Компании, специализирующиеся в области искусственного интеллекта, в 2016 году получили выручку в размере около 8 млрд долл., а в ближайшие три года эта сумма, по прогнозам, увеличится впятеро. Корпорации все активнее инвестируют в искусственный интеллект, чтобы снижать затраты, улучшать обслуживание клиентов и условия работы сотрудников.
Согласно результатам опроса Technology Vision 2017, проведенного Accenture среди более 5,4 тыс. ИТ- и бизнес-руководителей, 79% из них уверены в том, что искусственный интеллект ускорит освоение новых технологий в организациях. Взрывной рост темпов применения искусственного интеллекта – реальность, но последствия для работников предприятий сформулировать и проконтролировать непросто. Ясно одно: руководителям всех подразделений уже следует оценивать, какая роль в организациях будет отведена взаимодействию людей и машин.
Особенно сильно искусственный интеллект будет влиять на работу ИТ-сотрудников. ИТ-директорам уже приходится иметь дело с масштабными переменами, обусловленными внедрением различных новшеств, от аналитики до облаков, а искусственный интеллект создаст новые трудности и возможности для дальнейших перемен и поддержки бизнеса. Чтобы отдел ИТ смог воспользоваться этими возможностями, руководителям необходимо решительно менять круг компетенций и навыков сотрудников своей организации и готовиться к эпохе искусственного интеллекта. Перечислим пять основных групп навыков, которые понадобятся ИТ-специалистам и помогут извлекать максимальную пользу из машинного обучения и искусственного интеллекта.
1. Машинное обучение
Руководители и рядовые сотрудники сегодня опасаются, что машины заменят людей. Но при этом нередко упускается из виду тот факт, что ИТ-специалистам придется разрабатывать и сопровождать программные средства автоматизации, а также осуществлять техническое обслуживание разумных машин. Применение искусственного интеллекта в организациях только начинается, и зачастую соответствующие проекты разрозненны, а процессы планирования неразвиты и децентрализованы. Но у ИТ-специалистов сегодня есть возможность подготовить технические архитектуры и системы, которые станут залогом устойчивого развития разумных машин для корпоративного мира. ИТ-руководителям для этого необходимо внести изменения в программы обучения и повышения квалификации, отказаться от традиционного акцента на поддержании работоспособности систем и перейти на иную парадигму, исходя из того, что искусственный интеллект станет доминировать практически во всех отраслях.
Конкретные примеры компетенций: управление роботизированными системами автоматизации процессов (robotic process automation, RPA – программные роботы для взаимодействия с пользовательскими интерфейсами систем, рассчитанных на людей) – например, Blue Prism, Verint; знание типов искусственного интеллекта, конкретных областей и результатов применения.
2. Консалтинг в области процессов
Традиционно ИТ-службы не принимали большого участия в оптимизации корпоративных процессов для повышения выручки и прибылей. Но в новую эпоху ИТ-специалистам необходимо будет приобретать глубокие познания в области бизнеса и понимание того, как можно улучшить процессы и результаты с помощью машинного обучения. Так, системы борьбы с отмыванием денег можно значительно усовершенствовать благодаря тому, что искусственный интеллект, в отличие от человека, способен параллельно обрабатывать множество потоков информации. Машина может дополнить процессы принятия решения, коррелируя данные и принимая простые решения самостоятельно, а более сложные – доверяя людям. Это значит, что людям придется изменить существующие схемы процессов и круг своих компетенций, обеспечив поддержку комплексных подходов и принятие более сложных решений. Искусственный интеллект уже меняет клиентоориентированные и внутренние процессы в компаниях. Сегодня происходит слияние предметных областей традиционного управления бизнес-процессами и RPA, свидетельство этому – недавнее приобретение компании OpenSpan, разработчика средств RPA, компанией Pega. Но, помимо RPA, есть и множество других приложений на основе искусственного интеллекта, улучшающих взаимодействие с заказчиками в ряде отраслей, – в частности, системы голосовой аутентификации клиентов.
Конкретные примеры компетенций: знания в области бизнес-процессов, узкоспециальные отраслевые знания.
3. Платформы и обеспечение качества данных
ИТ-специалистам необходимо приобрести обширные навыки в области управления информацией и технологических платформ (в частности, платформ Больших Данных). Качество прогнозных моделей, основанных на методах машинного обучения, напрямую зависит от качества данных. Проблемы, порождаемые организационной разрозненностью и низким качеством данных, существуют на предприятиях уже давно. Но при отсутствии навыков поддержки моделей и платформ сотрудники рискуют стать узким местом процессов, происходящих с участием искусственного интеллекта. Сегодня, когда ИТ-служба превращается в корпоративного провайдера облачных сервисов и в связи с этим появляются новые технологии и архитектурные концепции, ИТ-специалистам необходимо брать на себя ответственность за качество данных и в конечном счете избавлять организацию от разобщенности, чтобы поставить на службу бизнеса всю мощь машинного обучения.
Конкретные примеры компетенций: управление системами работы с данными, разработка интерфейсов программирования и управление ими, информационная стратегия.
4. Знания в области алгоритмов
Не все обязаны быть учеными по данным, но ИТ-специалистам важно иметь базовые знания в области методов статистики и понимать принципы создания и оптимизации алгоритмов искусственного интеллекта, а также основы их работы. Компаниям это дает два важных преимущества. Во-первых, в ИТ-службе могут разъяснить возможности искусственного интеллекта бизнесу и в партнерстве с ним непрерывно совершенствовать модели. Во-вторых, понимание фундаментальных математических концепций в основе машинного обучения является важным залогом результативной работы в соответствующей области, помогающей ИТ-службе приносить реальные результаты бизнесу по мере освоения искусственного интеллекта. К примеру, в Accenture в рамках партнерства с Технологическим институтом Стивенса проводят углубленное обучение ИТ-специалистов аналитическим методам.
Конкретные примеры компетений: отбор и формирование подмножеств данных, основы регрессии и классификации, оценка точности модели, методы регуляризации и стабилизации моделей.
5. Руководство и оценка решений
Машины рано или поздно начнут работать бок о бок с людьми, выполнять повседневные административные обязанности, которые сегодня отнимают у человека немало времени. Сотрудникам предприятий придется не только принять новый мир, где машины ежедневно принимают решения, связанные с операционной деятельностью, но и взять на себя обязанности по оценке более сложных решений. Подобные перемены потребуют навыков по решению задач и формулированию вопросов таким образом, чтобы машины понимали их и выдавали ответы, позволяющие принимать верные решения.
Конкретные примеры компетенций: коммуникационные навыки, эмоциональный интеллект, принятие решений на основе результатов анализа, командная работа и знания на стыке различных предметных областей.
***
Чтобы развивать нужные навыки и компетенции, руководителям необходимо уже сейчас начинать организовывать внутрикорпоративную программу обучения, направленную на подготовку сотрудников к внедрению искусственного интеллекта, преподавание основ соответствующих предметов, освещение преимуществ и снижение страхов по поводу машин. Просвещение относительно возможностей искусственного интеллекта можно организовать с помощью онлайн- и обычных курсов обучения. Их количество можно варьировать в зависимости от должностей и уровней навыков сотрудников, позволив им повышать квалификацию постепенно.
Также нужно продемонстрировать, что искусственный интеллект повышает эффективность работы людей, беря на себя выполнение их отдельных задач, а не все функции в рамках должностных обязанностей. В программах обучения можно использовать соответствующие прототипы и демонстрационные версии технологий. В конце курсов обучения нужны практические семинары, способствующие перемене отношения к искусственному интеллекту и робототехнике и более творческому подходу к их использованию, особенно для руководителей.
Машины придут в коммерческие компании и государственные учреждения во всем мире и останутся в них. Причины, по которым руководителям предстоит осваивать технологии автоматизации и дополнения возможностей человека, многочисленны. У ИТ-руководителей сейчас есть возможность переобучить своих подчиненных, добавить навыки, которые понадобятся, чтобы обеспечивать поддержку искусственного интеллекта в дальнейшем. Фокусируясь на эффективном управлении машинами и используемыми ими данными и алгоритмами, а в конечном итоге – на руководстве и оценке решений, ИТ-специалисты смогут подготовиться к внедрению и развитию искусственного интеллекта в своих организациях.
– How to build IT competencies for the AI era. Diana Bersohn and McCree Lake. CIO. APR 11, 2017
