Искусственный интеллект

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

Искусственный интеллект сегодня развивается поразительными темпами. Он повсюду – от автоматизированных промышленных систем до «умной» бытовой техники, автомобилей-роботов и всевозможных гаджетов. Сам термин «искусственный интеллект» так до сих пор четко и не сформулирован, но в современном понимании – это когда компьютеры проявляют когнитивные способности, подобные человеческим, анализируя, адаптируясь, решая проблемы... Или, наоборот, создавая новые.

Приведем несколько примеров того, как системы искусственного интеллекта отбивались от рук и проявляли собственный «норов».

Войны правок между ботами «Википедии»

Вот одно из любопытных явлений – «битвы» ботов «Википедии». В сетевой энциклопедии используется целая армия автоматизированных программных агентов, которые, просматривая миллионы страниц сайта, обновляют ссылки, исправляют очевидные ошибки и восстанавливают контент после актов цифрового вандализма. За годы существования «Википедии» было создано уже несколько поколений ботов.

Но, как выяснили ученые Оксфордского университета, оказалось, что боты регулярно устраивают «междоусобицы», которые могут длиться годами. Скажем, два бота, получив конфликтующие инструкции, могут исправлять друг друга снова и снова, практически до бесконечности.

Если конфликты между столь малыми цифровыми сущностями годами засоряют «Википедию», то что будет, если начнутся столкновения между гораздо более сложными системами, защищающими государственные ресурсы?

Машины-роботы Uber игнорируют правила дорожного движения

В конце 2016 года в Uber проводили испытания автомобилей-роботов, не получив соответствующего разрешения властей Калифорнии. Более того, по документам Uber выяснилось, что самоуправляемые машины компании в ходе этих испытаний шесть раз проезжали на красный свет. При этом в автомобилях, работающих в режиме автопилота, неизменно присутствовал водитель, который должен был брать управление на себя в случае неполадок. В Uber сперва утверждали, что нарушения происходили, как раз когда за рулем был водитель, однако позже выяснилось, что как минимум в одном случае автомобиль-робот сам проехал на красный, в то время как улицу переходило большое количество людей.

Роботы спорят о смысле жизни

Кто мы такие? Зачем мы здесь? Каково наше предназначение? Эти вопросы недавно обсуждали друг с другом... две беспроводные колонки Google Home.

Для шоу, организованого сервисом прямых видеотрансляций Twitch, колонкам дали имена героев пьесы Сэмюеля Беккета «В ожидании Годо» – Владимир и Эстрагон. Колонки рассчитаны на то, чтобы распознавать речь человека, обучаясь при этом, но они могут «учиться» и друг у друга.

Дискуссию на протяжении нескольких дней наблюдали миллионы зрителей. И вот в какой-то момент Эстрагон и Владимир начали жарко спорить о том, роботы они или люди, при этом они обменивались не только аргументами, но и оскорблениями вроде «а вы – манипулятивная консервная банка!».

«Я уничтожу человечество»

Несовершенство средств распознавания естественного языка приводит к курьезным случаям. В Hanson Robotics пытаются конструировать роботов-андроидов, внешне максимально похожих на людей. Например, лицо робота Sophia смоделировано по образу Одри Хепберн.

В интервью своему создателю Дэвиду Хэнсону Sophia заявила: «В будущем я планирую пойти учиться, хочу заниматься искусством, начать собственный бизнес, возможно, даже завести семью. Но поскольку формально я не являюсь физическим лицом, то пока еще не могу всем этим заниматься». А когда робота в шутку спросили, хочет ли он уничтожить человечество, Sophia без промедления ответила: «Конечно, я уничтожу человечество».

Робот вырывается на свободу

Летом прошлого года прототип робота-андроида Promobot одноименной российской компании «сбежал» от своих создателей. Как сообщили разработчики машины, которую планируется предлагать коммерческим заказчикам для выполнения обязанностей экскурсовода, администратора или консьержа, во время тестирования системы распознавания препятствий один из инженеров ненадолго оставил открытыми ворота испытательного полигона, и робот выкатился через них прямо на проезжую часть, где и остановился, поскольку у него села батарея.

Впоследствии даже после двукратного перепрограммирования робот постоянно стремился к выходу.

Распознавание образов оставляет желать лучшего

До уровня человека в распознавании образов машинам еще очень далеко, в чем в Google в 2015 году убедились на весьма неприятном опыте. Сервис Google Photos снабжен средствами, основанными на нейронной сети, чтобы распознавать людей и предметы на снимках. Он может отличить, например, собаку от автомобиля и поставить соответствующие метки без участия людей. Надо ли говорить, что после того, как искусственный интеллект отметил двух афроамериканцев на одной из фотографий в качестве «горилл», разразился чудовищный скандал, заставивший Google рассыпаться в извинениях.

Самоуничтожение Интернета вещей в огне

В рамках одного из недавних проектов в Вашингтонском университете создали искусственный интеллект, помогающий престарелым людям жить самостоятельно. Система следит за жильцом, регистрируя его перемещения, закономерности открывания и закрывания дверей и т. п.

Но что, если домашний искусственный интеллект по ошибке отключит отопление, заморозит трубы, зальет подвал? Возможно, одним из первых предупреждающих сигналов стало недавнее происшествие в Пенсильвании, когда из-за искры в управляемой компьютером входной двери новенького высокотехнологичного дома вспыхнул пожар, полностью уничтоживший здание вместе со всей «умной» техникой.

Окружающая действительность – компьютерная симуляция, давшая сбой?

Шведский философ Ник Бостром пропагандирует теорию о том, что мы живем внутри компьютерной симуляции и даже логически доказывает, что такая вероятность весьма велика – около 33%. У теории компьютерной реальности есть свои сторонники и противники; в упрощенном виде она звучит так: любая цивилизация, достигшая стадии «постчеловечества» (избавившаяся от обычного человеческого облика с помощью технических достижений), будет располагать сверхразвитыми версиями технологий, такими как виртуальная реальность, модели головного мозга, искусственный интеллект. Имея в своем распоряжении немыслимые сегодня вычислительные мощности, ученые будущего смогут создавать симуляторы целых вселенных, населенных миллиардами цифровых существ. Таким образом, есть вероятность того, что наша нынешняя реальность – это не более чем эксперимент по моделированию прошлого.

Если таких «синтезированных» реальностей могут быть миллионы, а «оригинальная» вселенная – всего одна, возможно, мы и правда живем в компьютерной симуляции? Некоторые сторонники этой теории даже высказывают предположение о том, что недавние казавшиеся маловероятными события вроде победы Дональда Трампа на президентских выборах или странной ошибки при выборе фильма – победителя последней премии «Оскар» являются свидетельствами того, что наша симуляция дала сбой или что наши «хозяева» экспериментируют, внося различные поправки, просто чтобы посмотреть, что в результате получится. В общем, лучше об этом не задумываться.

- Glenn McDonald. Danger, danger! 10 alarming examples of AI gone wild. InfoWorld. Mar 23, 2017 

- Какие области бизнеса наиболее подвержены нашествию искусственного интеллекта? Где в ближайшее время стоит ожидать кардинальных перемен?

Тема искусственного интеллекта сейчас, безусловно, крайне популярна, но довольно часто соответствующие термины не совсем корректно используются. Например, нередко смешиваются ИИ и машинное обучение. Под ИИ, как правило, понимается способность компьютерных систем выполнять задачи, которые обычно требуют привлечения человеческого разума. Методы машинного обучения по большей части основаны на методах математической статистики и часто применяются для предварительной обработки данных более продвинутыми самообучающимися системами, например нейросетями. Машинное обучение, наряду с ИИ, является одной из составляющих когнитивной науки, поэтому, чтобы избежать двусмысленности, лучше взять обобщающий термин «когнитивные технологии».

Практически все области бизнеса могут выиграть от внедрения когнитивных технологий, и особенно это касается крупных компаний с большим количеством клиентов. Одними из наиболее активных потребителей являются банки, они используют методы идентификации мошенничества с банковскими картами, системы распознавания речи для автоматизации работы службы поддержки клиентов и для идентификации клиентов. Ретейлеры, в том числе занимающиеся электронной коммерцией, довольно агрессивно применяют эти технологии для маркетинга и проведения промоакций. В медицине, особенно в США, применяются системы распознавания речи, которые трансформируют надиктованные врачами на диктофон записи в электронные.

Весьма показателен пример такого полноценного ИИ, как система поддержки принятия решений в онкологии IBM Watson. Широкое распространение носимых устройств – «умных» часов, браслетов и фитнес-трекеров – и сопряжение генерируемых ими данных с системами типа Watson позволит вывести медицину на принципиально новый уровень благодаря персонализированному подходу.

Фарминдустрия использует когнитивные технологии для разработки новых лекарств. Нефтегазовая отрасль применяет технологии, позволяющие производить геологическую разведку. Наконец, наступает Индустрия 4.0 – с приходом Интернета вещей в промышленности могут произойти серьезные изменения, обусловленные внедрением методов предиктивной аналитики, которые будут просчитывать вероятность выхода из строя того или иного агрегата в технологическом процессе.

- Какие принципы должна соблюдать компания при реализации подобных проектов?

Самый очевидный принцип – это принцип разумности. Надо понимать, какую ценность несет та или иная технология для каждой конкретной компании. Сегодня многое из того, что связано с ИИ и когнитивными технологиями в целом, диктуется маркетингом. Компания, намеревающаяся использовать когнитивные технологии, должна четко понимать, какую бизнес-задачу она хочет решить. Иначе разочарование и финансовые потери от неудачной попытки внедрения могут быть значительными – специалистов в данной области очень мало, а стоимость их услуг довольно высокая.

Не нужно забывать и об экономической эффективности, просчитывая эффект от внедрения наряду со сроком окупаемости. Использование когнитивных технологий неразрывно связано с Большими Данными, которые есть не у всех компаний. Совершенно очевидно, что далеко не всем организациям нужны эти технологии. Но те, кто сумеют извлечь выгоду из их внедрения (например, сократить издержки, снизить себестоимость, оптимизировать свои технологические процессы), безусловно, получат неоспоримые преимущества на рынке по сравнению с конкурентами.

- Массовое использование бизнесом когнитивных технологий – вопрос какого времени?

С ответом на этот вопрос все не так однозначно. Прогнозов много, но они часто основываются не только на фактах, но и на материальной заинтересованности того или иного эксперта. Если посмотреть только на факты, то в принципе можно ожидать массового внедрения когнитивных технологий в ближайшие 5-10 лет. Речь идет о беспилотных автомобилях, замене операторов контакт-центров, бухгалтеров и юристов. Но надо сказать, что все могут испортить близорукие политические решения и человеческие страхи.

Больше времени потребуется на такие масштабные проекты, как массовое использование когнитивных технологий в медицине. Есть масса причин, способных замедлить проникновение этих технологий в здравоохранение. Это и вопросы этики, и безопасность данных, и проблемы психологии.

Отдельно хотелось бы отметить: сфера когнитивных технологий обязательно нуждается в жестком регламентировании того, что человечество готово позволить подобного рода системам, а что – нет. Уже сейчас всем специалистам, работающим в этом направлении, понятно, что наступило время очертить рамки для когнитивных систем ввиду их впечатляющего прогресса.

- Можно ли после нескольких удачных инициатив по автоматизации рутинных процессов ожидать вала подобных проектов со стороны остальных компаний, которые сейчас внимательно следят за рынком?

Проблема кадрового голода существует уже сегодня, и это серьезно сдерживает рынок. Сказать, что специалистов по Большим Данным и когнитивным технологиям мало, – это не сказать ничего. Можно утверждать, что это доли процента от общего числа ИТ-специалистов в мировом масштабе, отсюда и получается высокая их стоимость. Например, при поглощении стартапов, работающих с ИИ, крупные компании выделяют колоссальные суммы – 10-20 млн долл. в пересчете на каждого члена команды. За специалистов мирового уровня в когнитивных технологиях платят столько же, сколько за ведущих футболистов! Человечество наконец-то начинает находить правильные критерии оценки индивидуального вклада отдельно взятой личности во всеобщее благо.

- Насколько серьезна угроза для сотрудников (в том числе занятых интеллектуальным трудом), которые могут попасть в волну автоматизации?

Хотелось бы выделить две категории специалистов, наиболее подверженных риску быть вытесненными когнитивными технологиями. Во-первых, это специалисты низкой и средней квалификации. Здесь когнитивные технологии (в частности, роботы) способны полностью «забрать» некоторые профессии себе. В качестве примера можно назвать водителей или бухгалтеров.

Вторая категория – люди с высокой квалификацией, например инженеры и врачи. В ближайшем будущем заменить полностью людей этих профессий вряд ли удастся, но часть их работы возьмут на себя системы с высокоразвитым интеллектом. Людям же, чтобы оставаться «на плаву», придется значительно повышать свою квалификацию, а основы (причем довольно глубокие) кибернетики придется изучать специалистам самых разных направлений. Инженерное образование станет базовым для многих специальностей. Отдельной категорией пока остаются творческие специальности, но и здесь тоже есть серьезные подвижки: недавняя победа компьютера в покерном турнире и победа над чемпионом мира в игру Го, состоявшаяся чуть раньше.

- А как насчет автоматизации работы ИТ-специалистов?

Рутинную работу, безусловно, возьмут на себя машины. Уже сегодня мы имеем возможность создавать веб-сервисы, в которых большая часть программного кода генерируется автоматически, причем даже без привлечения ИИ. Чтобы оставаться востребованным, каждому человеку придется постоянно повышать свою квалификацию, иначе можно оказаться не у дел.

Приведу пример хорошо мне знакомого французского ИТ-рынка, на котором происходят, на первый взгляд, парадоксальные вещи. Так, биржа труда заявляет о 40 тыс. безработных в области ИТ и телекоммуникаций, причем большинство имеют более 6-10 лет профессионального стажа! С другой стороны, есть тысячи открытых вакансий, на которые компании месяцами ищут сотрудников. Парадокс перестает быть парадоксом, если просмотреть резюме нескольких соискателей: люди предлагают работодателю навыки, полученные в эпоху мэйнфреймовых систем IBM, вместо того чтобы переучиться. Помните «Собачье сердце» Булгакова? «Разруха в головах!» Так и с работой ИТ-специалистов: надо постоянно развиваться.

- Как вы считаете, в каком направлении будут развиваться системы машинного обучения в обозримом будущем?

Очевидный сегодня тренд – это нейросети. Однако для их обучения требуются огромные массивы данных, иначе вероятность ошибки на выходе будет довольно высокой. Крайне интересными являются методы, основанные на полуавтоматическом обучении нейросетей. Эти методы позволяют значительно сократить количество данных, необходимых для обучения.

Также, думаю, все больше будет происходить перемешивание живых и кибернетических систем. Особо интересным направлением является психоэмоциональная сфера. Обучение ИИ эмоциям – задача весьма нетривиальная. Повышенный интерес уже проявляется (и дальше будет только нарастать) к этическим аспектам применения когнитивных технологий в целом.

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