Искусственный интеллект

Кремниевая долина сегодня буквально одержима пищевыми преобразованиями. Внимание общественности то и дело привлекают тревожные истории о мясе, выращенном в пробирке, безвкусном заменителе традиционных блюд «сойленте» (порошок, растворимый в воде, призванный, по замыслу его создателя, полностью заменить традиционную пищу; содержит все вещества, необходимые для поддержания жизнедеятельности) и яйцах, из которых никогда не вылупятся цыплята.

Технологическая отрасль разрушает привычный мир еды, натуральная пища заменяется искусственной.

Однако прослеживается и обратная тенденция – замена искусственного натуральным.

Новейшая пищевая революция Кремниевой долины заключается не в распространении причудливых продуктов биоинженерии, призванных заменить собой привычное питание, а в использовании определенных алгоритмов и искусственного интеллекта для изменения способов поставок и продвижения на рынке натуральной пищи. Программное обеспечение помогает доставлять свежие, натуральные и высококачественные продукты питания туда, где была доступна только нездоровая еда.

Пять лет назад инвестор из Кремниевой долины Марк Андриссен верно подметил, что «программное обеспечение поедает мир». А теперь ПО успешно подминает под себя вполне конкретный мир еды.

Позвольте привести два примера.

Доставка на дом

Стартап из Кремниевой долины Zume Pizza прославился тем, что использует промышленных роботов в процессе приготовления пиццы. В каждом грузовике доставки Zume смонтировано 56 управляемых компьютером печей. Когда грузовик Zume Pizza оказывается в четырех минутах езды от вашего дома, ПО автоматически разогревает нужную печь до 400 градусов, и к моменту доставки вы получаете свежую и горячую пиццу.

Генеральный директор Zume Джулия Коллинз сообщила, что у них зарегистрирован патент на так называемое приготовление в пути, распространяющийся на приготовление любого блюда внутри грузовика в процессе его доставки. (На получение патента ушло четыре года, и четверть миллиона долларов пришлось потратить на оплату юридических услуг.)

Патент охватывает целый набор революционных идей, в том числе и алгоритмы, прогнозирующие заказы клиентов еще до их регистрации. Продукты, необходимые для приготовления блюд и комплектации прогнозируемых заказов, заранее загружаются в машину. Таким образом, заказ находится в пути уже в момент его поступления.

Zume Pizza намерена распространить свою технологию не только на доставку пиццы, но и на доставку других блюд.

Предполагается, что оборудование для выпечки пиццы будет занимать только половину грузовика, а на другой половине разместятся робот для приготовления салатов, робот для замороженного йогурта и робот для жарки во фритюре.

В целом идея заключается в создании ресторана на колесах, который будет использовать искусственный интеллект и роботов для приготовления полноценных блюд за несколько минут до их доставки.

В конечном итоге вы получаете совершенно иное качество еды, доставляемой на дом, не говоря уже о скорости. Вместо получасового ожидания пиццы, сдобренной стабилизаторами и всевозможными консервантами, Zume предлагает систему, которая позволяет доставлять свежую натуральную пиццу только что из печи со свеженарезанным салатом и десертом из замороженного йогурта уже через пять минут после оформления заказа.

Благодаря программному обеспечению сценарий трансформируется: вместо нездоровой еды заказчику доставляется быстрое и качественное питание. В ближайшие годы компания Zume намерена выйти за пределы Кремниевой долины, а затем начать осваивать и глобальный рынок.

А теперь идем дальше: в Кремниевой долине разрушен и шаблон нездоровой еды на рабочем месте.

Торговые автоматы

Автоматы, предназначенные для того, чтобы перекусить, имеются сегодня повсюду. Вот как это работает. Компания, поставляющая автоматы, заключает договор с предприятием, желающим обеспечить питанием своих сотрудников. Каждую неделю или каждые несколько недель человек от поставщика заправляет машину продуктами, приобретаемыми по оптовой цене, забирает деньги (которыми делится и с владельцем клиентского бизнеса) и проверяет, работает ли автомат правильно.

Еда, помещаемая в такой традиционный автомат, должна иметь большой срок годности. Нужно, чтобы она сохраняла свои потребительские качества в течение нескольких недель при неизвестной заранее температуре и выдерживала падение при раздаче. Именно поэтому торговые автоматы чаще всего заправляются несвежей и нездоровой едой.

Как правило, популярностью пользуются всего две-три позиции, а все остальное покупатели начинают приобретать лишь после того, как их любимая еда закончится. Что с этим делать, поставщик не знает.

Заполнение автоматов возлагается на водителя, а его чаще всего интересует лишь то, как избавиться от товаров. Если какой-то продукт плохо продается, его перемещают в другой автомат или перевозят в другое место.

Торговые автоматы обеспечивают быстроту и удобство, но позволяют приобретать только еду довольно низкого качества и при этом весьма дорогую. Как правило, через них продаются не полноценные готовые блюда, а лишь легкие сухие закуски: чипсы, конфеты, печенье, пирожные, орехи, жевательная резинка. А поскольку автоматами пользоваться удобно, они побуждают сотрудников есть всухомятку.

Но и здесь технологии начинают реформировать отрасль. Стартап из Сан-Рафаэля Byte Foods мечтает перевернуть в торговых автоматах все «с ног на голову».

Компания поставляет своим клиентам «умные» холодильники. В настоящее время несколько сотен таких устройств установлены в офисах, больницах, спортивных залах и гостиничных комплексах.

Каждый продукт снабжается микросхемой RFID, которая распознается холодильником. Открывается устройство при помощи кредитной или дебетовой карты. После закрытия двери стоимость всего изъятого из холодильника списывается с платежной карты.

Byte Foods предлагает еду местного приготовления: напитки, бутерброды, буррито, супы и салаты. Компания ориентируется на высококачественные блюда, продаваемые в супермаркетах сети Whole Foods Market и аналогичных торговых точках, но предлагает их по более низким ценам.

По словам Ли Мокри, основавшего Byte Foods вместе со своей женой Меган, конкурентные преимущества его предприятия обусловлены собираемыми данными и их обработкой.

На дешевых микросхемах RFID, приобретаемых вместе с пищевыми контейнерами, записана вся информация о продуктах, включая их поставщика, упаковщика, время поступления и продажи. Система платежных карт (используемая вместо наличных) позволяет идентифицировать покупателя.

Byte Foods обрабатывает собранные данные с помощью собственного алгоритма, благодаря чему становятся возможны удивительные вещи. Прежде всего, индивидуальные пользователи могут создавать свои учетные записи. Если кто-то привык каждый день пить холодный сваренный кофе, система может автоматически направить ему уведомление о том, что запасы такого кофе в холодильнике подходят к концу.

Ценообразование организовано достаточно гибко. Если какой-то товар продается медленнее, чем ожидается, цена на него автоматически снижается.

Возможность получать свежее питание прямо на работе является для сотрудника важным преимуществом, а работодатель может сделать его еще более ощутимым, предложив, к примеру, все продукты бесплатно или за полцены.

Продукты для Byte Foods подбираются на складе с помощью ПО и доставляются в рефрижераторах ежедневно или не реже трех раз в неделю.

Новые продукты Byte тестирует «на лету», определяя их популярность и соответствующим образом регулируя складские запасы. ПО выдает на еду осмысленные рекомендации, как это происходит, к примеру, с книгами на Amazon.com. Со временем холодильники Byte наполняются именно теми продуктами, которые действительно хотят получить сотрудники.

Каждый пищевой продукт снабжается триггером завершения срока годности, после срабатывания которого еда извлекается из холодильника и направляется в организацию ExtraFood.org в качестве пожертвования. Таким образом производится утилизация пищевых отходов.

В итоге вместо залежалой и нездоровой пищи в холодильнике находится свежая, вкусная и полезная еда, доставленная с учетом предпочтений клиентов.

Преимущества программ перед биотехнологиями

На протяжении многих десятилетий нам предсказывали трансформацию пищевых продуктов, предрекая, что еда будет иметь вид таблеток или сублимированных субстанций. Будущее связывалось с порошковыми напитками и всевозможной «космической едой». И некоторые компании по-прежнему продолжают заниматься созданием футуристической синтетической пищи.

Однако предсказания эти не сбылись по простой причине: прогнозы не учитывали особенностей человеческой природы. А человек предпочитает все-таки натуральную пищу.

И сегодня передовые программные технологии помогают быстро и недорого доставлять на дом и в офисы высококачественные продукты, обеспечивая требуемую гибкость и адаптируемость к желаниям потребителя.

– Mike Elgan. Software is eating the food world. Computerworld. December 24, 2016

«Хрустальный шар» машинного обучения

Раньше главной сложностью для организаций, в которых хотели бы пользоваться технологиями машинного обучения и когнитивных вычислений, была необходимость нанимать ученых по данным с обширным опытом подготовки информации для алгоритмов искусственного интеллекта. Но в последние годы благодаря развитию публичных облаков ситуация стала меняться. Сегодня облачные платформы машинного обучения появились у Amazon Web Services, Google, Microsoft и IBM. В результате барьеры доступа существенно снизились, программистам стало гораздо проще пользоваться технологиями искусственного интеллекта в разрабатываемых приложениях.

Говоря упрощенно, машинное обучение – это прогнозирование будущего на основании закономерностей, обнаруженных в имеющихся данных. Шире всего этот метод применяется для распознавания аномалий в целях защиты от мошенничества, а также для прогнозирования прибылей, текучки покупателей и т. п. Обучив платформу Watson, в IBM обеспечили возможность создавать на ее основе «умные» чатботы для взаимодействия с клиентами и оказания помощи врачам в принятии диагностических решений.

Но пока что освоение машинного обучения находится на раннем этапе: инструментами такого рода пользуются только 8% предприятий, участвовавших в недавнем исследовании Deloitte. Но в Allied Market Research прогнозируют, что среднегодовой рост рынка машинного обучения будет составлять 33% и к 2020 году его объем достигнет 13,7 млрд долл.

Практика алгоритмического разбора данных, выявления закономерностей и принятия решений набирает обороты, отмечают в 451 Research. Рынок начал развиваться благодаря интересу потребителей к платформам вроде Apple Siri и Amazon Echo, но предприятия воспринимают новшество медленнее из-за недостатка осведомленности и отсутствия интеграции новых систем с существующими корпоративными платформами. Со временем, однако, искусственный интеллект сможет стать фундаментом всей аналитической экосистемы предприятия, уверены в 451 Research.

– Network World staff. 5 enterprise technologies that will shake things up in 2017. Network World. December 19, 2016

Кому-то 2017-й представляется годом зарождения «дивного нового мира», но специалистам по информационной безопасности он видится пугающим. Прислушаемся к прогнозам аналитиков Gartner:

• к 2020 году 60% цифровых предприятий переживут масштабные сбои обслуживания из-за неспособности специалистов по ИТ-безопасности грамотно управлять цифровыми рисками;
• к этому же времени 60% корпоративных бюджетов информационной безопасности будет выделяться на средства оперативного распознавания угроз, тогда как в 2016-м аналогичный показатель был вдвое меньше;
• к 2018-му 25% трафика данных предприятий будет проходить от мобильных устройств напрямую в облако в обход корпоративных систем безопасности;
• в предстоящие два года половина производителей устройств Интернета вещей окажутся неспособны защитить их от угроз из-за слабости механизмов аутентификации.

Какие технологии будут менять ситуацию в пользу отделов ИТ? По мнению специалистов, это автоматизация, аналитика и искусственный интеллект.

Что касается автоматизации, платформы безопасности, обнаружив новую угрозу, сами, без участия человека, будут возводить необходимые барьеры и принимать меры. Так можно будет сократить промежуток времени между компрометацией и устранением угрозы, который атакующие могут использовать, чтобы нанести вред.

Аналитические движки будут обрабатывать данные, поступающие с сетевого оборудования и оконечных устройств, в поисках аномалий, указывающих на угрозы. Определившись с нормой, такие системы смогут обнаруживать поведение, выходящее за рамки обычного, оценивая, указывает ли оно на вредоносную активность.

Искусственный интеллект позволит расширить возможности таких систем: они смогут обнаруживать аномалии не только в сетевом трафике, но и в поведении отдельных компьютеров и пользователей, а также их групп.

В 2017 году такие платформы станут более развитыми и завоюют больше доверия – они смогут распознавать атаки на более ранних стадиях и останавливать их еще до начала разрушительной деятельности.

Над этим работают все тяжеловесы отрасли: например, Cisco готовит платформу Tetration Analytics, IBM развивает способности когнитивной платформы Watson в области информационной безопасности, а Google – систему машинного обучения DeepMind.

Tetration Analytics – это комплексная система, получающая информацию от аппаратных и программных датчиков и анализирующая ее с помощью средств обработки Больших Данных и машинного обучения. Имея показатели нормального поведения сети и приложений, решение Cisco может мгновенно обнаруживать отклонения. Кроме того, система предоставляет инструменты проведения экспертизы – полуавтоматического анализа журналов операций.

«Главное, что нужно сделать для защиты центра обработки данных, – это составить белый список тех, кто имеет доступ к различным ресурсам, но такая задача – одна из сложнейших, – отмечает Том Эдсолл, старший вице-президент, директор по технологиям Cisco. – Tetration позволяет разработать правила формирования белых списков гораздо быстрее и эффективнее, чем прежде. Решив эту важную задачу информационной безопасности, можно будет начать переход к самоуправляемым дата-центрам будущего».

В дальнейшем в Cisco обещают большое число новых приложений безопасности, работающих на базе Tetration.

Суперкомпьютер IBM Watson, в свою очередь, анализирует трафик корпоративных сетей в поисках вредоносов, параллельно обучаясь на собственном опыте, а также используя данные научных докладов, сводки сведений об угрозах и новости о киберпреступности. Со временем Watson начинает самостоятельно разрабатывать новые стратегии обнаружения атак на разных этапах их осуществления. Сейчас проект Watson for Cybersecurity находится в стадии бета-версии, а в течение 2017 года может быть предложен его коммерческий вариант.

Также есть государственные исследовательские проекты, способные оказать влияние на мир кибербезопасности. К примеру, в Агентстве передовых исследований в области разведки (IARPA) хотят разработать систему «датчиков» для Интернета, которые будут следить за поисковыми запросами, публикациями в социальных СМИ и т. д. в поисках ранних признаков кибератак.

«Кибератаки развиваются поэтапно, – отмечается в описании соответствующего проекта IARPA, который получил название CAUSE (Cyberattack Automated Unconventional Sensor Environment). – Сегодня распознавание обычно происходит на поздних стадиях атаки, а выяснить ее признаки, характерные для начальных этапов, удается лишь путем анализа уже после того, как ущерб нанесен. Наблюдение за первыми стадиями – разведкой, планированием, запуском – позволило бы заблаговременно распознавать инциденты и предотвращать вред».

Ожидается, что технологии, разработанные в рамках программы CAUSE, смогут действовать без участия человека. Специалисты, возможно, будут помогать разрабатывать, обучать и совершенствовать эти системы, но им не придется вручную фильтровать и рассылать предупреждения, а также направлять работу системы. Такие предупреждения должны будут генерироваться машиной и пересылаться в IARPA автоматически.

Читайте далее: Блокчейн

Аналитики, следящие за рынком инфраструктуры в виде сервиса, сходятся во мнении, что 2016 год стал годом закрепления позиций «большой тройки» операторов – Amazon Web Services, Microsoft Azure и Google Cloud Platform, а также важным переломным периодом для предприятий, пользующихся облаками.

Перечисленные провайдеры расширяют географию размещения данных, предоставляют более широкий выбор размеров виртуальных машин, позволяя тем самым оптимизировать выполнение рабочих задач, и предлагают новые средства работы с данными, уже загруженными в облако.

Сегодня все больше заказчиков начинают доверять крупным операторам: компании закрывают собственные центры обработки данных и переносят наиболее важные приложения в IaaS.

Какие же тенденции станут определяющими для рынка IaaS в 2017 году? Перечислим десятку наиболее важных.

1. Рынок продолжит расти

По оценкам Forrester Research, среднегодовой рост облачного рынка в целом составляет 22%, и прогнозируется, что в 2017 году его объем достигнет 146 млрд долл. Для сравнения, в 2015 году этот показатель находился на отметке 87 млрд долл., а к 2020-му, как предсказывают аналитики, составит уже 236 млрд долл. Облака, предоставляющие инфраструктурные и платформенные сервисы, принесут в 2017 году операторам 32 млрд долл., а среднегодовой рост этих сегментов составит 35% – больше, чем у рынка SaaS.

Годовой оборот AWS составит порядка 13 млрд долл., результаты Microsoft Azure в Forrester оценивают во вдвое-втрое меньшую сумму (в самой Microsoft не уточняют доходы от Azure), а выручка Google будет исчисляться 0,5-1 млрд долл.

«Нам пришлось обновить прогноз, – признают в Forrester. – В 2014 году рынок рос быстрее, чем мы ожидали». Сегодня освоение облаков идет быстрее, чем в свое время виртуализация. Можно рассчитывать на то, что стремительный рост рынка продолжится весь 2017 год.

2. «Облако 2.0»

Главный аналитик IDC Фрэнк Дженс уверен в том, что отрасль приближается к эпохе «Облака 2.0», переходя от экспериментов к стадии массового освоения. По прогнозу эксперта, к 2018 году 60% корпоративных ИТ-задач будет выполняться не на мощностях самих компаний, 85% предприятий начнут пользоваться многооблачной архитектурной моделью, а к 2020-му свыше 70% доходов провайдеров облачных сервисов будет поступать через торговых партнеров. «Предприятиям предстоит столкнуться с серьезными переменами в мире облаков и начать осваивать предлагаемые ими новые возможности, – полагает Дженс. – Облака станут более распределенными, надежными, “умными”, круг применений облачных сервисов существенно расширится, появится больше облаков с отраслевой специализацией».

3. Машинное обучение и искусственный интеллект

Машинное обучение и искусственный интеллект – приоритетные направления развития облачных сервисов в новом году. В 2016-м все участники «большой тройки» провайдеров сделали объявления, так или иначе связанные с искусственным интеллектом. Так, Google представила платформу машинного обучения TensorFlow, Microsoft последовала этому же примеру, а в Amazon на недавней конференции re:Invent анонсировали ряд соответствующих сервисов. Поток новостей, имеющих отношение к искусственному интеллекту, в 2017 году не иссякнет – став проще для использования программистами, технологии машинного обучения начнут появляться в приложениях на базе перечисленных облачных платформ.

4. Бессерверные вычисления

Эта тенденция началась в 2015 году, стала заметной в 2016-м и продолжит нарастать в 2017-м. Среды «бессерверных» вычислений дают возможность разрабатывать облачные приложения, не заботясь об управлении инфраструктурой, в которой они будут действовать. Код таких приложений вызывается событиями – например, записью новых данных в базу устройством Интернета вещей. Платформа бессерверных вычислений запускает заданное действие – скажем, создание в хранилище данных копии вхождения, поступившего в базу.

Можно создавать целые программные системы, основанные на таком принципе. Первой платформу бессерверных вычислений, Lambda, в 2015 году представила Amazon. В ноябре 2016 года Microsoft предложила свой вариант – Azure Functions, а в декабре IBM объявила о доступности такой системы, OpenWhisk, на платформе в виде сервиса BlueMix. OpenWhisk представляет собой проект с открытым кодом. Бессерверные вычисления пока находятся на ранних стадиях развития, и в 2017-м можно ожидать расширения их применения, особенно в сегменте Интернета вещей.

5. Контейнеры

В 2016 году «контейнеры» стали, пожалуй, самым модным словом в мире облачных вычислений. Аналитик IDC Дипак Моэн относит контейнеры наряду с бессерверными платформами к вычислениям следующего поколения, выходящим за рамки традиционных виртуальных машин и серверов.

Можно ожидать, что в 2017-м платформы управления контейнерами – оркестровщики наподобие Kubernetes, а также специализированные инструменты, реализующие сетевые функции, механизмы безопасности и управления хранением для контейнерных сред, – станут заметнее на рынке и вызовут интерес у большего числа предприятий. Провайдеры облаков предлагают собственные платформы для соответствующих задач: у Google есть Container Engine, у AWS – Elastic Container Service, у Microsoft – Azure Container Service. По оценкам Forrester, только 10% предприятий сейчас используют контейнеры в рабочем режиме, а тестируют – до 33%. В 2017-м круг применений контейнеров станет более четким.

6. Объединение частного облака и гиперконвергентной инфраструктуры

Активно меняются не только публичные облака, тектонические сдвиги происходят и в мире локальной инфраструктуры. В 2017 году будет наблюдаться быстрый отход от традиционных решений для создания частных облакова к более компактным и недорогим решениям, реализующим в числе прочего функции PaaS, управления облаками и поддержки контейнеров, прогнозируют в Forrester.

Частные облака будут чаще строиться на базе гиперконвергентных платформ – интегрированной инфраструктуры, уже включающей в себя серверы, сети и системы хранения. Есть и другие модели – например, частное облако в виде сервиса, когда поставщик контролирует инфраструктуру и ПО, но физически она размещена под защитой межсетевого экрана заказчика. Важным с этой точки зрения стал анонс Microsoft Azure Stack – конвергентной инфраструктуры, совместимой с публичным облаком Azure. Ожидается, что Microsoft начнет предлагать это решение широкому кругу заказчиков в 2017 году.

7. Гибридное облако как ступень к публичному

Выстраивая инфраструктуру нового поколения для частных облаков, в организациях стремятся обеспечить возможность по прошествии времени перенести рабочие задачи в публичное облако – поэтому создается гибридное. Гибридные среды являются одним из столпов облачной стратегии Microsoft со времени запуска Azure. В AWS по большому счету игнорировали идею частных и гибридных облаков, но на re:Invent в 2016 году представили ряд продуктов и сервисов, облегчающих перенос данных в публичное облако Amazon. В числе новшеств – программно-аппаратный комплекс Snowball Edge, позволяющий выполнять задачи локально, а затем отправлять данные в AWS. А больше всего внимания привлек к себе Snowmobile, крупногабаритный грузовой контейнер, позволяющий в буквальном смысле перевезти 10 петабайт данных в AWS. Можно ждать, что в 2017 году специалисты Google расскажут о развитии стратегии гибридных облаков.

8. Управляйте облаком сами или платите

Допустим, у вас уже есть рабочие задачи в облаке и вы собираетесь добавить больше, – сложность управления использованием облака возрастает. По мнению аналитиков Forrester, управлять ресурсами IaaS должен сам заказчик. Нужно заботиться о том, чтобы не резервировать слишком много виртуальных машин, отключать неиспользуемые, экономно покупать мощности, защищать доступ с помощью многофакторной аутентификации, автоматизировать максимум задач, повышать КПД и снижать вероятность ошибки человека.

И это далеко не все задачи, связанные с управлением платформами IaaS. Сегодня становится все больше операторов, помогающих заказчикам управлять использованием облаков. Можно рассчитывать на то, что рынок соответствующих инструментов будет расти. Заказчикам же придется либо осваивать оптимальные методы работы с облаками, либо искать кого-то в помощь.

9. Продолжится расширение дата-центров

Рынок IaaS продолжает расти не по дням, а по часам. И операторы стремительно расширяют свои центры обработки данных во всем мире, чтобы успевать удовлетворять спрос и требования заказчиков. Но расширение происходит не только ради масштабов – провайдеры, стремясь соблюдать местные законы о локальном хранении данных, строят новые дата-центры в определенных регионах. Рост масштабов и количества центров обработки данных продолжится и в 2017 году. В Google, в частности, объявили о планах увеличить площади облачных ЦОД более чем вдвое.

10. Консолидация рынка: останутся только трое?

Насколько устоялся сегодня рынок IaaS? По мнению Моэна, однозначно ответить на этот вопрос нельзя. В США такой рынок уже четко сложился, и новым игрокам захватить существенную долю будет трудно. Но в других регионах рынок сильно фрагментирован. У китайских операторов вроде Alibaba и Tencent есть возможности завоевать большие доли в своем регионе.

– Brandon Butler. 10 must-watch IaaS cloud trends for 2017. Network World. December 19, 2016

Еще несколько лет назад роботизация, понимаемая как отдельная ветвь искусственного интеллекта, рассматривалась в качестве перспективы, часто фигурировавшей в прогнозах лидеров бизнеса, и презентовалась в качестве революционной технологии, охватывающей все аспекты нашего общества.

К 2016 году эти предсказания сбылись во многих аспектах бытовой жизни, и не только бытовой. Роботы и другие средства автоматизации бизнес-процессов стали активно осваивать и мир бизнеса.

Банки начали использовать инструменты роботизации и автоматизации при решении новых задач, возникших с вступлением финансового сектора в цифровую эпоху. Особенно сильное влияние роботизации на банковскую деятельность ощущается в управлении клиентскими сервисами.

Причем проводимая автоматизация еще очень далека от полной реализации своего потенциала.

Аналитики Roy Morgan сообщили недавно, что средний уровень удовлетворенности клиентов крупнейших мировых банков находится на самом низком уровне с середины 2013 года и заметно упал после пика в середине 2015 года. Недавнее исследование компании UBS показывает: все больше австралийцев выбирают в качестве поставщиков финансовых услуг технологические стартапы, а не банки.

Выводы понятны: чтобы соответствовать ожиданиям клиентов, банкам необходимо активнее внедрять цифровые технологии. Уже сейчас банки активно инвестируют в новые цифровые клиентские интерфейсы, для того чтобы улучшить восприятие клиентов и предложить им новые продукты. Вместе с тем многие стремятся уменьшить разрыв между лоском новых цифровых технологий и восприятием унаследованных процессов и систем, которые использовались на протяжении десятилетий.

Большинство банков предлагают сегодня клиентам различные платформы (в том числе мобильные) для управления своими учетными записями и транзакциями. Серьезные средства вкладываются в бесконтактные технологии, позволяющие клиентам осуществлять оплату одним прикосновением карты или смартфона. Некоторые из этих проектов осуществляются совместно с технологическими гигантами (Apple, Google и т. д.) с последующей интеграцией технологий Apple Pay и Android Pay в банковские предложения.

Несмотря на постепенный переход исключительно к цифровым банковским и клиентским сервисам, современные банки по-прежнему используют массу процедур, выполняемых вручную. Обусловлено такое положение дел ограничениями унаследованных систем. Стоимость ресурсов, которые необходимы для замены унаследованных систем новыми технологическими платформами, зачастую называют ключевым вызовом для бизнеса.

Но для сохранения конкурентоспособности в условиях дальнейшего роста финтехов и гибких стартапов банкам необходимо инвестировать в быстрые обновления или искать рабочие среды, в которых унаследованные системы могли бы стать их составной частью, а не барьером на пути к цифровому бизнесу.

Новая модель роботизированного самообслуживания

Требования миллениалов к поставщикам услуг и их ожидания весьма высоки. Представители нового поколения рассчитывают на конструктивное и персонально ориентированное взаимодействие с «изначально цифровыми» организациями наподобие Uber и Amazon.

Потребители все чаще рассматривают возможность использовать роботов (а не персональных консультантов) для сложных задач, например таких, как управление инвестициями. Они хотят решать интересующие их вопросы автономно.

Банки все чаще задумываются о сервисах самообслуживания, поскольку клиенты в этом случае получают дополнительные удобства, например банковское обслуживание в любом месте и в любое время. Банкоматы, интерактивные автоответчики, киоски самообслуживания, мобильные приложения и интернет-сервисы играют все возрастающую роль в продвижении культуры самообслуживания. Соответствующие технологии становятся все более зрелыми, и бизнесу необходимо постоянно следить за их развитием, расширяя свои предложения и повышая качество обслуживания клиентов.

Роботы помогают банкам автоматизировать рутинные и повторяющиеся процедуры, не требующие физического вмешательства человека. Это способствует более быстрому выполнению операций и исключению человеческого фактора, а также помогает сориентироваться клиентам, которых интересуют более сложные вопросы, решаемые эффективнее с участием человека. В результате экономится время как клиентов, так и сотрудников. Причем затраты на это совершенно несопоставимы со стоимостью обновления унаследованных систем и их интеграции с новыми цифровыми интерфейсами.

Недорогие технологии автоматизации процессов с помощью роботов могут стать неким связующим слоем между цифровым клиентским интерфейсом и унаследованными системами, упрощая переход к цифровому обслуживанию. Сроки их внедрения измеряются неделями, а не годами, и масштабы использования роботов можно быстро наращивать или сокращать в зависимости от изменения спроса.

Игра с обоюдным выигрышем

Преимущества от использования роботов и технологий автоматизации далеко не исчерпываются одним лишь прямым сокращением банковских затрат. Роботы уменьшают зависимость от человека, исключают возникновение ошибок, ускоряют выполнение операций, повышают их точность и надежность, улучшают клиентское восприятие.

Конечно, некоторые вещи роботы делать пока не в состоянии, но они открывают перед банками возможность использовать развивающиеся технологии для персонально ориентированного, эффективного и экономичного обслуживания клиентов. Передавая роботам выполнение повторяющихся и непервостепенных задач, банки освобождают персонал для более ответственных ролей и операций, тем самым получая возможность сосредоточиться на росте, инновациях и других новых технологиях.

Чем сильнее компания ориентирована на перенос ручных операций в каналы самообслуживания, поддерживаемые роботизированными средствами автоматизации, тем больше окажется ее выигрыш с точки зрения соотношения между стоимостью и эффективностью и тем больше возрастет лояльность клиентов. Технологии роботизации и автоматизации помогут банкам перейти к новой модели цифровых операций и сохранить конкурентоспособность в условиях растущей активности цифровых конкурентов и новых финансово-технологических сервисов.

- Stephen Lewis. How robotics is pushing banking towards a new self-service era? CIO Australia. September 8, 2016

Полностью автоматизированные самоуправляемые автомобили станут реальностью лишь через десятки лет, уверен Николас Карр, чьи книги о технологиях и культуре борются с безрассудным оптимизмом по поводу оцифровки всего на свете.

«Как я понимаю, согласно представлениям о тотальной автоматизации, все машины должны стать полностью самоуправляемыми, вся транспортная инфраструктура будет картографирована в мельчайших подробностях и оснащена всеми необходимыми датчиками и сетевым оборудованием», – рассказал Карр в интервью, опубликованном на портале CIO.com. Сторонники беспилотных автомобилей и энтузиасты технологий наверняка снова не согласятся со взглядами Карра.

В мае 2003 года в издательстве Harvard Business Review вышла книга Карра «ИТ не имеют значения» (IT Doesn't Matter), подвергшаяся критике со стороны таких авторитетов технологического мира, как Билл Гейтс и Карли Фиорина. В книге оспаривалось мнение о том, что собственная ИТ-инфраструктура дает предприятиям стратегические преимущества. Многим ИТ-директорам книга тоже не пришлась по душе, они считали, что в ней преуменьшалась их роль как раз тогда, когда генеральные директора начали понимать, что некоторые технологии все-таки имеют значение. Но со временем правота Карра подтвердилась. Модель коммунальных вычислений, описанная им в 2003 году, сегодня известна как облачные вычисления. И с каждым SaaS-приложением, которое внедряют ИТ-директора компаний, ПО в виде сервиса все больше становится объектом массового потребления.

И вот Карр выпускает новую книгу, озаглавленную ««Утопия – это жутко»... и другие провокации» (Utopia is Creepy: And Other Provocations). Она выходит в издательстве W.W. Norton & Co. в начале сентября. Это сборник эссе, в том числе с такими названиями: «Делает ли Google нас глупее?», «Жизнь, свобода и борьба за личную тайну». Объектом скептицизма Карра на этот раз стал иррациональный оптимизм, проповедуемый некоторыми представителями Кремниевой долины, они уверены, что технологии – это универсальное решение любых проблем. Что благодаря приложениям воцарится мир во всем мире и исчезнет голод. А самое малое – можно будет вздремнуть, пока автомобиль едет сам собой под управлением интерфейсов программирования и лазерных сканеров. И это уж точно произойдет в ближайшие десятилетие-два.

- В чем основная идея книги «Утопия – это жутко»?

Книга представляет собой собрание постов, которые я опубликовал в моем блоге Rough Type на протяжении последнего десятка лет. Это своего рода сборник «хитов» блога и еще кое-какие эссе последнего времени, из них наиболее известное, пожалуй, – «Делает ли Google нас глупее?». Когда в 2015 году блогу стукнуло десять лет, я начал копаться в старых постах и выбрал те, у которых больше откликов.

Еще я отобрал посты, комментировавшие развитие того, что раньше называлось Web 2.0, а теперь известно как социальные СМИ и сети. В этих публикациях я критикую идеологию Кремниевой долины – идеи о том, что поскольку Интернет и социальные СМИ снижают барьеры самовыражения, освобождая людей, то стоит довериться айтишникам, которые построят для нас некий утопический мир. Таким образом, публикации, вошедшие в книгу, объединены общей темой.

- Приведите примеры объектов иррационального оптимизма, исходящего от представителей Кремниевой долины.

Когда после массового краха доткомов началось перерождение Интернета, у многих появилось ощущение, что стены старых СМИ рушатся, привратники уходят, наступает золотой век, в котором люди вольны самовыражаться как угодно и читать что угодно. В свое время эта тема обсуждалась очень широко. Помню, на сайте Wired вышла редакционная статья «Всемирная паутина – это мы», в ней говорилось о наступлении новой эпохи. Но, как мы видим сегодня, реальность оказалась совсем иной. Прежних привратников сменили компании вроде Facebook и Google, в сущности сейчас ставшие медиакомпаниями нового типа, полностью контролирующими информационные потоки.

По сути человечество оказалось зажато в тиски даже сильнее, чем раньше. Еще один пример – идея о том, что людям стоит подвинуться, уступить место алгоритмам и роботам, поскольку те надежнее, совершеннее и быстрее. В Кремниевой долине (и не только) убеждают: люди освободятся, им больше не нужно будет работать, а поскольку весь скучный труд будет вверен машинам, у нас появится масса времени на творчество.

- Вообще-то ученые МТИ и других университетов, а также аналитики Gartner и Forrester говорят, что роботы будут дополнять и поддерживать людей на работе, а не сразу полностью заменят их.

Есть аргументы и в пользу того, что со временем искусственный интеллект и роботы возьмут на себя большую часть всей работы. Насколько я знаю, это распространенное мнение в Кремниевой долине, пропагандируемое в частности Марком Андриссеном и Питером Тилем. Они говорят, что, возможно, это займет какое-то время, но в конечном счете программное обеспечение «поглотит» мир и наступит «посттрудовая» эпоха. (Марк Андриссен – инженер, инвестор и предприниматель, один из сооснователей корпорации Netscape Communications. Сыграл ключевую роль в создании браузера NCSA Mosaic. Питер Тиль – миллиардер, заработал состояние благодаря инвестированию в самые известные стартапы. Он является основателем электронной платежной системы PayPal, первым инвестором Facebook, главным финансистом YouTube, человеком, поверившим в LinkedIn, Yelp, Slide, SpaceX, Tesla Motors и управляющим партнером Founders Fund. – Прим. ред.)

Мечта о том, что машины заменят людей, зародилась еще во времена Промышленной революции, но пока что так и не осуществилась. Хотя гигантские технологические сдвиги в мире труда действительно есть, на мой взгляд, эта мечта остается лишь выражением веры в то, что компьютеры волшебным образом решат вечные проблемы человечества. Опасность в том, что общество склонно поддаваться заблуждению, будто достаточно автоматизировать, скажем, здравоохранение, и появится высокоэффективная система, которая излечит массу болезней. Возникает чувство самоуспокоенности, ощущение, что раз технологии решат все проблемы, то тотальной автоматизации сопротивляться не нужно.

- Но при каждом крупном прорыве в области машинного обучения (последний раз это была победа компьютера над человеком в игру го) наряду с воодушевлением возникает другое чувство – осознание того, насколько еще далеки мы от истинного искусственного интеллекта.

Нужно быть полностью оторванным от реальности, чтобы при взаимодействии с компьютерами, смартфонами, Siri не понимать, насколько далеки мы от искусственного интеллекта. Я, конечно, не хочу принижать колоссальные достижения, имеющиеся в этой области. Если вести речь о самоуправляемых автомобилях... Когда в 2010 году в Google объявили, что робомобиль компании столько-то наездил сам по магистралям, это было просто потрясающе, ведь как раз тогда многие скептики говорили, что вождение – это единственное, с чем не справится компьютер, поскольку у него не может быть человеческих навыков, инстинктов, интуиции и т. п. Но при всех нынешних достижениях, на мой взгляд, от полностью самостоятельного автомобиля мы дальше, чем многие думают.

- Если послушать Google, Tesla и других, то складывается впечатление, что воплощению технологии автопилота в жизнь мешают уже только юридические препятствия. Насколько в действительности мы далеки от полностью самоуправляемых машин?

Думаю, нам удастся создать 99% технологий, необходимых для полного автопилота, весьма быстро, но будет ли нам этого достаточно? Мне представляется, что нет. Ведь при вождении так много факторов неопределенности. Я считаю, понадобится масса инфраструктурных изменений, чтобы добиться полной автоматизации. К тому же срок службы автомобилей очень велик. А значит, на дорогах одновременно будут находиться полностью автоматизированные, частично автоматизированные и обычные автомобили, так что ситуация очень усложнится.

Как я понимаю, согласно представлениям о тотальной автоматизации, все машины станут полностью автономными, вся транспортная инфраструктура будет картографирована в мельчайших подробностях и оснащена всеми необходимыми датчиками и сетевым оборудованием. Но мне просто кажется, что на воплощение подобных замыслов в жизнь уйдет очень много времени – десятки лет. С другой стороны, думаю, есть определенные изолированные области, где все может произойти раньше. Можно было бы создать, к примеру, некую автоматизированную систему дальних грузоперевозок. Робомобиль Google уже может в каких-то ситуациях работать в качестве такси. Но мечта о полной автоматизации в течение десяти лет – нереальна. Возможна поэтапная автоматизация различных элементов транспортной системы, но не полная.

- Как, на ваш взгляд, сегодня меняется роль ИТ-директора?

Сейчас у ИТ-директора двойная роль. По мере приближения к эпохе, когда вы уже не контролируете ИТ, в том числе центры обработки данных, благодаря которым работает ваша компания, вы становитесь посредником для получения ИТ-функций, внутренних и внешних, агентом, который планирует получение различных сервисов для организации, выбирая поставщиков. Для этого компаниям нужны очень опытные люди. Вторая роль – более стратегическая: требуется определять, куда направить инвестиции таким образом, чтобы компания могла выгодно выделиться на фоне конкурентов. Этим может заниматься ИТ-директор или кто-то еще, в этом отношении возможен определенный конфликт интересов.

– Clint Boulton. Tech 'utopia is creepy,' according to Nicholas Carr. CIO. August 9, 2016

Что за люди стоят за этим разрушением и кому они подчиняются? Чаще всего профессионалами, эксплуатирующими развивающиеся технологии, становятся ученые по данным или архитекторы бизнеса. Иногда они работают под крышей ИТ-службы, но чаще – нет.

«К сожалению, ИТ-бюджеты сокращаются, поэтому у ИТ-службы просто нет необходимых ресурсов, для того чтобы добавлять себе новые зоны ответственности, – пояснил директор по вопросам когнитивных систем в IDC Дэйв Шубмель. – Мы видим, что бизнес-подразделения напрямую используют машинное обучение и обращаются к внешним поставщикам для ускорения внедрения соответствующих средств».

В своем стремлении внедрять технологии искусственного интеллекта нынешние первопроходцы уже не одиноки. По оценкам аналитиков IDC, к 2018 году компоненты искусственного интеллекта появятся примерно в половине всех разработанных приложений.

Реальные сценарии искусственного интеллекта

Какие организационные изменения необходимы типичному предприятию, чтобы максимально эффективно использовать преимущества искусственного интеллекта? Посмотрим, как применяются средства искусственного интеллекта в двух крупных компаниях – Pitney Bowes и General Electric – и как все это может произойти в третьей, CIT Group, изучающей возможности внедрения технологий искусственного интеллекта, но на практике пока ничего не предпринимающей.

Руководители этих компаний считают, что разработкой алгоритмов машинного обучения должны заниматься группы с централизованным подчинением. Но вместе с тем они признают важность распределения ресурсов как по географическому признаку, так и между отдельными направлениями бизнеса.

Компания Pitney Bowes, производитель программных и аппаратных продуктов, также предоставляющая услуги в областях, связанных с документооборотом, упаковкой, сортировкой и пересылкой почты, одной из первых начала использовать промышленную операционную систему GE Predix, в которой для сбора и управления большими объемами данных применяются технологии искусственного интеллекта, и платформу IBM Bluemix, предназначенную для разработки и размещения приложений в облаке.

Как рассказал директор Pitney Bowes по инновациям Роджер Пилк, в создании алгоритмов искусственного интеллекта, поддерживающих логистический бизнес, принимали участие 1200 ученых по данным, инженеров-механиков и инженеров-электриков, разработчиков программного обеспечения и специалистов-конструкторов, многие из которых «являются обладателями черного пояса в области анализа данных». Сами они физически находятся на трех континентах, но все подчиняются Пилку.

Инженеры, создававшие алгоритмы, работали в тесном контакте со специалистами ИТ-службы, отвечавшими за цифровую инфраструктуру компании. Логистическая система машинного обучения была запущена в Pitney Bowes около четырех лет назад, с тех пор в ней уже зарегистрировано почти 30 млрд обращений.

«Значительной частью имеющихся у нас компетенций обладают ведущие инженеры по обработке данных, – признал вице-президент Pitney Bowes по стратегическим технологиям Арт Паркос. – Поэтому взаимодействие центральной ИТ-службы и инженеров действительно имеет очень важное значение».

Цифровая трансформация GE

В сентябре 2015 года компания General Electric, много внимания уделяющая средствам искусственного интеллекта, объединила несколько групп разработчиков в подразделение GE Digital. Там теперь работают 1200 экспертов в области программного обеспечения. Еще в одной организации, GE Store for Technology, трудятся 3600 ученых-исследователей и инженеров, поддерживающих отраслевой бизнес General Electric. Сотрудники GE Digital осуществляют программную экспертизу, тогда как специалисты GE Store компетентны в предметной области и отвечают за быстрое внедрение инноваций.

«Если в запасе у нас имеется что-то, хорошо применимое к этому бизнесу, все необходимые связи будут установлены очень быстро, – отметил вице-президент GE по исследованиям в области программного обеспечения Колин Паррис. – GE Store играет роль координационного центра, объединяющего все технологические и инновационные потоки».

Искусственный интеллект и финансы

Специалисты по данным в области банковских услуг полагают, что финансовая холдинговая компания CIT уже экспериментирует с искусственным интеллектом, но в действительности компания пока что не финансирует соответствующие проекты. Между тем в ближайшие год-два директор CIT по данным Б. Дж. Феск ожидает кардинальных изменений.

«Искусственный интеллект мог бы пригодиться во многих аспектах деятельности финансовой организации, так что, возможно, заниматься им будет не одна группа, а несколько, – заметил Феск. – Если это произойдет, появятся группы аналитиков и специалистов по корпоративным данным, которые будут управлять синергией и внедрением инновационного опыта». Феск внимательно следит и за продуктами внешних поставщиков, в том числе за простыми в использовании инструментами искусственного интеллекта, которые могли бы способствовать дальнейшей демократизации этого направления.

– John Dodge. Who’s in charge of AI in the enterprise? CIO. Feb 15, 2016

Эми Инграм отправляет коллеге своего начальника из другой компании краткое письмо, в котором назначает время, когда те могли бы вместе попить кофе. Она указывает именно то время, которое ее босс обычно выделяет для подобных встреч.

Но получатель письма не в курсе, что составлено оно не человеком. Эми Инграм – виртуальная помощница. Ее создали и наделили искусственным интеллектом в компании X.ai. У Эми даже есть своя страница на LinkedIn – без фотографии.

Джейсон Мадхосингх, директор по маркетингу 1stDibs, электронной торговой площадки для предметов домашней обстановки, с помощью Эми ведет свой рабочий календарь. Виртуального секретаря обучили интерпретировать его электронную корреспонденцию: если в письме упоминается завтрак, обед, кофе или телефонный звонок, она назначает встречи на соответствующее время. «Оказалось, это очень полезный инструмент, – признает Мадхосингх. – Я начал пользоваться им в личных целях, но потом выяснилось, что с помощью Эми удобно планировать деловые встречи».

Виртуальные помощники вроде Эми, у которой есть и «мужское» воплощение по имени Эндрю, приобрели широкую популярность у пользователей в обыденной жизни, а в последнее время их стали применять и для работы.

Виртуальные помощники – это простейшая форма искусственного интеллекта, машины, которые способны имитировать человеческий разум и которые развиваются по мере обучения и приобретения опыта.

Системы искусственного интеллекта еще называют «когнитивными технологиями», или «умными машинами», то есть «адаптивными, стремящимися к расширению знаний, проницательными системами». Например, популярные голосовые цифровые помощники, вроде Siri, Cortana и Google Now, способны «понимать» слова, анализировать задаваемые вопросы, и довольно часто их ответы попадают «в точку».

Существуют и средства анализа набираемого текста на основе искусственного интеллекта, помогающие корректировать стиль письма.

Искусственный интеллект позволяет упрощать рабочие процессы, экономить время, уменьшать количество ошибок и снижать затраты. Сегодня некоторые технологии искусственного интеллекта уже практически готовы к полноценному применению на предприятиях.

Виртуальные помощники закладывают почву для широкомасштабного «вторжения» искусственного интеллекта, которое со временем резко изменит жизнь, бизнес и мировую экономику. Правда, есть и сомнения. Достаточно ли технологии искусственного интеллекта безопасны и надежны? Так ли хорошо нынешние системы имитируют человека, чтобы эффективно помогать экономить время технически грамотным работникам и заказчикам? Насколько ИТ-службы справляются с наплывом новых технологий?

Отраслевые аналитики призывают экспериментировать с виртуальными помощниками и другими средствами искусственного интеллекта, чтобы не оказаться неподготовленными, когда наступит переломный момент.

Виртуальные помощники – только верхушка айсберга возможностей искусственного интеллекта, уверены аналитики Forrester: «Помощники вроде Siri, Cortana или Amazon Echo делают процесс поиска контента более удобным, но не всегда более эффективным. Точность ответа зависит от того, насколько хорошо вас понимает система обработки естественного языка, и люди вынуждены приспосабливаться к недостаткам таких помощников».

В региональной больнице Duncan в Оклахоме постоянно ищут способы повысить эффективность обслуживания пациентов. Полтора десятка медиков больницы стали пользоваться системой распознавания речи Dragon от Nuance Communications, помогающей ускорить ведение клинической документации.

«У нас применяется уже несколько приложений с интерфейсом на основе искусственного интеллекта», – рассказывает Роджер Нил, вице-президент и ИТ-директор больницы. Так, в Duncan используется защищенная платформа обмена сообщениями компании Imprivata, выполненная в соответствии с требованиями закона «Об отчетности и безопасности медицинского страхования» (HIPAA). Она похожа на приложение для обмена сообщениями, встроенное в iOS, только работает на ноутбуке, и врачи диктуют сообщения вслух, а не набирают их вручную. Dragon в больнице стали применять и для некоторых бизнес-функций, например для планирования собраний. «С точки зрения эффективности это именно та технология, которой нам недоставало в повседневной работе», – подчеркивает Нил.

В настоящее время в больнице, в рамках пилотного проекта, медсестры при помощи ПО распознавания речи ведут клиническую документацию. Ее объемы растут – это продиктовано требованиями HIPAA и программы «конструктивного использования» электронных медицинских карт.

Разработка систем искусственного интеллекта в здравоохранении сопряжена с особыми сложностями – в частности, нужно безошибочно расшифровывать речь, богатую специальными терминами. «Мы сотрудничаем с Nuance, поскольку у этой компании одна из самых больших в мире баз медицинской терминологии, благодаря чему нам не пришлось начинать с нуля, – объясняет Нил. – Dragon удалось интегрировать с применяемой у нас медицинской информационной системой Meditech и тем самым ускорить ведение очень узкоспециальных разделов документации».

Когда ввод в действие новой системы диктовки будет утвержден, с ней смогут работать более 500 медсестер.

Не все эксперименты с искусственным интеллектом, проводившиеся в Duncan, оказались успешными. В 2013 году в больнице попытались внедрить систему распознавания речи в операционных – чтобы хирурги могли вслух описывать происходящее. Предполагалось, что это позволит экономить время на составление послеоперационной документации.

«Мы решили установить микрофоны вне стерильного поля, – рассказывает Нил. – Но качество распознавания оказалось слишком низким. Когда-нибудь мы что-то подобное внедрим, но на тот момент результаты нас не удовлетворили».

Новичкам Нил советует внедрять искусственный интеллект не торопясь – технология за технологией, один сценарий применения за другим. И даже если не всё выходит, не стоит опускать руки: «Данная область еще очень молодая и быстро развивается. Что-то отлично работает, а что-то попросту пока не готово к полноценному применению. Со временем ситуация улучшится, но не стоит ждать, что искусственный интеллект решит сразу все ваши проблемы, связанные с неэффективностью».

Виртуальные финансовые помощники

Некоторые технологии искусственного интеллекта «понимают» вопросы пользователя с помощью ПО обработки естественного языка, а затем по результатам анализа огромных объемов данных выдают ответы. В страховых и финансовых компаниях с успехом начинают применять «умных» цифровых консультантов на базе Watson – системы когнитивных вычислений, созданной в IBM.

В частности, USAA, поставщик финансовых услуг для военных и их семей, пользуется приложением на основе Watson, которому клиенты компании, покидающие военную службу, могут задавать вопросы.

«В USAA выбрали в качестве первой области внедрения когнитивных вычислений тематику, связанную с окончанием военной службы, поскольку мы обслуживаем конкретную аудиторию: ежегодно в отставку выходят примерно 150 тыс. военных», – сообщил Эрик Энгквист, заместитель вице-президента USAA по вопросам перевода военных.

Группа сотрудников USAA больше полугода учила Watson отвечать на вопросы, касающиеся ухода со службы. Первоначальная база вопросов состоит из 2 тыс. вхождений, но со временем их круг будет расширяться, сообщают разработчики. Watson знает только то, чему его научили, так что, когда ему задают вопросы, на которые он не может ответить, приходится проводить дополнительное обучение.

Как подчеркивают в USAA, задача данного проекта – расширить имеющиеся возможности, а не заменить живых сотрудников. Watson лучше отвечает на вопросы и дает более точную информацию, чем цифровой портал, который был раньше у USAA. Новая система сокращает время телефонных разговоров со службой поддержки, сохраняет больше контекстной информации о входящих звонках и уменьшает объем бумажной работы, связанной с клиентским обслуживанием.

В австралийском банке ANZ осенью прошлого года тоже было начато внедрение цифровых консультантов Watson Engagement Advisor в отделении по планированию вложений. Возможностями платформы когнитивных вычислений со временем будут пользоваться 400 специалистов по финансовому планированию.

Когда клиент задает вопрос о той или иной компании или инвестиции, его можно переадресовать Watson на естественном языке – вслух или набрав текст на компьютере. Система анализирует гигантское количество информации: годовые отчеты, уведомления для регулирующих органов, финансовые новости, аналитические записки и т. п. – и выдает свою точку зрения о перспективности инвестиции, интересующей клиента. Возможность учесть весь этот объем информации, чтобы увидеть более полную картину, когда вы принимаете решение об инвестициях, дает гораздо больше пользы, чем просто прикидка по финансовым показателям.

В ANZ собираются расширять возможности системы на основе Watson, пополняя базу вопросов новыми, поступающими от клиентов и самих финансовых консультантов.

Машины-помощники

Еще одна категория систем искусственного интеллекта – роботы и соединенные с сетями машины, автоматически выполняющие определенные задания и тоже могущие иметь средства обработки естественного языка.

В компании Blue Prism, которая разрабатывает ПО автоматизации роботизированных процессов, создали «программных роботов», они выполняют административную работу, не связанную с клиентским обслуживанием, комбинируя для этого данные из разрозненных систем. При обучении такого робота происходит «оцифровка» действий, обычно выполняемых административным персоналом на компьютерах, – в частности, эмулируются нажатия на клавиши при работе с различными корпоративными приложениями. Последовательность действий роботу демонстрирует сам пользователь. Программных роботов обучают, например, как вводить новичков в курс дела: программа показывает, как входить в различные системы и сопоставлять полученную из них информацию о клиентах, имитируя процедуры, выполняемые реальным человеком.

В Бирмингемской университетской больнице применяют около 40 таких роботов; в совокупности эти программные системы выполняют ежедневно десятки тысяч операций с системами медицинского учреждения. Один из первых внедренных роботов помогает регистрировать по 2 тыс. амбулаторных пациентов, обслуживаемых в среднем за день. Раньше в больнице было 34 регистратуры, потом их объединили, оставив одну центральную, но нововведение оказалось неудачным. Для ускорения процесса выдачи талонов решили установить терминалы, но их не удалось интегрировать с системой управления назначениями. В итоге системы соединили с помощью инструментов Blue Prism. Как объясняют в больнице, они опрашивают базу данных, используемую с терминалами, а затем вводят полученную из нее информацию в систему выдачи талонов пациентам.

Теперь программный робот добавляет новые сведения в систему выдачи талонов по 40 тыс. раз в неделю. В больнице видят применение программных роботов для многих задач – устранить дублирование, улучшить интеграцию, автоматизировать процессы, требующие выполнения множества операций.

Прогнозы на будущее неоднозначны

В Gartner считают, что, несмотря на быстрое развитие искусственного интеллекта, истинная трансформация бизнеса с его помощью займет еще от двух до десяти лет. А искусственный интеллект общего назначения (когда машины действительно начнут самостоятельно «думать») появится и того позже.

Аналитики сходятся во мнении, что в компаниях нужно начинать внедрять системы на основе простейших средств искусственного интеллекта уже сейчас, пусть даже в полной мере потенциал этих технологий реализуется лишь через годы. Раннее внедрение поможет служащим привыкнуть к системам подобного рода, а ИТ-руководители смогут разобраться, как обучать пользователей новым возможностям.

Если не заняться этим сейчас, то, когда развитые средства искусственного интеллекта окажутся готовыми к полномасштабному применению, придется потратить гораздо больше времени на то, чтобы начать пользоваться новыми возможностями.

– Stacy Collett. A.I.-powered assistants step into the enterprise. Computerworld. August 4, 2015