CC BY
37
УДК 004.8.
Верещагина Ю.В. обучающаяся 1 курса магистратуры программа "Экономика и управление фирмой " кафедра экономики и менеджмента научный руководитель: Россинская М.В.
профессор
ФГБОУ«Сочинский Государственный Университет»
Россия, г. Сочи
ВЛИЯНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА БИЗНЕС
Аннотация. В данной статье проанализировано, как искусственный интеллект (ИИ) меняет стоимость прогноза и что это значит для бизнеса. Выявлено, что ИИ служит единственной, но потенциально преобразующей, экономической цели: он значительно снижает стоимость прогнозирования. Бизнес-лидеры могут использовать эту предпосылку, чтобы выяснить наиболее ценные способы применения ИИ в своей организации. Также в статье описаны приоритеты и возможности ИИ.
Ключевые слова: искусственный интеллект, бизнес, прогнозирование, инновации, предприятие.
Vereshchagina Y. V.
1st year student of the master's program "Economics and management of the company " of the Department of Economics and management FEDERAL state budget institution "Sochi State University»
Sochi, Russia
scientific adviser: to the E. N., associate Professor Rossinskaya M. V.
Doctor of Economics, Professor FEDERAL state budget institution "Sochi State University» THE IMPACT OF ARTIFICIAL INTELLIGENCE ON BUSINESS
Annotation. This article analyzes how artificial intelligence (AI) changes the cost of the forecast and what it means for business. It is revealed that AI serves a single, but potentially transformative, economic purpose: it significantly reduces the cost of forecasting. Business leaders can use this premise to figure out the most valuable ways to apply AI in their organization. The article also describes the priorities and capabilities of AI.
Keywords: artificial intelligence, business, forecasting, innovation, enterprise.
Рассматривая искусственный интеллект (ИИ) с точки зрения экономики, мы задаем тот же, единственный вопрос, который мы задаем с любой технологией: что снижает стоимость? Экономисты хорошо умеют извлекать из технологий удовольствие и колдовство и оставляют нас в этом сухом, но вдохновляющем вопросе. Ответ показывает, почему ИИ так важен
по сравнению со многими другими захватывающими технологиями. ИИ можно объяснить тем, что он привел к снижению стоимости первоклассного вклада во многие виды деятельности в бизнесе и в нашей жизни -прогнозирование.
Мы можем взглянуть на пример другой технологии, полупроводники, чтобы понять глубокие изменения, которые происходят, когда технология снижает стоимость полезного ввода. Полупроводники уменьшили стоимость арифметики, и когда они это сделали, произошло три вещи.
Во-первых, мы начали использовать больше арифметики для приложений, которые уже использовали арифметику в качестве входных данных. В 60-х годах это были в основном правительственные и военные применения. Позже мы начали проводить больше вычислений для таких функций, как прогнозирование спроса, потому что эти вычисления теперь стали проще и дешевле.
Во-вторых, мы начали использовать эту более дешевую арифметику для решения задач, которые традиционно не считались арифметическими. Например, мы использовали для создания фотографических изображений с помощью химии (пленочная фотография). Затем, когда арифметика стала дешевле, мы начали использовать решения на основе арифметики при проектировании камер и воспроизведении изображений (цифровых камер).
Третья вещь, которая произошла, когда стоимость арифметики упала, заключалась в том, что она изменила ценность других вещей: ценность дополнений арифметики возросла, а стоимость ее заменителей снизилась. Так, в случае фотографии, дополнениями были программное и аппаратное обеспечение, используемое в цифровых камерах. Их ценность возросла, потому что мы использовали их больше, в то время как стоимость заменителей, компонентов пленочных камер, снизилась, потому что мы начали использовать их все меньше и меньше.
Поскольку стоимость прогнозирования продолжает падать, мы будем использовать ее больше для традиционных задач прогнозирования, таких как управление запасами, потому что мы можем прогнозировать быстрее, дешевле и лучше.
Поначалу ИИ делает много ошибок. Но он учится на своих ошибках и обновляет свою модель каждый раз, когда неверно предсказывает действие, которое совершит человек. Его предсказания начинают становиться все лучше и лучше, пока не станут настолько хорошими в предсказании того, что будет делать человек, что нам больше не нужен человек, чтобы делать это. ИИ может выполнять само действие.
Как и в случае арифметики, когда цена предсказания падает, стоимость его заменителей будет падать, а стоимость его дополнений будет расти.
Один из подходов к точному определению способов использования ИИ в бизнесе состоит в том, чтобы проанализировать организационные рабочие
процессы - процессы превращения входных данных в выходные - и разбить их на задачи. Затем найдите задачи, которые имеют значительный компонент прогнозирования, который выиграл бы от машины прогнозирования. Затем определите окупаемость инвестиций в создание машины прогнозирования для выполнения каждой задачи и просто ранжируйте эти задачи по порядку сверху вниз.
Многие из ИИ, созданных в результате этого упражнения, будут инструментами повышения эффективности, которые дадут компании некоторый подъем - возможно, увеличение EBITDA на 1-10 процентов или какой-либо другой показатель производительности.
Однако, чтобы предвидеть, какие инструменты ИИ выйдут за рамки повышения эффективности и вместо этого приведут к трансформации, мы используем упражнение «Научная фантастика». Мы берем каждый инструмент ИИ и представляем его в качестве ручки громкости радио, а когда вы поворачиваете ручку, скорее чем увеличивать громкость, вы вместо этого повышаете точность предсказания ИИ.
Чтобы увидеть, как это работает, представьте себе применение упражнения к движку рекомендаций Amazon. Мы обнаружили, что его инструмент имеет точность около 5%, а это означает, что из каждых 20 вещей, которые он рекомендует, мы покупаем одну из них, а не другую 19. Эта точность звучит не очень красочно, но если учесть, что инструмент извлекает 20 предметов из Каталог Amazon с миллионами товаров, и из этих 20 мы покупаем один, это не так уж плохо.
Каждый день люди из группы машинного обучения Amazon работают над тем, чтобы развернуть ручку точности прогнозирования. Вы можете себе представить, что ручка в настоящее время находится примерно в двух из десяти. Если они провернут это до четырех или пяти, мы теперь купим пять или семь из 20 вещей. Амазон может подумать, что есть некоторые цифры: «Теперь мы достаточно хорошо предсказываем, что вы хотите купить. Почему мы ждем вас, чтобы делать покупки вообще? Мы просто отправим его ». Благодаря этому Amazon может увеличить свою долю в кошельке по двум причинам. Во-первых, он запрещает вам покупать эти товары у своих конкурентов, будь то онлайн или офлайн. Во-вторых, если бы вы колебались при покупке чего-либо, теперь, когда он находится у вас на крыльце, вы можете подумать: «Ну, я мог бы просто оставить его у себя».
Это свидетельствует о том, что, делая только одну вещь - поворачивая ручку точности прогноза, - изменения, вносимые ИИ, переходят от инкрементного (предлагая рекомендации на веб-сайте) к трансформационному: вся бизнес-модель переходит от покупок, а затем отправляется в доставка, а затем покупки.
Единственный самый важный вопрос, который должны задать себе руководители в каждой отрасли: как быстро, по моему мнению, ручка повернется для особенно ценного приложения ИИ в моем секторе? Если вы
думаете, что потребуется 20 лет, чтобы повернуть эту ручку к точке трансформации, то сегодня вы сделаете совсем другой набор инвестиций, чем если вы думаете, что это займет три года.
Рассмотрение инвестиций, которые уже делают различные компании, может дать вам представление о том, как скоро ручка достигнет точки трансформации. Например, Google приобрел DeepMind за полмиллиарда долларов в то время, когда компания почти не приносила дохода. Это был стартап, который обучал ИИ играть в игры Atari. У Google явно был тезис о том, как быстро вращается ручка.
Так что, если бы я был генеральным директором в любой отрасли прямо сейчас, моей главной задачей было бы работать с моей командой руководителей для разработки тезиса для каждой из ключевых областей в моей организации о том, как быстро будет вращаться циферблат.
По мере того, как руководители разрабатывают свой тезис о сроках, важно понимать, что прогресс в области искусственного интеллекта во многих случаях будет скорее экспоненциальным, чем линейным. Уже прогресс в широком спектре приложений (например, зрение, естественный язык, управление движением) за последние 12 месяцев был быстрее, чем за 12 месяцев до этого. Уровень инвестиций быстро растет. Стоимость датчиков с поправкой на качество экспоненциально падает. И объем генерируемых данных растет в геометрической прогрессии.
В большинстве случаев, когда ИИ правильно спроектированы и развернуты, они лучше предсказывают, чем люди. И все же мы часто по-прежнему неохотно передаем бразды правления предсказаниями машинам. Например, были исследования, сравнивающие вербовщиков-людей с вербовщиками с искусственным интеллектом, которые предсказывают, какие кандидаты будут работать лучше на работе. Когда производительность была измерена через 12, 18 и 24 месяца, новобранцы, отобранные AI, превзошли в среднем тех, кто был отобран людьми. Несмотря на это свидетельство, человеческие рекрутеры все еще часто игнорируют рекомендации, предоставленные ИИ при принятии реальных решений о найме.
В тех случаях, когда ИИ демонстрируют превосходные результаты в прогнозировании, компании должны тщательно учитывать условия, при которых люди могут использовать свое усмотрение для отмены ИИ.
Что делает ИИ таким мощным, так это его способность учиться. Обычно мы думаем о труде как о ученике, а о капитале - как о фиксированном. Теперь с ИИ у нас есть капитал, который учится. Компании должны гарантировать, что информация перетекает в решения, они следуют решениям до результата, а затем они учатся на результате и передают это обучение обратно в систему. Управление циклом обучения будет более ценным, чем когда-либо прежде.
Использованные источники:
1. Modeling the impact of AI on the world economy [Электронный ресурс]. -Режим доступа: URL: https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy (Дата обращения: 08.04.19)
2. Eurostat - EU statistics agency [Электронный ресурс]. - Режим доступа: URL: http://ec.europa.eu/eurostat/ ( Дата просмотра: 09.04.19)
3. UNCTAD. Global Investment Trends Monitor. [Электронный ресурс]. - Режим доступа: URL: http://unc tad.orgen/pages/newsdetails.aspx?Origin alVersionID=920 (Дата просмотра: 09.04.19)
