Аша Саксена: Потенциал ИИ в бизнесе. Стратегическое применение искусственного интеллекта и Big Data

© 2023 by Asha Saxena

© Елена Жевлакова, перевод на русский язык, 2025

© Оформление. ООО «Издательство „Эксмо“», 2025

* * *

Эта книга посвящена миссии организации Women Leaders in Data and AI (WLDA) и ее участникам. WLDA объединяет опытных лидеров для создания успешного цифрового мира на основе равенства и справедливости.

Я организовала WLDA в 2020 году как уникальную социальную сеть для обмена знаниями и опытом в области ИИ, в которой лидеры, мужчины и женщины, сотрудничают ради поддержания тенденций роста и устойчивого развития.

Эти замечательные люди уже заняли свои места за столом переговоров и дают шанс многим другим присоединиться к ним.

Предисловие

Согласно последнему исследованию Pricewaterhouse Coopers (PwC), к 2030 году использование искусственного интеллекта добавит в мировую экономику более пятнадцати триллионов долларов США. Но на данный момент мы находимся в 2022 году, и недавнее исследование Morning Consult показало, что только 35 % организаций в мире внедрили ИИ на своих предприятиях. Чтобы к 2030 году достичь прогнозируемого показателя, необходимо применять ИИ гораздо более обширно.

Итак, где же недостающее звено? Ответ вы найдете в этой книге.

Существуют четыре тесно взаимосвязанных и зависящих друг от друга аспекта – четыре, если хотите, «недостающих звена». Во-первых, должна существовать система показателей, отражающих реальную бизнес-ценность,– и нет, количество построенных ИИ-моделей не является адекватной метрикой. ИИ следует связать с экономией затрат или получением новых доходов. Во-вторых, необходимо сформировать доверие к ИИ. Для этого технология должна быть прозрачной, объяснимой, справедливой, надежной и сохранять конфиденциальность. В-третьих, должна иметься возможность наблюдать цепочку операций с участием ИИ на всем предприятии. Наконец, стратегию использования искусственного интеллекта нужно прочно связать с бизнес-стратегией компании. Встроив эти недостающие звенья, вы поставите человека в центр результатов применения ИИ и всей цепочки создания ценности.

В этом вопросе часто теряется человеческий компонент. Когда компании говорят об ИИ, ориентированном на человека, они обычно имеют в виду удобство использования. Книга Аши поднимает вопросы применения ИИ человеком, а также влияния ИИ на жизнь человека, даже не являющегося пользователем ИИ. Она делает человека неотъемлемой частью дискурса об ИИ, и о таком измерении я пока не задумывался.

Если вы разработали наилучшую стратегию, прочно связанную с планом использования ИИ, а ваш бизнес и клиенты не принимают его, рентабельность инвестиций будет отрицательной. Решающее значение для обеих сторон имеет доверие. Чтобы по-настоящему разобраться в его базовых составляющих, определенных мной на основе личного опыта, нужно принимать во внимание людей. Данная книга поможет сделать это очень эффективным и масштабируемым способом.

В своей книге Аша описывает хорошо продуманный и основанный на опыте подход к созданию ИИ-стратегии, всецело опирающейся на бизнес-стратегии. Этот уникальный подход исходит от человека, который сделал (и продолжает делать) весьма успешную карьеру как в сфере обработки данных, так и в бизнесе. Ее «концепция управления данными»^[1] помогает заложить основу для восполнения всех четырех недостающих звеньев, описанных выше.

Эта книга имеет еще одну ценность: она дает возможность определить, на каком участке пути вы сейчас находитесь, и постоянно отслеживать прогресс, используя инструмент «квадранты стратегий роста, ориентированных на данные». Построив на основании этой схемы «концепцию управления данными», вы решите проблему связи с бизнес-стратегией.

Прелесть книги заключается в увлекательном подходе, доказывающем ценность и эффективность методологии Аши на реальных примерах таких компаний, как Netfl ix и Starbucks, успешно внедривших массовое использование ИИ в своем бизнесе. Она также приводит менее известные, но в равной степени важные, воспроизводимые примеры из собственной профессиональной карьеры и работ других видных экспертов в этой области.

Если вы хотите стать одной из компаний, которая претендует хотя бы на часть ВВП, связанную с ИИ, в размере более пятнадцати триллионов долларов, предлагаю потратить время на чтение и, что более важно, на внедрение изложенных в этой книге концепций.

Какую часть из этих пятнадцати триллионов получите вы?

Сет Добрин

* * *

Доктор Сет Добрин – первый глобальный директор по искусственному интеллекту в IBM. Его роль заключается в управлении корпоративной ИИ-стратегией IBM, помимо этого, он отвечает за согласование практик разработки и использования ИИ по бизнес-подразделениям IBM с систематическим формированием бизнес-ценности. Приверженность ориентированному на человека ИИ побудила Сета создать новую методологию, помогающую компаниям развивать ИИ-стратегии на основе доверия, что способствует получению более честных, точных и ориентированных на потребности реальных людей результатов. Эта методология уже помогла превратить ИИ из простого инструмента для увеличения эффективности процессов во всеобъемлющий катализатор трансформации бизнеса. В 2021 году на церемонии AIconics Awards Сет был признан «Новатором года» в области искусственного интеллекта, он вошел в число Топ-100 лидеров в области данных и аналитики по мнению Corinium.

Введение

Для бейсбольной команды «Окленд Атлетикс» девяностые годы стали десятилетием посредственных результатов. Многие винили «Окленд» в неспособности нанять лучших игроков, как это делали такие лидеры рынка, как «Янкиз». Действительность была (и есть) такова, что получающие огромные доходы от телевещания команды, например из Нью-Йорка или Лос-Анджелеса, всегда смогут потратить на покупку игроков в два или даже в три раза больше, чем «Окленд».

В 2002 году «Окленд» вошла в число трех самых низкооплачиваемых членов Высшей лиги бейсбола – «Янкиз» опередила ее на несколько световых лет. Отсутствие бюджета для найма топовых игроков делало перспективы команды туманными. Тогда генеральный менеджер Билли Бин применил другой подход. Используя статистический метод, известный как саберметрика^[2], его команда бросила вызов общепринятому мнению о потенциале некоторых игроков. Инновационные измерения, превосходящие распространенные в то время методы, основанные на интуиции скаутов и простых статистических выкладках, позволили выявить недооцененных игроков. Бин рассудил, что такие игроки доступны по цене, что позволит создать команду-победитель при самом ограниченном бюджете.

Майкл Льюис описал это в своей противоречивой книге «Человек, который изменил все» (Moneyball1), которая затем легла в основу одноименного фильма 2011 года. По мнению Льюиса, неординарный подход Бина изменил игру навсегда.

В этот год «Атлетикс» зафиксировал беспрецедентную победную серию из двадцати матчей и вышел в плей-офф, повторив успех и на следующий год. С тех пор другие команды, в том числе из разных видов спорта, внедрили в спортивный бизнес подход, ориентированный на данные, и стали использовать его для преумножения успеха. Обозреватель Forbes отметил, что современные спортивные франшизы теперь включают трех основных новых игроков: большие данные, аналитику и искусственный интеллект, или ИИ2.

Почему именно эта книга?

Наверняка вы, как и многие другие, хотите понять: возможно ли вообще использовать эти технологии в вашей организации? Допустим, вы уже имеете некоторое представление о потенциале ИИ, например из книги Мишеля Льюиса, из классического фильма Стэнли Кубрика 2001 года или из длинного списка книг и статей. Но все равно возникают вопросы: «Что я могу реально сделать с этим?» и «Чем эта книга про искусственный интеллект отличается от других?».

Прежде чем вы продолжите читать, позвольте объяснить, почему я решила написать эту книгу. Да, есть множество трудов о важности ИИ, машинном обучении (МО), предиктивной аналитике и других разнообразных технологиях обработки данных. Некоторые авторы даже объясняют (как и я) важность вовлеченности руководителей, информационной грамотности и общей готовности к работе с данными. Но ни одна из книг не работает с уникальными культурными требованиями, необходимыми для создания логически связной, последовательной стратегии обработки данных. Я постаралась охватить весь спектр вопросов, зачем нужен ИИ, как начать его применение, а также о концепции и важных составляющих его успешного внедрения.

Именно эти вопросы мы обсуждали с коллегой Кэмероном Дэвисом, директором по обработке данных в Yum! Brands и надежным союзником Women Leadersin Data and AI (WLDA)– социальной сети для обмена опытом и знаниями в области данных и ИИ, которую я основала в 2020 году. Как и полагается другу, он спросил, есть ли в моей книге нечто уникальное, выделяющее ее среди остальных. Вот его слова:

«Об искусственном интеллекте и готовности организации с технической точки зрения говорят все. Рассуждают о теме с точки зрения данных. Но никто не уделяет внимание готовности организации с учетом культурной составляющей. Да, м ы декларируем необходимость изменить культуру, но забываем о влиянии уже существующей культуры на подход к решению проблемы.

Например, генеральный директор компании Virgin Ричард Брэнсон сказал просто: „Я хочу реализовать все это множество проектов по ИИ за следующие пять лет. Вы, ребята, должны это сделать“, –  и это поручение не оспаривается. Но в других компаниях случается, что генеральный директор придерживается стратегии, основанной на данных, а вот четыре других руководителя, или четыре остальных подразделения, или совет директоров имеют иные приоритеты».

Я знаю ответ на вопрос Кэмерона. В этой книге я поставила цель не просто подтвердить общепринятые представления о больших данных и ИИ. Я хотела найти способ объединить интересы лидеров бизнеса и обработки данных на широком, практическом и межкультурном уровне, не прибегая к чрезмерным упрощениям. Стремилась найти модель, говорящую за себя и помогающую каждому сразу визуализировать концепцию, как иерархия потребностей Маслоу^[3]. Еще важнее, что это дало бы четкий план –  «четырехэтапный процесс», если хотите, –  для превращения ИИ в практическую реальность.

К этой схеме мы обратимся позже в главах 7 и 8

Для начала я решила создать собственную, ориентированную на ИИ, версию классического инструмента «шаблон бизнес-модели». Как и оригинал, моя версия давала визуальное представление о строительных блоках, необходимых для планирования и измерения успешной стратегии (включая потенциальные компромиссы) с использованием ИИ, машинного обучения или предиктивной аналитики. Ее цель –  определять стратегию, я надеюсь, очевидную для всех.

Сделав это смелое заявление, я приглашаю вас продолжить чтение и разобраться, как ИИ и большие данные помогут достичь целей, которые вы раньше и представить себе не могли.

Мой путь

Я начала путешествие в мир данных около двадцати пяти лет назад. После работы в должности инженера по информатике я стала технологическим предпринимателем, создала крупную консалтинговую фирму по управлению данными, компанию по продажам через интернет и фирму по разработке программного обеспечения для медицинской аналитики. Под эгидой CXO Coaching, CEO Coaching International и WLDA я консультировала бизнес-руководителей, стремящихся разобраться в непонятных технологиях.