просто люди на дуже високому рівні, які дивляться на світ і кажуть, що в нашій галузі буде дуже багато даних, якщо це вже не так. Як нам використовувати ці дані для прийняття кращих рішень, створення нових стратегій? Я розмовляв із хлопцем з Morgan Stanley, який подивився на Netflix 12 років тому і сказав: «Ми повинні робити те ж саме з інвестиціями, що Netflix робить з фільмами».
На це пішло чимало часу, але тепер у них є чудова система наступної найкращої дії, і вона дуже впливає на їхній бізнес. Але виявляється, що людям насправді важливо, аби їхній фінансовий радник піклувався про них. Тож так, вони розіслали ці ідеї на основі штучного інтелекту, але вони також інтегрували їх із CRM-системою Salesforce, щоб люди частіше чули від своїх фінансових консультантів про дні народження, урагани, що насуваються на їхній регіон, та інші подібні речі. Отже, це буде суміш людського дотику та дотику ШІ протягом дуже тривалого часу.
|
